CN110579965B - 基于事件驱动的水面无人艇网络攻击下的容错控制方法 - Google Patents

基于事件驱动的水面无人艇网络攻击下的容错控制方法 Download PDF

Info

Publication number
CN110579965B
CN110579965B CN201910899405.6A CN201910899405A CN110579965B CN 110579965 B CN110579965 B CN 110579965B CN 201910899405 A CN201910899405 A CN 201910899405A CN 110579965 B CN110579965 B CN 110579965B
Authority
CN
China
Prior art keywords
unmanned
surface vehicle
attack
fault
matrix
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
Application number
CN201910899405.6A
Other languages
English (en)
Other versions
CN110579965A (zh
Inventor
费中阳
杨柳
陈伟重
王旭东
刘鑫宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910899405.6A priority Critical patent/CN110579965B/zh
Publication of CN110579965A publication Critical patent/CN110579965A/zh
Application granted granted Critical
Publication of CN110579965B publication Critical patent/CN110579965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

基于事件驱动的水面无人艇网络攻击下的容错控制方法，本发明涉及水面无人艇网络攻击下的容错控制方法。本发明的目的是为了解决现有水面无人艇系统中，网络通讯带宽占用率大，数据传送消耗能量大的问题。过程为：一、根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程；二、基于水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型；三、基于随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程；四、设计基于动态事件驱动的容错控制器增益矩阵；五、基于基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制。本发明用于水面无人艇网络攻击下的容错控制方法。

Description

基于事件驱动的水面无人艇网络攻击下的容错控制方法
技术领域
本发明涉及水面无人艇(USV)网络攻击下的容错控制方法。
背景技术
水面无人艇是一种无人操作的水面舰艇，主要用于执行危险以及不适于有人船只执行的任务。一旦配备先进的控制系统、传感器系统、通信系统和武器系统后，就可以执行多种任务，在军事领域和民用领域都起到了越来越重要的作用。在水面无人艇执行任务的过程中，可靠性是它的一个重要指标。母舰与无人水面艇之间是通过网络进行数据交互的，而欺骗攻击是网络安全中最常见和危险的攻击，欺骗攻击会在网络传输过程中篡改传感器或者控制器的数据，损害数据的完整性。
在传统的连续数据传输以及周期性传输机制下，大量不必要的数据包通过网络通信进行传输，网络通信带宽占用率高而且会造成由大量数据传输产生的传送消耗能量大，浪费通讯资源。由于网络带宽受限，以及水面无人艇自身能源有限，需要在保证水面无人艇系统性能的前提下减少数据传送，以此来降低网络带宽的占用率以及由数据传送消耗的能量。
发明内容
本发明的目的是为了解决现有水面无人艇系统中，网络通讯带宽占用率大，数据传送消耗能量大的问题，而提出基于事件驱动的水面无人艇网络攻击下的容错控制方法。
基于事件驱动的水面无人艇网络攻击下的容错控制方法具体过程为：
步骤一、根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程；
步骤二、基于步骤一建立的水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型；
步骤三、基于步骤二建立的随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程；
步骤四、设计基于动态事件驱动的容错控制器增益矩阵；
步骤五、基于步骤四设计的基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制。
本发明的有益效果：
本发明为了提高无人水面艇的鲁棒性和可靠性，设计了容错控制器用以保证水面无人艇的稳定行驶；本发明水面无人艇系统在动态事件驱动条件下的容错控制器设计，主要包括容错控制器的设计，以及动态事件驱动机制的设计方法。
本发明建立水面无人艇系统的状态空间方程；基于水面无人艇系统的状态空间模型，引入随机欺骗攻击；重新建立引入欺骗攻击的水面无人艇系统的状态空间方程；根据水面无人艇的性能指标要求，设计基于动态事件驱动的容错控制器；基于获得的容错控制增益矩阵设计动态事件驱动机制。
从图3、4、5、6可知，水面无人艇系统不存在欺骗攻击时，水面无人艇系统是渐近稳定的；由附图8、9、10、11得到，当水面无人艇系统存在欺骗攻击时，设计的容错控制器可以使存在欺骗攻击的水面无人艇系统保持渐近稳定。由附图7和附图12可知，本发明降低了网络通信带宽占用率，减少了水面无人艇能源消耗，实现水面无人艇系统的容错控制。本发明基于动态事件驱动机制，在水面无人艇系统不存在欺骗攻击情况下，能够保证水面无人艇的渐进稳定性；在水面无人艇系统存在欺骗攻击的情况下，设计的容错控制器可以使水面无人艇保持渐进稳定。
在水面无人艇系统无欺骗攻击时，设置
Figure BDA0002211321150000021
由附图7可知，在动态事件驱动机制下，只有水面无人艇系统状态值满足设置的触发条件时，事件触发器将测量值发送至通信网络。在仿真时间(20秒)内，触发器的发包量为26次；在水面无人艇系统存在欺骗攻击时，设置
Figure BDA0002211321150000022
由附图12可知，在动态事件驱动机制下，在仿真时间(20秒)内，触发器的发包量为193次，说明此机制能够有效地降低网络带宽占用率以及数据传送造成的水面无人艇的能源消耗。
附图说明
图1为水面无人艇的运动坐标图，δ为方向舵偏角，ψ为航向角，p为横摇速度，φ为横摇角，r为平摆速度，υ为舵产生的横移速度，G为水面无人艇重心，X0为纵向轴，Y0为横向轴，Z0为竖向轴；
图2为事件驱动条件下的水面无人艇容错控制系统框图，x(t)为水面无人艇的系统状态，x(tk)为事件驱动条件下的控制器输入，ω(t)为水面无人艇系统外部扰动，u(t)为控制输入，z(t)为水面无人艇系统的控制输出，t为连续时间；
图3为实施一例在无欺骗攻击时的水面无人艇平摆速度的状态曲线图，r(t)为水面无人艇的平摆速度；
图4为实施一例在无欺骗攻击时的水面无人艇航向角的状态曲线图，ψ(t)为水面无人艇的航向角；
图5为实施一例在无欺骗攻击时的水面无人艇横摇角的状态曲线图，φ(t)为水面无人艇的横摇角；
图6为实施一例在无欺骗攻击时的单舵水面无人艇控制输入的状态曲线图，u(t)为水面无人艇的控制输入；
图7为实施一例在无欺骗攻击时事件触发器的触发时刻和触发间隔示意图；
图8为实施一例在存在欺骗攻击时的水面无人艇平摆速度的状态曲线图，r(t)为水面无人艇的平摆速度；
图9为实施一例在存在欺骗攻击时的水面无人艇航向角的状态曲线图，ψ(t)为水面无人艇的航向角；
图10为实施一例在存在欺骗攻击时的水面无人艇横摇角的状态曲线图，φ(t)为水面无人艇的横摇角；
图11为实施一例在存在欺骗攻击时的单舵水面无人艇控制输入的状态曲线图，u(t)为水面无人艇的控制输入；
图12为实施一例在存在欺骗攻击时事件触发器的触发时刻和触发间隔示意图。
具体实施方式
下面结合附图对本发明的实施例进行详细阐述。
具体实施方式一：本实施方式基于事件驱动的水面无人艇网络攻击下的容错控制方法具体过程为：
步骤一、水面无人艇的运动坐标系如图1所示，在此我们只考虑水面无人艇的横移、平摆和横摇运动。
根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程(公式1)；
步骤二、基于步骤一建立的水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型(公式3)；
步骤三、基于步骤二建立的随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程(公式5)；
步骤四、根据水面无人艇的性能指标要求，设计基于动态事件驱动的容错控制器增益矩阵(K＝YX-1)；
步骤五、基于步骤四设计的基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制(公式15)。
动态事件驱动条件下的水面无人艇系统容错控制器设计系统框图如图2所示。
无欺骗攻击的步骤只保留步骤一、四、五。
具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤一中根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程；具体过程为：
水面无人艇的运动坐标系如图1所示，建立水面无人艇运动学方程，在此只考虑水面无人艇的横移、平摆和横摇运动；
Figure BDA0002211321150000041
根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程，表达式为：
Figure BDA0002211321150000042
式中，x(t)＝[υ(t) r(t )ψ(t) p(t) φ(t)]T为当前水面无人艇系统状态；
其中，υ(t)为水面无人艇的舵产生的横移速度，r(t)为水面无人艇的平摆速度，ψ(t)为水面无人艇的航向角，p(t)为水面无人艇的横摇速度，φ(t)为水面无人艇的横摇角；
Figure BDA0002211321150000043
为水面无人艇系统状态的一阶导数，t为水面无人艇系统时刻；
ω(t)＝[ωψ(t) ωφ(t)]T为水面无人艇系统外部扰动；
ωψ(t)，ωφ(t)分别为波浪对航向角和横摇角造成的扰动；
z(t)为水面无人艇系统的控制输出；
u(t)为水面无人艇系统的控制输入；
ω(t)满足L2[0，∞)范数有界，L为行满秩矩阵且(A，L)为可观测的。
A，B，E为水面无人艇系统矩阵；
L为水面无人艇系统的输出矩阵；
Figure BDA0002211321150000044
为水面无人艇的舵产生的横移速度υ(t)的一阶导数；
Figure BDA0002211321150000045
为水面无人艇的平摆速度r(t)的一阶导数；
Figure BDA0002211321150000051
为水面无人艇的航向角ψ(t)的一阶导数；
Figure BDA0002211321150000052
为水面无人艇的横摇速度p(t)的一阶导数；
Figure BDA0002211321150000053
为水面无人艇的横摇角φ(t)的一阶导数；
Kυr、Kυp、Kdv、Kdr、Kdp为给定增益，Tυ、Tr为给定时间常数，
Figure BDA0002211321150000054
和ωn分别表示阻尼系数和无阻尼自然频率。
其他步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述水面无人艇系统矩阵A，B，E表达式如下：
Figure BDA0002211321150000055
其他步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤二中基于步骤一建立的水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型；具体过程为：
如图2所示，非理想网络通信环境下传输的数据可能受到随机发生的网络攻击的威胁。也就是说，被触发的数据包在通过通信网络传输的过程中容易受到恶意攻击和篡改，因此网络攻击的影响是必须考虑的。
作为一种典型的网络攻击，欺骗攻击会在真实信号中加入一定的欺骗信号破坏数据包的完整性。
当水面无人艇系统存在欺骗攻击时，水面无人艇系统的真实控制输入为：
Figure BDA0002211321150000056
其中，
Figure BDA0002211321150000057
为欺骗信号，f(t)为水面无人艇系统故障信号，α(t)为伯努利分布变量，
Figure BDA0002211321150000058
为水面无人艇系统无欺骗攻击时的控制输入，tk，tk+1为事件触发器的触发时刻，x(tk)为上一次网络传输的水面无人艇系统状态，ηk，ηk+1为网络传输延时，K为控制器增益矩阵；
水面无人艇系统故障信号f(t)假设满足下面限制条件：
||f(t)||2≤||Fz(t)||2 (4)
其中，F＞0为常数矩阵用以表示欺骗信号的上界；
伯努利分布变量α(t)用于描述欺骗攻击的自然属性，概率为
Figure BDA0002211321150000061
Figure BDA0002211321150000062
Figure BDA0002211321150000063
为给定概率常数，取值范围为(0，1)；当α(t)＝1时，水面无人艇系统的真实输入被欺骗信号f(t)代替；当α(t)＝0时，水面无人艇系统不存在欺骗攻击，系统输入为真实输入。
其他步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述步骤三中基于步骤二建立的随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程；具体过程为：
定义ex(t)＝x(t)-x(tk)，基于水面无人艇系统的状态空间方程(1)和欺骗攻击模型方程(3)，得到如下引入欺骗攻击的水面无人艇系统的状态空间方程：
Figure BDA0002211321150000064
其中，ex(t)为上一次网络传输的水面无人艇系统状态x(tk)与当前水面无人艇系统状态x(t)之差。
其他步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述步骤四中根据水面无人艇的性能指标要求，设计基于动态事件驱动的容错控制器增益矩阵；具体过程为：
对于给定常数γ＞0，0＜δ＜1，给定概率常数
Figure BDA0002211321150000065
以及
Figure BDA0002211321150000066
存在欺骗攻击的水面无人艇系统的状态空间方程(5)是具有H∞性能指标γ渐近稳定的，并且控制器增益矩阵为K＝YX-1；
控制器增益矩阵为K＝YX-1的条件是：
存在正定对称矩阵变量
Figure BDA0002211321150000067
X＝P-1和任意矩阵Y满足下面矩阵不等式：
Figure BDA0002211321150000068
其中，
Figure BDA0002211321150000069
为中间变量矩阵；X为中间变量矩阵，I为合适维度的单位矩阵，T为转置，P为任意正定矩阵；γ为水面无人艇系统的H∞性能指标。
其他步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述中间变量矩阵表达式为：
Figure BDA0002211321150000071
Figure BDA0002211321150000072
所述基于动态事件驱动的容错控制增益矩阵具体获得过程为：
定义李雅普诺夫函数V(t)＝xT(t)Px(t)，
并对V(t)＝xT(t)Px(t)求导求期望得：
Figure BDA0002211321150000073
其中，P为任意正定矩阵；Exp为对
Figure BDA0002211321150000074
求期望；
由欺骗攻击的限制条件(4)得到：
Figure BDA0002211321150000075
当t∈[tk+ηk，tk+1+ηk+1)时，在动态事件驱动条件下，下式成立：
Figure BDA0002211321150000076
其中，Πx，f，Πx，e为中间变量，Ω为需要设计的触发参数矩阵；
为了建立引入欺骗攻击的水面无人艇系统的H∞性能指标γ，定义函数
Figure BDA0002211321150000077
如下：
Figure BDA0002211321150000078
其中，γ为水面无人艇系统的H∞性能指标；
定义变量
Figure BDA0002211321150000079
结合公式(6)-(9)，得到
Figure BDA00022113211500000710
其中，Ψ′，Ξ为中间变量矩阵；
Figure BDA00022113211500000711
Figure BDA00022113211500000712
其中，Λ1，Λ2为中间变量矩阵，I为合适维度的单位矩阵；
f(t)表示信号在0-t的积分值，将信号f(t)的时间t改为s，将s作为积分变量，对信号f(s)进行积分(避免了
Figure BDA00022113211500000713
容易造成t的歧义)；
设计容错控制增益矩阵满足Ψ′+Ξ＜0，由此，能够得到
Figure BDA00022113211500000714
Figure BDA0002211321150000081
当t→∞时，在零初始条件下得到
Figure BDA0002211321150000082
即引入欺骗攻击的水面无人艇系统(5)具有H∞性能指标γ；
当ω(t)恒等于0时，V(t)-V(0)＜0，根据Barbalat引理，引入欺骗攻击的水面无人艇系统(5)是渐进稳定的；
基于动态事件驱动的容错控制增益矩阵设计如下：
由Schur补引理知，Ψ′+Ξ＜0等价于矩阵变量Ψ＜0：
Figure BDA0002211321150000083
假设
Figure BDA00022113211500000811
Y＝KX，P-1＝X，其中
Figure BDA0002211321150000084
为正定对称矩阵变量；
定义常数矩阵变量F＝diag{X，I，I，X，I，I}，在矩阵Ψ的左右两边分别乘以矩阵F，得到下面不等式：
Figure BDA0002211321150000085
Figure BDA0002211321150000086
为中间变量矩阵；
Figure BDA0002211321150000087
Figure BDA0002211321150000088
求解线性矩阵不等式(6)，则基于动态时间驱动的容错控制增益矩阵由下式给出：
K＝YX-1 (14)
其他步骤及参数与具体实施方式一至六之一相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是，所述步骤五中基于步骤四设计的基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制；具体过程为：
定义事件触发器的触发时刻为tk，
Figure BDA0002211321150000089
动态事件驱动机制为：
Figure BDA00022113211500000810
其中，t为水面无人艇系统时刻，tk+1、tk为事件触发器的触发时刻，
Figure BDA0002211321150000091
为自然数，θ、δ、Ω为事件驱动参数，θ＞0，0＜δ＜1，Ω＞0，η(t)为内部动态变量，满足以下微分方程：
Figure BDA0002211321150000092
其中，
Figure BDA0002211321150000093
为η(t)的一阶导数，λ为大于零的实数，λ＞0，η(0)＝η0＞0；
η0为内部动态变量η(t)的初值；
当t∈[tk+ηk，tk+1+ηk+1)时，考虑到零阶保持器(ZOH)，执行器的控制输入为x(tk)；
其中，ηk，ηk+1为网络传输延时，并且ηm≤ηk≤ηM，ηm为网络传输延时的最小值，ηM为网络传输延时的最大值；
首先，证明内部动态变量η(t)始终保持非负；
由式(15)和式(16)，当t∈[tk+ηk，tk+1+ηk+1)时，得到下面不等式
Figure BDA0002211321150000094
其中，η(0)＝η0＞0；由比较定理可得
Figure BDA0002211321150000095
则得到η(t)≥0；
其次，证明动态事件驱动容错控制系统最小事件驱动区间为正数；由ex(t)＝x(t)-x(tk)得到
Figure BDA0002211321150000096
对
Figure BDA0002211321150000097
取范数
Figure BDA0002211321150000098
其中，
Figure BDA0002211321150000101
为ex(t)的一阶导数；α为常数变量，α＝|λmax(A)|，λmax(A)为矩阵A的最大特征值；β为常数变量，β＝|λmax(A)|||x(tk)||+||B||||u(t)||+||E||||ω(t)||；
当t∈[tk+ηk，tk+1+ηk+1)时，假设存在函数
Figure BDA00022113211500001014
满足
Figure BDA0002211321150000102
其中，
Figure BDA0002211321150000103
为定义的函数变量，
Figure BDA0002211321150000104
为
Figure BDA0002211321150000105
的一阶导数；
Figure BDA0002211321150000106
为初值，
Figure BDA0002211321150000107
基于比较定理，得到
Figure BDA0002211321150000108
对式(17)求解得
Figure BDA0002211321150000109
由动态事件驱动机制(15)得到
Figure BDA00022113211500001010
则
Figure BDA00022113211500001011
其中，λmin(Ω)为事件驱动参数Ω的最小特征值，λmax(Ω)为事件驱动参数Ω的最大特征值；
考虑到||x(tk)+ex(t)||2≤(||x(tk)||+||ex(t)||)2，由不等式(19)得
Figure BDA00022113211500001012
不等式(20)成立的充分条件为
Figure BDA00022113211500001013
则得到
Figure BDA0002211321150000111
结合等式(18)和不等式(22)，因为0＜δ＜1，当α≠0时
Figure BDA0002211321150000112
当α＝0时，
Figure BDA0002211321150000113
则τ＞0得证；
其中，τ为两次连续事件驱动时刻的差值。
在该动态事件驱动机制下，引入欺骗攻击的水面无人艇系统是渐近稳定的且具有H∞性能指标γ，并且能避免芝诺现象。
其他步骤及参数与具体实施方式一至七之一相同。
采用以下实施例验证本发明的有益效果：
实施例一：
水面无人艇的模型参数如下所示：
Tυ＝1.0256，Tr＝0.7692，Kdv＝0.0780，
Kdr＝-4.7011，Kdp＝-0.0852，Kυr＝-0.4600，
Kυp＝1.6380，ωn＝0.63，ζ＝0.8896.
假设L＝[1 0.8 1-1 0.6]，外部扰动信号
Figure BDA0002211321150000121
假设水面无人艇系统的非线性欺骗攻击函数为f(t)＝-0.3z(t)，欺骗攻击的上界F＝0.3。
步骤一、利用模型参数，建立水面无人艇的状态空间模型。
步骤二、引入欺骗攻击，重新建立引入欺骗攻击的水面无人艇的状态空间模型。
步骤三、水面无人艇的状态空间模型的H∞性能指标设置为γ＝0.1，求解线性矩阵获得容错控制增益矩阵为
K＝[14.9267 12.1140 15.5008-15.0843 9.3707].
步骤四、基于获得的容错控制增益矩阵设计动态事件驱动机制如下：
Figure BDA0002211321150000122
其中，θ＝800，δ＝0.1，λ＝0.5，
Figure BDA0002211321150000123
将本发明方法的容错控制器设计以及动态事件驱动机制运用到水面无人艇模型中。
在水面无人艇系统无欺骗攻击时，设置α(t)＝0。根据附图3、4、5、6，水面无人艇的系统状态和控制输入趋于原点，即闭环控制系统是渐进稳定的。由附图7，在动态事件驱动机制下，只有水面无人艇系统状态值满足设置的触发条件时，事件触发器将测量值发送至通信网络。在仿真时间(20秒)内，触发器的发包量为26次，说明此机制能够有效地降低网络带宽占用率以及数据传送造成的水面无人艇的能源消耗。
在水面无人艇系统存在欺骗攻击时，设置
Figure BDA0002211321150000124
说明网络通信受到随机欺骗攻击的概率为36％。根据附图8、9、10、11，当水面无人艇系统存在随机欺骗攻击时，设计的容错控制器可以使水面无人艇系统渐近稳定。由附图12，在动态事件驱动机制下，在仿真时间(20秒)内，触发器的发包量为193次。
综上，本发明提供的动态事件驱动机制下的水面无人艇的容错控制器设计能够使得闭环水面无人艇控制系统渐进稳定。同时，由于动态事件驱动机制的引入，水面无人艇系统的发包量能够明显减少，网络带宽占用以及由数据传送造成的水面无人艇的能源消耗能够有效降低。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明专利的保护范围内。

Claims (3)

1.基于事件驱动的水面无人艇网络攻击下的容错控制方法，其特征在于：所述方法具体过程为：
步骤一、根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程；
步骤二、基于步骤一建立的水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型；
步骤三、基于步骤二建立的随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程；
步骤四、设计基于动态事件驱动的容错控制器增益矩阵；
步骤五、基于步骤四设计的基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制；
所述步骤一中根据水面无人艇运动学方程，建立水面无人艇系统的状态空间方程；具体过程为：
建立水面无人艇运动学方程，在此只考虑水面无人艇的横移、平摆和横摇运动；
Figure FDA0003758136920000011
根据水面无人艇运动学方程,建立水面无人艇系统的状态空间方程，表达式为：
Figure FDA0003758136920000012
式中，x(t)＝[υ(t) r(t) ψ(t) p(t) φ(t)]T为当前水面无人艇系统状态；
其中，υ(t)为水面无人艇的舵产生的横移速度，r(t)为水面无人艇的平摆速度，ψ(t)为水面无人艇的航向角，p(t)为水面无人艇的横摇速度，φ(t)为水面无人艇的横摇角；
Figure FDA0003758136920000013
为水面无人艇系统状态的一阶导数，t为水面无人艇系统时刻；
ω(t)＝[ωψ(t) ωφ(t)]T为水面无人艇系统外部扰动；
ωψ(t)，ωφ(t)分别为波浪对航向角和横摇角造成的扰动；
z(t)为水面无人艇系统的控制输出；
u(t)为水面无人艇系统的控制输入；
A，B，E为水面无人艇系统矩阵；
L为水面无人艇系统的输出矩阵；
Figure FDA0003758136920000021
为水面无人艇的舵产生的横移速度υ(t)的一阶导数；
Figure FDA0003758136920000022
为水面无人艇的平摆速度r(t)的一阶导数；
Figure FDA0003758136920000023
为水面无人艇的航向角ψ(t)的一阶导数；
Figure FDA0003758136920000024
为水面无人艇的横摇速度p(t)的一阶导数；
Figure FDA0003758136920000025
为水面无人艇的横摇角φ(t)的一阶导数；
Kυr、Kυp、Kdv、Kdr、Kdp为给定增益，Tυ、Tr为给定时间常数，
Figure FDA0003758136920000026
和ωn分别表示阻尼系数和无阻尼自然频率；
所述步骤二中基于步骤一建立的水面无人艇系统的状态空间方程，引入随机欺骗攻击，建立随机欺骗攻击的数学模型；具体过程为：
当水面无人艇系统存在欺骗攻击时，水面无人艇系统的控制输入为：
Figure FDA0003758136920000027
其中，
Figure FDA0003758136920000028
为欺骗信号，f(t)为水面无人艇系统故障信号，α(t)为伯努利分布变量，
Figure FDA0003758136920000029
为水面无人艇系统无欺骗攻击时的控制输入，tk，tk+1为事件触发器的触发时刻，x(tk)为上一次网络传输的水面无人艇系统状态，ηk，ηk+1为网络传输延时，K为控制器增益矩阵；
水面无人艇系统故障信号f(t)假设满足下面限制条件：
||f(t)||2≤||Fz(t)||2 (4)
其中，F>0为常数矩阵；
伯努利分布变量α(t)用于描述欺骗攻击的自然属性，概率为
Figure FDA00037581369200000210
Figure FDA00037581369200000211
Figure FDA00037581369200000212
为给定概率常数，取值范围为(0，1)；当α(t)＝1时，水面无人艇系统的真实输入被欺骗信号f(t)代替；当α(t)＝0时，水面无人艇系统不存在欺骗攻击，系统输入为真实输入；
所述步骤三中基于步骤二建立的随机欺骗攻击的数学模型，建立引入欺骗攻击的水面无人艇系统的状态空间方程；具体过程为：
定义ex(t)＝x(t)-x(tk)，基于水面无人艇系统的状态空间方程(1)和方程(3)，得到如下引入欺骗攻击的水面无人艇系统的状态空间方程：
Figure FDA00037581369200000213
其中，ex(t)为上一次网络传输的水面无人艇系统状态x(tk)与当前水面无人艇系统状态x(t)之差；
所述步骤四中设计基于动态事件驱动的容错控制器增益矩阵；具体过程为：
对于给定常数γ>0，0<δ<1，给定概率常数
Figure FDA0003758136920000031
以及
Figure FDA0003758136920000032
存在欺骗攻击的水面无人艇系统的状态空间方程(5)是具有H∞性能指标γ渐近稳定的，并且控制器增益矩阵为K＝YX-1；
控制器增益矩阵为K＝YX-1的条件是：
存在正定对称矩阵变量
Figure FDA0003758136920000033
X＝P-1和任意矩阵Y满足下面矩阵不等式：
Figure FDA0003758136920000034
其中，
Figure FDA0003758136920000035
为中间变量矩阵；X为中间变量矩阵，I为单位矩阵，T为转置，P为任意正定矩阵；γ为水面无人艇系统的H∞性能指标；
所述步骤五中基于步骤四设计的基于动态事件驱动的容错控制器增益矩阵，设计动态事件驱动机制；具体过程为：
定义事件触发器的触发时刻为tk，
Figure FDA0003758136920000036
动态事件驱动机制为：
Figure FDA0003758136920000037
其中，t为水面无人艇系统时刻，tk+1、tk为事件触发器的触发时刻，
Figure FDA0003758136920000038
为自然数，θ、δ、Ω为事件驱动参数，θ>0，0<δ<1，Ω>0，η(t)为内部动态变量，满足以下微分方程：
Figure FDA0003758136920000039
其中，
Figure FDA00037581369200000310
为η(t)的一阶导数，λ为大于零的实数，λ>0，η(0)＝η0>0；
η0为内部动态变量η(t)的初值；
当t∈[tk+ηk,tk+1+ηk+1)时，考虑到零阶保持器，执行器的控制输入为x(tk)；
其中，ηk，ηk+1为网络传输延时，并且ηm≤ηk≤ηM，ηm为网络传输延时的最小值，ηM为网络传输延时的最大值；
首先，证明内部动态变量η(t)始终保持非负；
由式(15)和式(16)，当t∈[tk+ηk,tk+1+ηk+1)时，得到下面不等式
Figure FDA0003758136920000041
其中，η(0)＝η0>0；由比较定理可得
Figure FDA0003758136920000042
则得到η(t)≥0；
其次，证明动态事件驱动容错控制系统最小事件驱动区间为正数；由ex(t)＝x(t)-x(tk)得到
Figure FDA0003758136920000043
对
Figure FDA0003758136920000044
取范数
Figure FDA0003758136920000045
其中，
Figure FDA0003758136920000046
为ex(t)的一阶导数；α为常数变量，α＝|λmax(A)|，λmax(A)为矩阵A的最大特征值；β为常数变量，β＝|λmax(A)|||x(tk)||+||B||||u(t)||+||E||||ω(t)||；
当t∈[tk+ηk,tk+1+ηk+1)时，假设存在函数
Figure FDA0003758136920000047
满足
Figure FDA0003758136920000048
其中，
Figure FDA0003758136920000049
为定义的函数变量，
Figure FDA00037581369200000410
为
Figure FDA00037581369200000411
的一阶导数；
Figure FDA00037581369200000412
为初值，
Figure FDA00037581369200000413
基于比较定理，得到
Figure FDA00037581369200000414
对式(17)求解得
Figure FDA00037581369200000415
由动态事件驱动机制(15)得到
Figure FDA0003758136920000051
则
Figure FDA0003758136920000052
其中，λmin(Ω)为事件驱动参数Ω的最小特征值，λmax(Ω)为事件驱动参数Ω的最大特征值；
考虑到||x(tk)+ex(t)||2≤(||x(tk)||+||ex(t)||)2，由不等式(19)得
Figure FDA0003758136920000053
不等式(20)成立的充分条件为
Figure FDA0003758136920000054
则得到
Figure FDA0003758136920000055
结合等式(18)和不等式(22)，因为0<δ<1，当α≠0时
Figure FDA0003758136920000056
当α＝0时，
Figure FDA0003758136920000061
则τ>0得证；
其中，τ为两次连续事件驱动时刻的差值。
2.根据权利要求1所述基于事件驱动的水面无人艇网络攻击下的容错控制方法，其特征在于：所述水面无人艇系统矩阵A，B，E表达式如下：
Figure FDA0003758136920000062
3.根据权利要求2所述基于事件驱动的水面无人艇网络攻击下的容错控制方法，其特征在于：所述中间变量矩阵表达式为：
Figure FDA0003758136920000063
Figure FDA0003758136920000064
CN201910899405.6A 2019-09-23 2019-09-23 基于事件驱动的水面无人艇网络攻击下的容错控制方法 Active CN110579965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910899405.6A CN110579965B (zh) 2019-09-23 2019-09-23 基于事件驱动的水面无人艇网络攻击下的容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910899405.6A CN110579965B (zh) 2019-09-23 2019-09-23 基于事件驱动的水面无人艇网络攻击下的容错控制方法

Publications (2)

Publication Number Publication Date
CN110579965A CN110579965A (zh) 2019-12-17
CN110579965B true CN110579965B (zh) 2022-09-13

Family

ID=68813291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910899405.6A Active CN110579965B (zh) 2019-09-23 2019-09-23 基于事件驱动的水面无人艇网络攻击下的容错控制方法

Country Status (1)

Country Link
CN (1) CN110579965B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399384B (zh) * 2020-04-27 2022-09-27 哈尔滨工程大学 一种基于动态量化器的远程遥控无人艇航向容错控制方法
CN111673750B (zh) * 2020-06-12 2022-03-04 南京邮电大学 欺骗攻击下的主从式多机械臂系统的速度同步控制方案
CN112650057B (zh) * 2020-11-13 2022-05-20 西北工业大学深圳研究院 基于抗欺骗攻击安全域的无人机模型预测控制方法
CN113009825B (zh) * 2021-02-08 2022-11-08 云境商务智能研究院南京有限公司 一种受欺骗攻击的非线性网络化系统状态估计方法
CN113050630B (zh) * 2021-03-10 2022-07-15 哈尔滨工程大学 一种网络攻击下无人船的事件驱动航向安全控制方法
CN114035589B (zh) * 2021-12-01 2023-07-25 上海大学 基于抗攻击策略的集群无人艇容错协同控制方法
CN115328089B (zh) * 2022-08-15 2023-07-28 武汉理工大学 一种周期性DoS攻击下的网络化船舶弹性触发控制方法
CN116300621B (zh) * 2023-03-22 2024-08-06 浙江大学 无人水面船舵减摇系统安全控制方法及装置、电子设备

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017095539A1 (en) * 2015-11-30 2017-06-08 Raytheon Company Navigation system for autonomous underwater vehicle based on coherence map
CN108629132A (zh) * 2018-05-10 2018-10-09 南京邮电大学 DoS攻击下的故障检测滤波器和控制器的协同设计方法
CN109343513B (zh) * 2018-11-20 2020-02-07 哈尔滨工业大学 基于事件驱动的水面无人艇同步故障检测与控制方法
CN109814392B (zh) * 2019-02-21 2021-10-26 大连海事大学 一种欠驱动水下机器人执行器故障鲁棒容错控制方法
CN110007606B (zh) * 2019-05-28 2021-12-10 哈尔滨工程大学 一种考虑输入饱和的水面无人艇误差约束控制方法
CN110213115B (zh) * 2019-06-25 2022-04-22 南京财经大学 一种多网络攻击下事件驱动网络控制系统的安全控制方法

Also Published As

Publication number Publication date
CN110579965A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN110579965B (zh) 基于事件驱动的水面无人艇网络攻击下的容错控制方法
CN111830976B (zh) DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
CN108629132A (zh) DoS攻击下的故障检测滤波器和控制器的协同设计方法
CN108375907B (zh) 基于神经网络的高超声速飞行器自适应补偿控制方法
Ye et al. Adaptive event-based tracking control of unmanned marine vehicle systems with DoS attack
Lian et al. Hybrid-triggered interval type-2 fuzzy control for networked systems under attacks
CN109343513B (zh) 基于事件驱动的水面无人艇同步故障检测与控制方法
Cai et al. Quantized sampled-data control tactic for TS fuzzy NCS under stochastic cyber-attacks and its application to truck-trailer system
CN110703742B (zh) 基于事件驱动与输出量化的水面无人艇系统的故障检测方法
Ma et al. Event-triggered fuzzy control of networked nonlinear underactuated unmanned surface vehicle
CN112289020A (zh) 混合网络攻击下基于自适应触发机制的车辆路径跟踪安全控制方法
CN112286051A (zh) 复杂网络攻击下基于自适应事件触发机制的神经网络量化控制方法
CN114415633B (zh) 多网络攻击下基于动态事件触发机制的安全跟踪控制方法
Fu et al. Safety-guaranteed adaptive neural motion control for a hovercraft with multiple constraints
Zhang et al. Nussbaum-type function based robust neural event-triggered control of unmanned surface vehicle subject to cyber and physical attacks
Wu et al. Dual-type-triggers-based cooperative adaptive critic control of swarm UAVs under FDI attacks
Zhang et al. Event-triggered H∞ control for networked spar-type floating production platforms with active tuned heave plate mechanisms and deception attacks
Jiao et al. Sliding mode control for networked control systems under DoS attacks via an event-triggered scheme
Gong et al. Secure and asynchronous filtering for piecewise homogeneous Markov jump systems with quantization and round-Robin communication
Luo et al. Observer-based fixed-time dynamic surface tracking control for autonomous surface vehicles under actuator constraints and denial-of-service attacks
Zhang et al. Hybrid threshold event-triggered control for sail-assisted USV via the nonlinear modified LVS guidance
Liu et al. Event-Based Distributed Secure Control of Unmanned Surface Vehicles With DoS Attacks
Zheng et al. Distributed secure formation control for autonomous surface vessels by performance adjustable event‐triggered mechanism
Long et al. Non-fragile control associated with exponential stability for unmanned surface vessels with the rudder failure and dynamic event-trigger
Liu et al. Adaptive event‐triggered tracking control for nonlinear networked systems with dynamic quantization and deception attacks

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