控制回路中的神经网络训练与部署：离线学习引发的分布偏移及在线自适应机制

离线训练的神经网络部署于闭环控制系统时会改变状态分布并引发轨迹发散。研究提出了统一分类法，将该过程的形式化失效模式分为闭环辨识误差、动作误差与持续跟踪误差，并通过离散时间敏感性分析证明离线参数必然因局部损失几何特性导致性能下降。为此提出的时间尺度分离在线自适应策略在非线性达芬振子（Duffing oscillator）消融实验中得到验证，成功通过有界持续学习抑制了轨迹发散。