两阶段训练框架实现可证明稳定的神经网络观测器

Zhangyi Wang 等研究者提出一种两阶段训练框架，用于构建可证明稳定的神经网络观测器，以解决线性矩阵不等式（LMI）约束下大规模半定规划难以求解的可扩展性瓶颈。 该方法先用点引导 Lyapunov 预训练快速获得高估计精度和局部稳定性，再通过 LMI 微调满足严格的全局 Lyapunov 稳定性证书。在非线性控制基准和 X-29 飞机消融实验中，该 LMI 认证观测器的训练速度显著快于直接 LMI 方法，并在多种系统上实现稳健泛化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。