基于凸优化的神经网络系统安全滤波器设计

原文约200字，阅读约需1分钟。发表于：。

通过利用神经网络、凸优化和鲁棒线性模型预测控制，本研究提出了一种新的安全过滤器，以确保神经网络系统在受到建模误差的加性干扰时能保持安全，并通过在非线性摆动系统上的数值实验证明了其有效性。

本文介绍了一种基于模型学习的鲁棒控制方法，利用鲁棒凸优化和Lyapunov理论定义了鲁棒控制Lyapunov阻碍函数，实现了安全性和稳定性保证的控制器。通过模拟结果展示了该方法在汽车轨迹跟踪、非线性控制中的障碍物避障、卫星交会和飞行控制等问题上的应用，表明该方法降低了计算成本，并且控制器的能力与稳健MPC技术相匹配或优于其能力。