CN110794811B - 一种带有量化的网络化运动控制系统的安全控制方法 - Google Patents
一种带有量化的网络化运动控制系统的安全控制方法 Download PDFInfo
- Publication number
- CN110794811B CN110794811B CN201911078855.5A CN201911078855A CN110794811B CN 110794811 B CN110794811 B CN 110794811B CN 201911078855 A CN201911078855 A CN 201911078855A CN 110794811 B CN110794811 B CN 110794811B
- Authority
- CN
- China
- Prior art keywords
- matrix
- attack
- actuator
- sensor
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种网络化运动控制系统在受到量化影响下的安全控制方法,包括以下步骤:对网络化控制系统进行建模,建立状态方程和输出方程;对网络化控制系统状态方程进行扩维;设计中间观测器;设计线性矩阵不等式求解估计增益矩阵L并设计控制器。本发明能够同时检测执行器和传感器的攻击并通过调节特定参数抑制量化作用,并根据估计值设计容侵控制器,使得闭环系统的状态一致最终有界,保障系统的安全运行。
Description
技术领域
本发明属于网络安全技术领域,具体涉及一种网络化运动控制系统在受到量化影响下的安全控制方法,它能够同时检测执行器和传感器的攻击并通过调节特定参数抑制量化作用,并根据估计值设计容侵控制器,使得闭环系统的状态一致最终有界,保障系统的安全运行。
背景技术
随着近年来计算机控制技术的进步和电子硬件设备的快速更替,网络化控制系统得到繁荣的发展,并广泛应用于工业实践的过程中。工业以太网的成熟应用为运动控制系统带来巨大进步,运动轴之间的高精度协同运动是实现复杂功能的必要基础。网络化运动控制系统改进了传统控制系统的可靠性和安全性问题,但也正是由于网络环境的开放性,基于网络化的控制系统将会面临更高的安全威胁。例如今年11月印度Kudankulam核电站受到了来自朝鲜的黑客攻击,导致反应堆意外关闭,诸如此类的工业控制网络受到攻击的例子数见不鲜,网络化控制系统的安全问题已经引起了社会各界的广泛关注。
目前的攻击检测主要关注攻击是否发生以及攻击发生的时间,这类方法主要有基于数据驱动的攻击检测方法和基于残差分析的攻击检测方法。在攻击辨识中为了跟踪到攻击信号的具体大小和波形,需要设计安全估计器和控制率来重构攻击信号,对攻击信号进行在线估计,并在估计的基础上进一步完成安全控制。由于网络中必然存在不确定性,在设备交换信息和数据采样的过程中需要经过量化处理,这会导致信号失真,使得观测器难以对系统参数做出精确的估计。鉴于量化影响不可避免,且量化的存在必然导致系统稳定性能下降,这些因素必然会使执行器攻击和传感器攻击的估计准确性受到严重影响。目前尚无针对带有量化的网络化运动控制系统安全控制问题的有效解决方法。
发明内容
为了解决上述问题,本发明设计了一种针对量化环境下的网络化运动控制系统的安全控制方法,该方法先对运动控制系统进行建模,考虑执行器和传感器同时受到攻击,构建中间观测器,对执行器攻击和传感器攻击进行估计,并根据估计值设计容侵控制器,使得闭环系统的状态一致最终有界。
为了解决上述技术问题,本发明提供如下技术方案:
一种带有量化的网络化运动控制系统的安全控制方法,所述方法包括以下步骤:
1)对网络化控制系统进行建模,建立状态方程和输出方程;过程如下:
1.1)首先确定网络化控制系统为离散系统,并如(1)式建模运动系统的状态方程:
x(k+1)=Ax(k)+Bu(k) (1)
式(1)中x(k)为系统的状态量,在这里的状态量x1和x2分别表示位移和速度;k表示当前的离散时刻,k+1表示下一离散时刻,u(k)是设计的控制输入,A、B为给定的适当维度的常数矩阵,其中A为状态转移矩阵,B为输入矩阵;
由于控制中心和物理层之间的信息交换需要通过网络层,在这一过程中会受到量化作用的影响,因此考虑控制输入被影响为式(2):
v(k)=(1+Δp)u(k) (2)
考虑到控制中心和物理层的执行器之间需要通过网络层传输信息,在这一过程中会受到来自外部的网络攻击影响,则状态方程建模为式(3):
x(k+1)=Ax(k)+B(1+Δp)u(k)+Bau(k) (3)
其中au(k)为外部对执行器的攻击信号;
1.2)系统的测量输出为式(4):
y(k)=Cx(k) (4)
其中y(k)为系统的测量输出,C为适当维度的输出矩阵;
同时考虑在传感器在信息传输的过程中也会受到量化的影响,因此传感器的实际输出为式(5):
s(k)=(I+Δq)y(k) (5)
在信息传输的过程中,传感器会受到来自网络层的外部攻击,因此传感器的实际输出被篡改为式(6):
s(k)=(I+Δq)y(k)+Day(k) (6)
其中ay(k)为外部对传感器的网络攻击,D是关于ay的设定维度的攻击分布矩阵,au和ay互相不相关,是分属不同的攻击;
2)对网络化控制系统状态方程进行扩维,过程如下:
其中表示扩维后的状态转移矩阵,表示扩维后的输入矩阵,表示扩维后的中间矩阵,Iq表示维度为q的单位矩阵,Ca=[C D]表示扩维后的输出矩阵,u(k)表示设计的控制输入,au表示执行器攻击,ay表示传感器攻击,y(k)为传感器的输出,s(k)表示量化器的输出;
3)设计中间观测器,过程如下:
3.1)构造中间变量如式(8)所示:
其中τ表示构造的中间变量,k表示当前的离散时刻,au(k)为外部对执行器的攻击信号,ω为可调节的参数,Ba为扩维后的输入矩阵;
3.2)设计中间观测器如式(9)所示:
其中L是需要设计的观测器增益,ks是设计的容侵控制率,ζ为扩维后的状态量,为扩维后的状态量ζ的估计量,τ为中间变量,为中间变量的估计值,au(k)为外部对执行器的攻击信号,为执行器攻击au的估计值,ay为外部对传感器的攻击信号,为传感器攻击ay的估计值,M为扩维后的中间矩阵,ω为可调节参数,通过直接调节ω的值可以抑制量化误差的影响;
设计容侵控制器为式(10):
4)设计线性矩阵不等式求解估计增益矩阵L并设计控制器,通过线性矩阵不等式求解估计增益L,过程如下:
4.1)构造如式(11)矩阵
其中*表示对称元素,P1,P2,P3,P4,H为待定的正定矩阵,ε,σ为待定的参数,且ε、σ∈(0,1),I表示适当维度的单位矩阵,Δq表示量化对执行器信息传输量化的影响,Ca表示扩维后的输出矩阵,Π11,Π12,Π13,Π22,Π23,Π33的表达式为:
4.2)求解矩阵不等式Π<0,得到P1,P2,P3,P4,H,中间观测器的估计增益矩阵L如式(12):
L=P1 -1H (12)
由此得到执行器攻击和传感器攻击的估计值,并根据估计值设计反馈控制。
本发明设计的一种针对量化环境下的网络化运动控制系统的安全控制方法,通过矩阵不等式求解出中间观测器的估计增益L,进而对执行器攻击au和传感器攻击ay进行估计,并且根据值设计反馈控制。
与现有技术相比,本发明的有益效果如下:对量化下的网络化运动控制系统进行建模,针对网络环境中存在的量化影响设计了一种中间观测器,在对执行器攻击au和传感器攻击ay进行估计的同时,通过直接调节可变参数ω来抑制量化的影响,避免了引入额外性能指标,进一步根据所得的攻击估计值设计反馈控制器。上述所需的全部参数都可以通过低成本的传感器测得。
附图说明
图1是本发明方法对执行器攻击au的实时估计效果图;
图2是本发明方法对传感器攻击ay的实时估计效果图。
图3是本发明方法对状态量位置(x1)和速度(x2)状态响应曲线效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清晰,下面结合附图和仿真数据对本发明的技术方案作进一步描述。
参照图1~图3,一种针对量化环境下的网络化运动控制系统的安全控制方法,该方法先对运动控制系统进行建模,考虑执行器和传感器同时受到攻击,构建中间观测器,通过直接调节特定参数的值抑制量化作用的影响,并同时对执行器攻击和传感器攻击进行估计,根据估计值设计容侵控制器,使得闭环系统的状态一致最终有界。
本发明为一种针对量化环境下的网络化运动控制系统的安全控制方法,包括以下步骤:
1)对网络化控制系统进行建模,建立状态方程和输出方程;
2)对网络化控制系统状态方程进行扩维;
3)设计中间观测器;
4)设计线性矩阵不等式求解估计增益矩阵L并设计控制器;
所述步骤1)中,首先对网络化控制系统进行建模,建立状态方程和输出方程,过程如下:
1.1)确定网络化控制系统为离散系统,并如(1)式建模运动系统的状态方程:
x(k+1)=Ax(k)+Bu(k) (1)
式(1)中x(k)为系统的状态量,在这里的状态量为位移和速度;k表示当前的离散时刻,k+1表示下一离散时刻,u(k)是设计的控制输入,A、B为给定的适当维度的常数矩阵,其中为状态转移矩阵,为输入矩阵;
由于控制中心和物理层之间的信息交换需要通过网络层,在这一过程中会受到量化作用的影响,因此考虑控制输入被影响为式(2):
v(k)=(1+Δp)u(k) (2)
考虑到控制中心和物理层的执行器之间需要通过网络层传输信息,在这一过程中会受到来自外部的网络攻击影响,则状态方程建模为式(3):
x(k+1)=Ax(k)+B(1+Δp)u(k)+Bau(k) (3)
其中au(k)为外部对执行器的攻击信号;
1.2)系统的测量输出为式(4):
y(k)=Cx(k) (4)
同时考虑在传感器在信息传输的过程中也会受到量化的影响,因此传感器的实际输出为式(5):
s(k)=(I+Δq)y(k) (5)
在信息传输的过程中,传感器会受到来自网络层的外部攻击,因此传感器的实际输出被篡改为式(6):
s(k)=(I+Δq)y(k)+Day(k) (6)
所述步骤2)中,对网络化控制系统状态方程进行扩维,过程如下:
其中表示扩维后的状态转移矩阵,表示扩维后的输入矩阵,表示扩维后的中间矩阵,表示扩维后的输出矩阵,u(k)表示设计的控制输入,au表示执行器攻击,ay表示传感器攻击,y(k)为传感器的输出,s(k)表示量化器的输出;
所述步骤3)中,设计中间观测器,过程如下;
3.1)构造中间变量如式(8)所示:
其中τ表示构造的中间变量,k表示当前的离散时刻,au(k)为外部对执行器的攻击信号,ω=80为可调节的参数,Ba为扩维后的输入矩阵;
3.2)设计中间观测器如式(9)所示:
其中L是需要设计的观测器增益,ks是设计的容侵控制率,ζ为扩维后的状态量,为扩维后的状态量ζ的估计量,τ为中间变量,为中间变量的估计值,Δp表示执行器受到的量化影响,au(k)为外部对执行器的攻击信号,为执行器攻击au的估计值,ay为外部对传感器的攻击信号,为传感器攻击ay的估计值,M为扩维后的中间矩阵,ω为可调节参数,通过直接调节ω的值可以抑制量化误差的影响;
设计容侵控制器为式(10):
所述步骤4)中,通过线性矩阵不等式求解估计增益L,过程如下:
4.1)构造如式(11)矩阵
其中*表示对称元素,P1,P2,P3,P4,H为待定的正定矩阵,ε=0.9、σ=0.1,Δq表示量化对执行器信息传输量化的影响,Ca表示扩维后的输出矩阵,Π11,Π12,Π13,Π22,Π23,Π33均为中间矩阵;
4.2)求解矩阵不等式Π<0,得到P1,P2,P3,P4,H分别为:
中间观测器的估计增益矩阵L如式(12):
L=P1 -1H (12)
本发明设计的一种针对量化环境下的网络化运动控制系统的安全控制方法,通过矩阵不等式求解出中间观测器的估计增益L,进而对执行器攻击au和传感器攻击ay进行估计,并且根据值设计反馈控制。与现有技术相比,本发明的有益效果如下:对量化下的网络化运动控制系统进行建模,针对网络环境中存在的量化影响设计了一种中间观测器,在对执行器攻击au和传感器攻击ay进行估计的同时,通过直接调节可变参数ω来抑制量化的影响,避免了引入额外性能指标,进一步根据所得的攻击估计值设计容侵控制器。上述所需的全部参数都可以通过低成本的传感器测得。
以上结合附图详细说明和陈述了本发明的实施方式,但并不局限于上述方式。在本领域的技术人员所具备的知识范围内,只要以本发明的构思为基础,还可以做出多种变化和改进。
Claims (1)
1.一种带有量化的网络化运动控制系统的安全控制方法,其特征在于,所述方法包括以下步骤:
1)对网络化控制系统进行建模,建立状态方程和输出方程;过程如下:
1.1)首先确定网络化控制系统为离散系统,并如(1)式建模运动系统的状态方程:
x(k+1)=Ax(k)+Bu(k) (1)
式(1)中x(k)为系统的状态量,k表示当前的离散时刻,k+1表示下一离散时刻,u(k)是设计的控制输入,A、B为给定的适当维度的常数矩阵,其中A为状态转移矩阵,B为输入矩阵;
由于控制中心和物理层之间的信息交换需要通过网络层,在这一过程中会受到量化作用的影响,因此考虑控制输入被影响为式(2):
v(k)=(1+Δp)u(k) (2)
考虑到控制中心和物理层的执行器之间需要通过网络层传输信息,在这一过程中会受到来自外部的网络攻击影响,则状态方程建模为式(3):
x(k+1)=Ax(k)+B(1+Δp)u(k)+Bau(k) (3)
其中au(k)为外部对执行器的攻击信号;
1.2)系统的测量输出为式(4):
y(k)=Cx(k) (4)
其中y(k)为系统的测量输出,C为适当维度的输出矩阵;
同时考虑在传感器在信息传输的过程中也会受到量化的影响,因此传感器的实际输出为式(5):
s(k)=(I+Δq)y(k) (5)
在信息传输的过程中,传感器会受到来自网络层的外部攻击,因此传感器的实际输出被篡改为式(6):
s(k)=(I+Δq)y(k)+Day(k) (6)
其中ay(k)为外部对传感器的网络攻击,D是关于ay的设定维度的攻击分布矩阵,au和ay互相不相关,是分属不同的攻击;
2)对网络化控制系统状态方程进行扩维,过程如下:
其中表示扩维后的状态转移矩阵,表示扩维后的输入矩阵,表示扩维后的中间矩阵,Iq表示维度为q的单位矩阵,Ca=[C D]表示扩维后的输出矩阵,u(k)表示设计的控制输入,au表示执行器攻击,ay表示传感器攻击,y(k)为传感器的输出,s(k)表示量化器的输出;
3)设计中间观测器,过程如下:
3.1)构造中间变量如式(8)所示:
其中τ表示构造的中间变量,k表示当前的离散时刻,au(k)为外部对执行器的攻击信号,ω为可调节的参数,Ba为扩维后的输入矩阵;
3.2)设计中间观测器如式(9)所示:
其中L是需要设计的观测器增益,ks是设计的容侵控制率,ζ为扩维后的状态量,为扩维后的状态量ζ的估计量,τ为中间变量,为中间变量的估计值,au(k)为外部对执行器的攻击信号,为执行器攻击au的估计值,ay为外部对传感器的攻击信号,为传感器攻击ay的估计值,M为扩维后的中间矩阵,ω为可调节参数,通过直接调节ω的值可以抑制量化误差的影响;
设计容侵控制器为式(10):
4)设计线性矩阵不等式求解估计增益矩阵L并设计控制器,通过线性矩阵不等式求解估计增益L,过程如下:
4.1)构造如式(11)矩阵
其中*表示对称元素,P1,P2,P3,P4,H为待定的正定矩阵,ε,σ为待定的参数,且ε、σ∈(0,1),I表示适当维度的单位矩阵,Ca表示扩维后的输出矩阵,Π11,Π12,Π13,Π22,Π23,Π33的表达式为:
4.2)求解矩阵不等式Π<0,得到P1,P2,P3,P4,H,中间观测器的估计增益矩阵L如式(12):
L=P1 -1H (12)
由此得到执行器攻击和传感器攻击的估计值,并根据估计值设计反馈控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911078855.5A CN110794811B (zh) | 2019-11-07 | 2019-11-07 | 一种带有量化的网络化运动控制系统的安全控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911078855.5A CN110794811B (zh) | 2019-11-07 | 2019-11-07 | 一种带有量化的网络化运动控制系统的安全控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110794811A CN110794811A (zh) | 2020-02-14 |
CN110794811B true CN110794811B (zh) | 2021-02-26 |
Family
ID=69442910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911078855.5A Active CN110794811B (zh) | 2019-11-07 | 2019-11-07 | 一种带有量化的网络化运动控制系统的安全控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110794811B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113489673B (zh) * | 2021-05-25 | 2022-12-20 | 浙江工业大学 | 基于投影中间观测器的网络化运动控制系统攻击估计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605072A (zh) * | 2008-06-12 | 2009-12-16 | 阿尔卡特朗讯公司 | 保护基于分组的网络不受攻击的方法以及安全边界节点 |
CN102135761A (zh) * | 2011-01-10 | 2011-07-27 | 穆科明 | 视觉传感器参数的模糊自适应控制系统 |
CN107463097A (zh) * | 2017-09-27 | 2017-12-12 | 西北工业大学深圳研究院 | 一种水下机器人的自适应量化容错控制装置及其方法 |
CN108494810A (zh) * | 2018-06-11 | 2018-09-04 | 中国人民解放军战略支援部队信息工程大学 | 面向攻击的网络安全态势预测方法、装置及系统 |
CN108536012A (zh) * | 2018-03-23 | 2018-09-14 | 东南大学 | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 |
CN109947077A (zh) * | 2019-03-13 | 2019-06-28 | 浙江工业大学 | 一种基于中间观测器的运动控制系统网络攻击辨识方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10613490B2 (en) * | 2018-02-05 | 2020-04-07 | Mitsubishi Electric Research Laboratories, Inc. | Method and apparatus for preconditioned predictive control |
-
2019
- 2019-11-07 CN CN201911078855.5A patent/CN110794811B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605072A (zh) * | 2008-06-12 | 2009-12-16 | 阿尔卡特朗讯公司 | 保护基于分组的网络不受攻击的方法以及安全边界节点 |
CN102135761A (zh) * | 2011-01-10 | 2011-07-27 | 穆科明 | 视觉传感器参数的模糊自适应控制系统 |
CN107463097A (zh) * | 2017-09-27 | 2017-12-12 | 西北工业大学深圳研究院 | 一种水下机器人的自适应量化容错控制装置及其方法 |
CN108536012A (zh) * | 2018-03-23 | 2018-09-14 | 东南大学 | 一种超临界火电机组协调控制系统及其非线性抗干扰控制方法 |
CN108494810A (zh) * | 2018-06-11 | 2018-09-04 | 中国人民解放军战略支援部队信息工程大学 | 面向攻击的网络安全态势预测方法、装置及系统 |
CN109947077A (zh) * | 2019-03-13 | 2019-06-28 | 浙江工业大学 | 一种基于中间观测器的运动控制系统网络攻击辨识方法 |
Non-Patent Citations (2)
Title |
---|
NIPAD: a non-invasive power-based anomaly detection scheme for programmable logic controllers;Yu- jun XIAO;《Frontiers of Information Technology & Electronic Engineering》;20170323;第519-534页 * |
采用多尺度主成分分析的控制系统欺骗攻击检测;刘大龙;《浙江大学学报(工学版)》;20190930;第1738-1746页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110794811A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106547207B (zh) | 一种非线性多输入多输出系统混合式观测器构建方法 | |
CN109088749B (zh) | 一种随机通讯协议下复杂网络的状态估计方法 | |
CN111079271B (zh) | 一种基于系统残差指纹的工业信息物理系统攻击检测方法 | |
CN111698257B (zh) | 针对多类恶意攻击的工业信息物理系统安全检测方法 | |
CN110865616A (zh) | 随机fdi攻击下事件触发带记忆dof控制器设计方法 | |
CN113268731B (zh) | 一种针对负荷频率控制系统虚假数据攻击的估计方法 | |
CN114244605B (zh) | 一种考虑网络攻击和时变时延的负载频率控制方法及系统 | |
CN103676646A (zh) | 一种具有随机发生的不确定性和分布式传感器时滞的网络化控制系统的状态估计方法 | |
CN110989552B (zh) | 一种网络攻击下连续搅拌釜式反应器系统的故障估计方法 | |
CN110794811B (zh) | 一种带有量化的网络化运动控制系统的安全控制方法 | |
CN109728796B (zh) | 一种基于事件触发机制的滤波方法 | |
Lu et al. | Unscented Kalman filtering for nonlinear systems with sensor saturation and randomly occurring false data injection attacks | |
Huang et al. | An iterative approach to H−/H∞ fault detection observer design for discrete‐time uncertain systems | |
CN115935407A (zh) | 一种面向联邦学习的自适应差分隐私保护方法 | |
CN111107070A (zh) | 一种DoS攻击下的目标跟踪方法 | |
Sari et al. | Deception attack monitoring in vulnerable hydroelectric generator system | |
CN113094702A (zh) | 基于lstm网络的虚假数据注入攻击检测方法及其装置 | |
CN110579963A (zh) | 一种基于自适应状态观测器的网络化运动控制系统状态估计方法 | |
CN111208731A (zh) | 一种对电力信息物理系统进行攻击检测及重构的方法 | |
Renotte et al. | Neural modeling and control of a heat exchanger based on SPSA techniques | |
Yu et al. | Iterative learning guaranteed cost control based on two‐dimensional Roesser systems subject to denial‐of‐service attacks and fading measurements | |
Weng et al. | Fusion estimation for FDI sensor attacks in distributed systems | |
Lei et al. | DeviceNet reliability assessment using physical and data link layer parameters | |
CN115225380B (zh) | 一种网络化控制系统的状态估计方法 | |
Wang et al. | Data‐driven fault detection for linear systems: A q‐step residual iteration approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |