{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,6,20]]，“日期-时间”：“2024-06-20T06:35:24Z”，“时间戳”：1718865324586}，“引用-计数”：79，“发布者”：“MDPI AG”，“问题”：“4”，“许可证”：[{“开始”：}“日期-零件”：[2023,2,14]]，”日期-时间“：”202 3-02-14T00:00:00Z“，”时间戳“：1676332800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“传感器”]，“抽象”：“随着网络物理系统的复杂性不断增加，网络物理系统（CPS）的安全评估需要付出巨大努力。CPS安全评估的一种众所周知的方法是故障注入（FI）。故障注入的目标是通过向系统注入故障来发现可能导致系统故障的灾难性故障。这些灾难性故障发生的可能性较小，并且查找它们需要大量的人力和成本。在本研究中，我们提出了一种基于强化学习（RL）的方法来自动配置被测系统中的故障，并在系统开发的早期阶段在模型级别发现灾难性故障。该方法为利用系统模型的高级领域知识构建强化学习代理和故障注入设置提供了指导。在本研究中，我们使用系统（安全）规范来塑造强化学习代理中的奖励函数。强化学习代理与被测模型动态交互，以识别灾难性故障。在使用MATLAB/Simulink进行的两个案例研究中，我们将该方法与基于随机的故障注入进行了比较。我们提出的方法在发现的故障的严重性和数量方面优于基于随机的故障注入<\/jats:p>“，”DOI“：”10.3390\/s23042166“，”type“：”journal-article“，”created“：{”date-parts“：[[2023,2,15]]，”date-time“：”2023-02-15T07:01:10Z“，”timestamp“：1676444470000}，”page“：前缀“：”10.3390“，”volume“：”23“，”author“：[｛”ORCID“：”http:\/\/ORCID.org/0000-0001-8748-069X“，”authenticated ORCID“：false，”given“：”Mehrdad“，”family“：”Moradi“，”sequence“：”first“，”affiliation“：[｛”name“：”比利时安特卫普大学应用工程学院信息与通信技术系，2000年，安特卫普Flanders Make，Gaston Geenslaan 8，3001 Heverlee，Belgium“}]}，{“ORCID”：“http://\/ORCID.org\/00000-0002-3854-5159”，“authenticated-ORCID”：false，“给定”：“Bert”，“家庭”：“Van Acker”，“sequence”：“additional”，“affiliation”：[{“name”：“安特卫普大学应用工程学院ICT-Department of Applied Engineering，University of Antwerp，Prinsstraat 13，2000 Antwerp（比利时）”}Flanders Make，Gaston Geenslaan 8，3001 Heverlee，Belgium“}]}，{“ORCID”：“http://\/ORCID.org\/00000-0002-4926-6737”，“authenticated-ORCID”：false，“给定”：“Joachim”，“family”：“Denil”，“sequence”：“additional”，“affiliation”：[{“name”：“安特卫普大学应用工程学院ICT-Department of Applied Engineering Faculty，Prinsstraat 13，2000 Antwerp，Beljium”}Flanders Make，Gaston Geenslaan 8，3001 Heverlee，Belgium“}]}]，“member”：“1968”，“published-on-line”：{“date-parts”：[[2023,2,14]]}，“reference”：[{“key”：“ref_1”，“doi-asserted-by”：“crossref”，”unstructured“Lee，E.A.（2008年1月5日\u20137）网络物理系统：设计挑战。2008年第11届IEEE面向对象和组件的实时分布式计算（ISORC）国际研讨会论文集，美国佛罗里达州奥兰多市10.1017\/978131671273“}，{“key”：“ref_3”，“doi-asserted-by”：“crossref”，”first page“：“2395”，“doi”：“10.1007\/s00170-020-06572-4”，“article-title”：“工业4.0制造中CPS的挑战、方法和使用的技术：文献综述”，“volume”：”113“，”author“：”Dafflon“，“year”：“2021”，“journal-title“：”Int.J.Advv.Manuf.Technol.“}，{“key”：“ref_4”，“doi-asserted-by”：“crossref”，“first page”：：“11”，“doi”：“10.1109\/TDSC.2004.2”，“article-title”：“可靠和安全计算的基本概念和分类法”，“volume”：”1“，“author”：“Avizienis”，“year”：“2004”，“journal-title“：”IEEE-Trans.dependable Secur.Comput.“}，{”key“：”ref_5“unstructured”：“Koopman，P.（2018年1月20日\u201321）.厚尾安全吊顶。自动化和互联车辆系统测试研讨会论文集，美国南卡罗来纳州格林维尔。”}，{“key”：“ref_6”，“doi-asserted-by”：“crossref”，“first page”：”75“，“doi”：“10.1109 \/2.585157”，”article-title“：”故障注入技术和工具“，”volume“：”30“，”author“：”Hsueh“，”year“：”1997“，”journal title“：“Computer”}“，{”key“：“ref_ 7”，“doi-asserted-by“：”crossref“，”unstructured“：”Benso，A.和Prinetto，P.（2003）。嵌入式系统可靠性评估的故障注入技术和工具，Springer。“，”DOI“：”10.1007\/b105828“｝，｛”key“：”ref_8“，”DOI asserted by“：”crossref“，”首页“：”913“，”DOI“：”10.1109\/12238482“，”文章标题“：”容错系统的故障注入和可靠性评估“，”卷“：”42“，”作者“：”Arlat“，”年份“：”1993“，”期刊标题“：”IEEE Trans.Comput.“｝，｛”key“：”ref_9“，”非结构化“：”（2023年2月14日）.ISO标准。在线获取：https:\/\/www.iso.org\/standard\/43464.html。“}，{”key“：”ref_10“，”doi-asserted-by“：”crossref“，”unstructured“：”Romanovsky，A.，Troubitsyna，E.，Gashi，I.，Schoitch，E.，and Bitsch，F.（2019年1月11日\u201313）。全自动车辆安全标准方法。计算机安全、可靠性和安全会议录，芬兰图尔库。“，”doi“：”10.1007\/978-3030-26250-1“}”，{“key”：“”参考文献11“，”非结构化“：”（2019）。道路车辆-预期功能安全（SOTIF）（标准编号ISO\/PAS 21448）。“｝，｛”key“：”ref_12“，”doi asserted by“：”crossref“，”nonstructured“：”Ubar，R.，Devadze，S.，Raik，J.，and Jutman，A.（2010年1月8日\u201312）。具有关键路径跟踪技术的并行X故障模拟。2010年欧洲设计、自动化与测试会议暨展览会论文集（2010年），德国德累斯顿。“，”doi“：”10.1109\/DATE.2010.5456929“}，{“key”：“ref_13”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，H.，Fan，L.，Yue，S.，and Liu，L.（2009年1月14日\u201318）。基于蒙特卡罗的单粒子效应控制信号发生器（SEE）故障注入。2009年欧洲辐射及其对部件和系统的影响会议记录，比利时布鲁日。“，”DOI“：”10.1109\/RADECS.2009.5994588“}，{“key”：“ref_14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chamberlain，R.，Taha，W.，and T\u00f6rngren，M.（2019）.Cyber Physical Systems.Model-Based Design，Springer International Publishing。”，“DOI”：“10.1007\/978-3-030-23703-5”}，“{”key“：”ref_15“，”“DOI-ased-by”：“Crosref“，”非结构化”：“”Koopman，P.和Wagner，M.（2018年）。《走向高度自动化车辆安全验证框架》，SAE国际。SAE技术论文技术代表“，”DOI“：”10.4271\/2018-01-1071“}，”{“key”：“ref_16”，“unstructured”：“（2023年2月12日）.虚拟测试驱动。在线获取：https:\/\/hhexagox.com/products\/Virtual-Test-Drive.“}、”{”key“：”ref_17“，”DOI-asserted-by“：”crossref“，”unstructure“：”Wicker，M.、Huang，X.和Kwiatkowska，M.（2018）深度神经网络的特征引导黑盒安全测试。arXiv公司。“，”DOI“：”10.1007\/978-3-319-89960-2_22“}，{”key“：”ref_18“，”DOI-asserted-by“：”crossref“，”unstructured“：”Schoitch，E.（2010年1月14日\u201317）。MODIFI:A MODel-Implemented Fault Injection Tool.Proceedings of the Computer Safety，Reliability，and Security，Vienna，Austria。“，”DOI“：crossref”，“非结构化”：“Lange，T.、Balakrishnan，A.、Glorieux，M.、Alexandrescu，D.和Sterpone，L.（2019年1月24日\u201327）。用机器学习技术估计复杂电路的功能失效率。2019年IEEE第49届年度可靠系统和网络国际会议论文集2013年补充卷（DSN-S），美国俄勒冈州波特兰“，”DOI“：”10.1109“/DSN-S.2019.00021“}，{“key”：“ref_20”，“DOI-asserted-by”：“crossref”，“first-page”：“377”，“DOI”：“10.1613”，jair.1.12716“，”article-title“：”网络物理系统黑匣子安全验证算法调查”，“卷”：“72”，“作者”：“Corso”，“年份”：“2021”，“期刊标题”：“J.Artif”。智力。Res.“}，{”key“：”ref_21“，”unstructured“：”Sutton，R.S.，and Barto，A.G.（2018）。强化学习：导论，麻省理工学院出版社.使用基于强化学习的故障注入探索故障参数空间。2020年IEEE第50届年度可靠系统和网络国际研讨会（DSN-W）会议记录，西班牙巴伦西亚。“，”DOI“：”10.1109\/DSN-W50199.2020.00028“}，{”key“：”ref_23“，”DOI-asserted-by“：”crossref“，”first-page:“108”，”DOI:“10.1109\/12.656094”，”article-title“：”使用软件实现的故障注入和模拟故障注入进行高速网络的可靠性分析“，”volume“：“47”，“author”：“Stott”，“year”：“1998”，“journal-title”：“”IEEE传输。计算。“}，{”key“：”ref_24“，”doi-asserted-by“：”crossref“，”unstructured“：”Abboush，M.，Bamal，D.，Knieke，C.，and Rausch，A.（2022）.汽车软件系统动态行为分析的基于硬件的循环实时故障注入框架.传感器，22.“，“doi”：“10.3390\/s22041360”}，“key”：“ref_25”，“doi-assert-by”：“crossref.”，“first page”：”2358“，”DOI“：”10.1109\/TC.2021.3128501“，”article-title“：”Arm微处理器上的软错误影响：“早期估计与芯片测量”，“volume”：“71”，“author”：“Bodmann”，“year”：“2021”，“journal-title”：“IEEE Trans。计算。“｝，｛”key“：”ref_26“，”doi asserted by“：”crossref“，”nonstructured“：”Kiamanesh，B.，Behravan，A.和Obermaisser，R.（2022）。用于按需控制通风和供暖系统实验评估的多故障模式故障注入。传感器，22.“，”doi“：”10.3390\/s2218180“｝，｛”key“：”ref_27“，”doi asserted by“：”crossref“，”非结构化“：”Raman，V.、Donz\u00e9，A.、Maasoumy，M.、Murray，R.M.、Sangiovanni-Vincentelli，A.和Seshia，S.A.（2014年1月15日\u201317）。具有信号时序逻辑规范的模型预测控制。《第53届IEEE决策与控制会议论文集》，美国加利福尼亚州洛杉矶市，“DOI”：“10.1109\/CDC.2014.7039363”}，{“key”：“ref_28”，“DOI-asserted-by”：“crossref”，“首页”：“723”，“DOI:“10.1016\/S0731-7085（00）00529-X”，“article-title”：“方法验证中的稳健性/耐用性测试指南”，“卷”：“24”，“作者”：“Nijhuis”，“年份”：“2001年，《新闻标题》：《生物医药杂志》。分析。“}，{”key“：”ref_29“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，Y.，M\u00e4ntyl\u00e 4，M.，Eldh，S.，Markkula，J.，Wiklund，K.，Kairi，T.，Raulamo-Jurvanen，P.，and Haukinen，A.（2019年1月15日\u201317）.用于评估测试自动化成熟度的自我评估工具。《软件工程评估与评估论文集》，丹麦哥本哈根Nguyen，C.D.、Marchetto，A.和Tonella，P.（2012年1月15日\u201320）。将基于模型的测试和组合测试相结合，以有效地生成测试用例。2012年美国明尼苏达州明尼阿波利斯国际软件测试与分析研讨会论文集”，“DOI”：“10.1145\/2338965.2336765”}，{“key”：“ref_32”，“DOI-asserted-by”：“crossref”，“first page”：”282“，“DOI:”10.1109\/TR.2012.2194190“，”article-title“：”可靠性测试概述“，”volume“：”61“，”author“：”Elsayed“，”“year”：“2012”，“journal-title”：“”IEEE传输。宗教信仰。“}，{”key“：”ref_33“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，D.、Li，S.、Li、C.和Zhang，Y.（2021201311年1月8日\u201311）.基于FMEA和FTA的DC-DC电源故障诊断分析与应用.中国重庆2021年第六届亚洲电力与电气工程会议论文集.“，”doi“：”10.1109\/ACPEE51499.2021.9436926“｝，｛“key”：“ref_34”，“doi asserted by”：“crossref”，“首页”：“49”，“doi”：“10.1109\/24.855336”，“文章标题”：“开发用于动态故障树分析的低成本高质量软件工具”，“volume”：“49”，“author”：“Dugan”，“year”：“2000”，“journal title”：“IEEE Trans.Reab.”｝，｛“key”：“ref_35”，“doi asserted by”：“crossref“，”first page“：”258“，”DOI“：”10.1109 \/TR.2017.2684785“，”article-title“：”Markovian可靠性模型中级联故障分析的高效算法“，”volume“：“66”，”author“：”Sanghavi“，”year“：”2017“，”journal-title”：“IEEE Trans。宗教信仰。“}，{”key“：”ref_36“，”doi-asserted-by“：”crossref“，”first page“：“428”，”doi“：”10.1109\/24.406578“，”article-title“：”使用Petri网的可信性建模“，”volume“:”44“，”author“：”Malhotra“，“year”：“1995”，“journal-title”：“IEEE Trans.Reliab.”}，”{“key”：“ref_37”，”doi-asserted-by“：“crossref”，”first-page“：”363“，“doi”：“10.1109\/24.922489”，“文章标题”：“容错系统可靠性——硬件和软件组件交互的显式建模”，“卷”：“49”，“作者”：“Kanoun”，“年份”：“2000年”，“期刊标题”：“IEEE Trans。宗教信仰。“}，{”key“：”ref_38“，”unstructured“：”Lee，R.，Mengshoel，O.J.，Saksena，A.，Gardner，R.W.，Genin，D.，Silbermann，J.，Owen，M.P.，and Kochenderfer，M.J.（2018）。适应性压力测试：通过强化学习发现故障事件。CoRR，在线获取：http://\/arxiv.org\/abs\/1811.02188。“}”，{“key”：“ref_39”，“doi-asserted-by”：“crossref”，“首页“：”2151“，”DOI“：”10.1109\/TSCI.2019.2906155“，”article-title“：”使用机器学习技术评估多核软错误可靠性“，”volume“：”66“，”author“：”Garibotti“，”year“：”2019“，”journal-title”：“IEEE Trans。电路系统。我是Regul。巴普。“｝，｛”key“：”ref_40“，”doi asserted by“：”crossref“，”first page“：”1476“，”doi“：”10.1109\/TDSC.2020.30252289“，”文章标题“：”故障注入分析：一种发现云计算系统故障模式的新方法“，”卷“：”19“，”作者“：”Cotroneo“，”年份“：”2020“，”期刊标题“：”IEEE Trans.Reliable Secur.Comput.“｝，｛”key“：”ref_41“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，G.，Li，Y.，Jha，S.，Tsai，T.，Sullivan，M.，Hari，S.K.S.，Kalbarczyk，Z.，and Iyer，R.（2020年1月12日\u201315）。AV-FUZZER：查找自动驾驶系统中的安全违规行为。2020年IEEE第31届软件可靠性工程国际研讨会（ISSRE）会议记录，葡萄牙科英布拉。“，”DOI“：”10.1109 \/ISSRE5003.2020.00012“}，{”key“：”ref_42“，”DOI-asserted-by“：”crossref“，”unstructured“：”Karunakaran，D.，Worrall，S.，and Nebot，E.（2020）。使用边缘案例进行高效统计验证，以评估高度自动化车辆。arXiv非结构化”：“Ritz，F.，Phan，T.，M\u00fcller，R.，Gabor，T.、Sedlmeier，A.、Zeller，M.、Wieghardt，J.、Schmid，R.、Sauer，H.和Klein，C.（202120136年1月4日）。SAT-MARL：多智能体强化学习中的规范意识培训。2021年第13届国际智能体与人工智能会议论文集，奥地利维也纳。”，“DOI”：“10.5220\/001089500280037”}，{“key”：“ref_44”，“unstructured”：“Moradi，M.，Gomes，C.，Oakes，B.J.，and Denil，J.（2019年1月22日\u201323）通过灵敏度分区优化FMI联合模拟中的故障注入。SummerSim\u201919 2019夏季模拟会议记录；计算机模拟国际学会，加利福尼亚州圣地亚哥Gabbar，H.A.、Damilola，A.和Sayed，H.E.（2007年1月7日\u201310）。使用实时故障模拟进行趋势分析，以改进故障诊断。2007年IEEE系统、人与控制论国际会议论文集，加拿大魁北克省蒙特利尔。“，”DOI“：”10.1109\/ICSMC.2007.4414112“}，{”key“：”ref_47“，”unstructured“：”Li，Z.，Menon，H.，Mohror，K.，Bremer，P.T.，Livant，Y.，and Pascucci，V.（2021）。第26届ACM SIGPLAN并行编程原理与实践研讨会论文集，计算机协会。“}”，{“key”：“ref_48”，“DOI-asserted-by”：“crossref”，“非结构化”：“Fremont，D.J.、Dreossi，T.、Ghosh，S.、Yue，X.、Sangiovanni-Vincentelli，A.L.和Seshia，S.A.（2019年1月22日\u201326）。Scenic：一种用于场景描述和场景生成的语言。第40届ACM SIGPLAN编程语言设计与实现会议论文集，美国亚利桑那州凤凰城统计错误注入：量化错误和置信度。2009年欧洲会议展览设计、自动化测试论文集，法国尼斯。“，”DOI“：”10.1109\/DATE.2009.590716“｝，｛”key“：”ref_50“，”非结构化“：”Xu，X.和Li，M.-L（2012年1月25日\u201328）。使用高效漏洞驱动的故障注入来理解软错误传播。IEEE\/IFIP可靠系统和网络国际会议记录（DSN 2012），美国马萨诸塞州波士顿。“｝，｛”key“：”ref_51“，”首页“：”101“，”文章标题“：”全球敏感性分析方法综述“，”卷“：”59“，”作者“：”损失“，”年份“：”2015“，”期刊标题“：“Oper。Res.计算。科学。接口序列。“}，{”key“：”ref_52“，”unstructured“：”Kaaniche，M.，Romano，L.，Kalbarczyk，Z.，Iyer，R.，and Karcich，R.（1998年1月23日\u201325）基于缓存的商用RAID存储体系结构可靠性分析的分层方法。第二十八届容错计算国际研讨会论文摘要，德国慕尼黑。类别。No.98CB36224.“}，{”key“：”ref_53“，”doi-asserted-by“：”crossref“，”first page“：“3”，”doi“：”10.1007\/s10617-018-9217-0“，“article-title”：“一个快速准确的瞬时和永久故障混合故障注入平台”，“volume”：“23”，“author”：“Sartor”，“year”：“2019”，“journal-title“：”Des.Autom.Embedded Syst.ted-by“：”crossref”，“非结构化”：“Schneider，E.、Kochte，M.A.和Wunderlich，H.J.（2018年1月22日\u201325）。GPU上的多级时序仿真。《ASPDAC\u201918第23届亚洲和南太平洋设计自动化会议论文集》，韩国济州。“，”DOI“：”10.1109\/ASPDAC.2018.8297368“}，{“key”：”ref_55“，”DOI-asserted-by“：”crossref“，”first page“：”1465“，“DOI”：“10.1109\/TCAD.2007.891373”，“article-title”：“高过程变化下模拟电路的统计测试开发”，“volume”：“26”，“author”：“Liu”，“year”：“2007”，“journal-title“：”IEEE传输-计算-辅助设计。集成。电路系统。“}，{“key”：“ref_56”，“非结构化”：“Hu，Y.，Wang，W.，Jia，H.，Wang，Y.，Chen，Y.，Hao，J.，Wu，F.，and Fan，C.（2020）。学习利用成形奖励：奖励成形的新方法。arXiv。”}，{“key”：“ref_57”，“非结构化”：”Grzes，M.（2017年1月8日\u201312）.情景强化学习中的奖励形成。巴西圣保罗第16届自治代理和多代理系统会议记录。“}，{”key“：”ref_58“，”doi-asserted-by“：”crossref“，”first page“：“143:1”，”doi“：”10.1145\/3197517.3201311“，”article-title“：”DeepMimic:”Example-guided Deep Reinforcement Learning of Physics-based Character Skills“，”volume“:”37“，”author“：”Peng“，”year“：”2018“，”journal-title：“ACM Trans.Graph.”}，”{“key”：“ref_59”，“unstructured”：“Laud，A.D.（2004）《强化学习中奖励形成的理论与应用》，伊利诺伊大学香槟分校。“}，{”key“：”ref_60“，”doi-asserted-by“：”crossref“，”first-page“：”279“，”doi“：”10.1007\/BF00992698“，”article-title“：”Q-learning“，”volume“：“8”，“author”：“Watkins”，“year”：“1992”，“journal-title”：“Mach.Learn.”}，“key”：“ref_61”，“unstructured”：“Mnih，V.，Kavukcuoglu，K.，Silver，D.，Graves，A.、Antonoglou，I.、Wierstra，D.和Riedmiller，M.（2013）.使用深度强化学习玩雅达利。arXiv公司。“}，{”key“：”ref_62“，”doi-asserted-by“：”crossref“，”first-page“：”229“，”doi“：”10.1007\/BF00992696“，”article-title“：”连接强化学习的简单统计梯度允许算法“，”volume“：“8”，“author”：“Williams”，“year”：“1992”，“journal-title”：“Mach.Learn.”}，“key”：“ref_63”，“unstructured”：“”Lowe，R.、Wu，Y.、Tamar，A.、Harb，J.、Abbeel，P.和Mordatch，I.（2017年）。针对混合合作竞争环境的Multi-agent actor\u2013critic。arXiv公司。“}，{”key“：”ref_64“，”unstructured“：”Mnih，V.，Badia，A.P.，Mirza，M.，Graves，A.，Lillicrap，T.P.，Harley，T.，Silver，D.，and Kavukcuoglu，K.（2016）.深度强化学习的异步方法.arXiv.“}”，{“key”：“ref_65”，“unstructure”：“Schulman，J.，Wolski，F.，Dhariwal，P.，Radford，A.，and Klimov，O.（2017）近似策略优化算法。CoRR，在线获取：http://\/arxiv.org\/abs\/1707.06347.“}，{“key”：“ref_66”，“unstructured”：“Lillicrap，T.P.，Hunt，J.J.，Pritzel，A.，Heess，N.，Erez，T.，Tassa，Y.，Silver，D.，and Wierstra，D.（2019）。深度强化学习的连续控制。arxiv.”}，}“key:”“ref_67”，“非结构化”：“Fujimoto，S.，van Hoof，H.，and Meger，D.（2018）.解决Actor\u2013Critic方法中的函数近似错误。arXiv公司。“}，{”key“：”ref_68“，”unstructured“：”Haarnoja，T.，Zhou，A.，Abbeel，P.，and Levine，S.（2018）。软演员\u2013Critical:非政策性最大熵深度强化学习与随机演员。arXiv.“}”，{“key”：“ref_69”，“unstructure”：“Zoph，B.，and Le，Q.V.（2017）。神经架构搜索与强化学习。arXiv。”ref_70“，”非结构化“：”Denil，J.、Mosterman，P.J.和Vangheluwe，H.（2014年1月13日\u201316）。simulink中和的基于规则的模型转换。建模与仿真理论研讨会论文集——DEVS集成，美国佛罗里达州坦帕”}，{“key”：“ref_71”，“doi-asserted-by”：“crossref”，“unstructured”：“Habli，I.，Sujan，M.，and Bitsch，F.（2021201310年1月8日）.基于机器学习的故障注入，用于危险分析和风险评估。《计算机安全、可靠性和安全学报》，英国约克。“，“DOI”：“10.1007\/978-3-030-83903-1”}，{“key”：“ref_72”，“unstructured”：“Winner，H.，Witte，S.，Uhler，W.和Lichtenberg，B.（1996）。SAE Transactions，SAE International。”}.使用模型预测控制的自适应巡航控制系统。可在线获取：https:\/\/nl.mathworks.com/help\/mpc\/ug\/adaptive-cruise-control-using-model-predictive-controller.html。“}，{”key“：”ref_74“，”unstructured“：”MathWorks（2023年2月12日）。带传感器融合的自动紧急制动。可在线获取：https:\/\/nl.MathWorks.com/help\/driving\/ug\/Autonomous-Emergency-Braking-with-Sensor-Fusion.html.“}”，{“key”：“ref_75”，“doi-asserted-by”：“crossref”，“unstructure”：“Moradi，M.，Van Acker，B.，and Denil，J.（2022）使用模型实现的故障注入和领域知识指导的强化学习进行故障识别。泽诺。“，”DOI“：”10.3390\/s23042166“}，{”key“：”ref_76“，”unstructured“：”Brockman，G.，Cheung，V.，Pettersson，L.，Schneider，J.，Schulman，J.、Tang，J.和Zaremba，W.（2016）.OpenAI Gym.arXiv.“}、{”key“：“ref_77”，“DOI-asserted-by”：“crossref”，“unstructure”：“Akiba，T.，Sano，S.，Yanase，T.、Ohta，T.和Koyama，M.（2019年1月4日\u20138）。Optuna:下一代超参数优化框架。第25届ACM SIGKDD知识发现和数据挖掘国际会议论文集，美国阿拉斯加州安克雷奇。”，“DOI”：“10.1145\/32925000.3330701”｝，｛“key”：“ref_78”，“首页”：“1”，“文章标题”：“稳定基线3：可靠的强化学习实现”，“volume”：“22“，”作者“：”拉芬“，”年份“：”2021“，”新闻标题“：”马赫。学习。Res.“}，{”key“：”ref_79“，”doi-asserted-by“：”crossref“，”unstructured“：”Wohlin，C.，Runeson，P.，H\u00f6st，M.，Ohlsson，M.C.，Regnell，B.，and Wessl\u00e9n，A.（2012）。软件工程实验，Springer。“，”doi“：”10.1007\/978-3642-29044-2“}]，“container-title”：[“Sensors”]，“original-title“：[]，”language“：“en”，“link”：[{“URL”：“https:\/\/www.mdpi.com/1424-8220\/23\/4\/2166\/pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,2,23]]，”date-time“：“2023-02-23T05:53:52Z”，”timestamp“：1677131632000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\\\/www.mdpi.com/1424-8220\/23\/4\/2166“}}”副标题“：[]，”简短标题“：[]，”发布“：{”日期部分“：[[2023,2,14]]}，”引用计数“：79，”日志发布“：}”问题“：“4”，”在线发布“：｛”日期部件“：[2023,2]}}，“alternative-id”：[“s23042166”]，“URL”：“http://\/dx.doi.org\/10.3390\/s23042166“1424-8220”]，“ISSN-type”：[{“value”：“1424-82”，“type”:“electronic”}]，“subject”：[]，“已发布“：{“日期部分”：[[2023,2,14]]}}