基于保持接近方法的神经网络控制器不确定系统验证：鲁棒性分析与安全性验证
系统与控制
2025-03-27 v3 系统与控制
动力系统
摘要
神经网络（NN）控制技术的主要挑战之一，是针对包括未建模动态、非线性和时延在内的各种不确定性，对 NN 控制器的安全性与鲁棒性进行验证与认证。提供此类验证保证的一种途径是：当 NN 控制器的输入在有界集合内变化时，使其闭环系统输出保持接近一个具有鲁棒性能的闭环参考模型的输出。本文提出一种分析带 NN 控制器的不确定反馈系统性能与鲁棒性的新方法。由于分析此类系统的复杂性，该问题被重新表述为带神经控制器的闭环系统与理想闭环参考模型之间的动态跟踪误差问题。随后，采用微分中值定理（DMV）和积分二次约束（IQC）技术来刻画控制器误差的近似。此外，推导了误差动态系统输出的相对积分平方误差（RISE）和上确界平方误差（SSE）有界集。该分析通过结合 Lyapunov 理论与基于 IQC 的技术得以进行。所得的最坏情况分析为用户提供了关于参考闭环模型与受神经控制器控制的不确定系统之间 RISE 和 SSE 最坏情况的先验知识。
引用
@article{arxiv.2212.06532,
title = {Validation of Neural Network Controllers for Uncertain Systems Through Keep-Close Approach: Robustness Analysis and Safety Verification},
author = {Abdelhafid Zenati and Nabil Aouf},
journal= {arXiv preprint arXiv:2212.06532},
year = {2025}
}
备注
25 pages, 16 figures, Journal Paper submitted to International Journal of Robust and Nonlinear Control