CN111830976B - DoS攻击下基于切换T-S模糊系统的无人船艇控制方法 - Google Patents

DoS攻击下基于切换T-S模糊系统的无人船艇控制方法 Download PDF

Info

Publication number
CN111830976B
CN111830976B CN202010628647.4A CN202010628647A CN111830976B CN 111830976 B CN111830976 B CN 111830976B CN 202010628647 A CN202010628647 A CN 202010628647A CN 111830976 B CN111830976 B CN 111830976B
Authority
CN
China
Prior art keywords
unmanned ship
fuzzy
representing
model
controller
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
CN202010628647.4A
Other languages
English (en)
Other versions
CN111830976A (zh
Inventor
马勇
李�昊
聂宗强
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202010628647.4A priority Critical patent/CN111830976B/zh
Publication of CN111830976A publication Critical patent/CN111830976A/zh
Priority to PCT/CN2020/129812 priority patent/WO2022000945A1/zh
Priority to US17/296,980 priority patent/US11921505B2/en
Application granted granted Critical
Publication of CN111830976B publication Critical patent/CN111830976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/80—Arrangements for reacting to or preventing system or operator failure
    • G05D1/81—Handing over between on-board automatic and on-board manual control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/1458—Denial of Service
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • B63B2035/006—Unmanned surface vessels, e.g. remotely controlled
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
    • H04L63/1441—Countermeasures against malicious traffic
    • H04L63/145—Countermeasures against malicious traffic the attack involving the propagation of malware through the network, e.g. viruses, trojans or worms

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Ocean & Marine Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种在网络环境中使用事件触发方案(Event‑Triggered Scheme,ETS)和T‑S(Takagi‑Sugeno)模糊H∞控制器的协同设计方法，涉及网络安全、无人船艇运动控制领域，为欠驱动无人船艇(Unmanned Surface Vehicle,USV)系统提供一种均方稳定控制方案。针对非周期DoS攻击下基于切换T‑S模糊系统的无人船艇控制问题，提出了基于事件触发方案的H∞控制器设计方法。分析DoS攻击下无人船艇控制系统的特点，并将航行过程中的外部干扰加入无人船艇运动模型中，建立无人船艇切换系统模型。采用分段李雅普诺夫泛函分析系统稳定性，进而得到控制器增益和事件触发方案权矩阵参数，保证了网络化无人船艇航行系统具备抵御DoS攻击和外界干扰的能力。

Description

DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
技术领域
本发明属于网络安全、无人船艇运动控制技术领域，尤其是涉及无人船艇控制系统存在DoS攻击、通信时延及网络带宽限制的情况下，提出了一种在网络环境中使用事件触发方案和T-S模糊H∞控制器的协同设计方法。
背景技术
为实现无人船艇自主航行，通常在网络环境下，由岸基的控制中心来实现对无人船艇的有效控制。无人船艇与控制中心间的航行信息和控制信号的数据互传，都是通过网络来实现的。由此，无人船艇、岸基控制中心和通信网络共同构成了网络化控制系统(Networked Control Systems,NCSs)。
网络化控制系统广泛应用于智能化工业生产和交通运输等领域，如机器人、无人车以及无人船艇等应用。网络化控制系统的出现为实际生产和生活提供了极大的便利，但同时由于网络化控制系统是以一种独特的方式连接网络空间和被控对象，会出现一些不可避免的挑战。网络安全问题，特别是网络攻击问题的研究受到了许多学者的广泛关注。因此，在无人船艇控制系统中，将网络攻击对系统性能的影响考虑到控制器的设计中具有重要意义。
网络安全问题是网络化控制系统的一大研究热点，网络控制系统往往采用分布式控制方式，采集的动态信息以及各类控制信号通过网络通信通道进行传输，随着网络的开放性越来越高以及网络规模的不断扩大，势必会增加网络攻击的可能性，如欺骗攻击和拒绝服务(Denial of Service,DoS)攻击等，拒绝服务攻击会占用通信通道，消耗网络带宽，导致正常的通信被阻断。信号传输被阻断就可能导致整个控制系统不稳定，从而给控制理论的研究带来新的问题。针对网络环境下的无人船艇控制系统，黑客可能选择在信号传输的任何通讯环节对无人船艇或者岸基控制中心进行多种形式的攻击。因此，基于DoS攻击下的事件触发方案和T-S模糊H∞控制器的协同设计是无人船艇运动控制亟待解决的问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种DoS攻击下基于切换T-S模糊系统的无人船艇控制方法，通过此方法可保证控制系统均方稳定，由此解决DoS攻击下无人船艇的运动控制问题。
为实现上述目的，按照本发明的一个方面，提供了一种DoS攻击下基于切换T-S模糊系统的无人船艇控制方法，包括：
S1：建立欠驱动无人船艇的运动数学模型；
S2：利用T-S模糊方法将所述欠驱动无人船艇的运动数学模型线性化；
S3：将航行过程中的外部干扰加入线性化后的无人船艇运动模型中建立DoS攻击下切换系统分析模型；
S4：基于所述DoS攻击下切换系统分析模型，设计了离散系统下的事件触发机制和T-S模糊H∞控制器；
S5：采用分段李雅普诺夫泛函分析系统稳定性，进而得到控制器增益和事件触发机制权矩阵参数。
优选地，步骤S1包括：
S1.1：考虑船体固定和地球固定的参考系，坐标的原点选择在无人船艇的中心位置，由无人船艇在横荡，纵荡和艏摇三个自由度的动力学方程和运动学方程得到无人船艇动态模型；
S1.2：基于所述无人船艇动态模型进行坐标变换并应用于控制系统模型，得到适用于均方稳定性分析的改进数学模型；
S1.3：将所述适用于均方稳定性分析的改进数学模型转换成状态空间方程模型。
优选地，所述适用于均方稳定性分析的改进数学模型为：
Figure BDA0002565691490000031
其中，m11,m22,m33表示船体惯性参数，u,v分别表示无人船艇三自由度的纵荡和横荡的线速度，r表示无人船艇三自由度的艏摇的角速度，d11,d22,d33表示水动力阻尼系数，τ1，τ3分别表示纵向推进力和转向力矩，s1,s2,s3表示转换后的坐标。
优选地，所述状态空间方程模型为：
Figure BDA0002565691490000032
其中，x(t)＝[x1 x2x3 x4 x5 x6]T＝[u v r s1 s2 s3]T，u(t)＝[u1 u2]T＝[τ1 τ3]T，
Figure BDA0002565691490000033
优选地，步骤S2包括：
在参数矩阵A0中存在非线性项x2和x3，根据非线性项的变化范围，利用T-S模糊方法确定系统模糊集合：Mi(x2(k)),Ni(x3(k))，并结合连续系统转化成离散系统方法，将相应的模糊系统描述为：
ri:如果x2(k)is Mi(x2(k))and x3(k)is Ni(x3(k)),那么
Figure BDA0002565691490000041
i为模糊规则数，ri表示第i条模糊规则，dM∈Ν表示时延上界；
确定无人船艇模糊系统的整体模型为：x(k+1)＝Ax(k)+Bu(k)，其中,
Figure BDA0002565691490000042
hi(x(k))表示由模糊集合确定的隶属函数，Mi(x2(k))与Ni(x3(k))表示系统模糊集合，Ai和Bi表示无人船艇的系统参数矩阵，φ(k)表示横摇角度，Ν表示自然数，r表示无人船艇三自由度的艏摇的角速度。
优选地，步骤S3包括：
S3.1：基于网络化无人船艇T-S模糊控制系统，考虑航行环境中的外部干扰，重新确定无人船艇模糊系统；
S3.2：在非周期性DoS攻击下，控制器输入在DoS攻击活跃的时间段不能传输到执行器单元，则此时没有控制输入信号传输，进而确定网络化无人船艇系统T-S模糊控制器；
S3.3：结合重新确定的无人船艇模糊系统及网络化无人船艇系统T-S模糊控制器，得到无人船艇T-S模糊控制系统在遭受DoS攻击时的切换系统分析模型：
Figure BDA0002565691490000043
其中，ω(k)＝[ω1(k) ω2(k)ω3(k)]T表示航行过程中的外部干扰，z(k)表示状态测量向量，Ci,Di,Ei是维数适当的实数矩阵，分别表示对应的线性子系统的测量状态矩阵，测量输入矩阵，环境干扰矩阵，hj(θ(k))表示模糊控制器的隶属函数，Kj表示模糊系统的控制器增益，e(k)表示当前采样信号与上一次触发信号的差值，d(k)表示建立事件触发方案后，与通信时延有关的变量，
Figure BDA0002565691490000051
kt与kt+1表示当前触发时刻和下一触发时刻，
Figure BDA0002565691490000052
与
Figure BDA0002565691490000053
表示当前触发时刻的时延和下一触发时刻的时延，
Figure BDA0002565691490000054
与
Figure BDA0002565691490000055
表示参数集合，φ(k)表示横摇角度，dM表示时延上界。
优选地，
由
Figure BDA0002565691490000056
得到最终的系统分析模型，其中，
Figure BDA0002565691490000057
表示无人船初始状态，描述的事件触发方案由eT(k)We(k)≤σxT(k-d(k))Wx(k-d(k))决定，
Figure BDA0002565691490000058
kt与kt+1表示当前触发时刻和下一触发时刻，
Figure BDA0002565691490000059
与
Figure BDA00025656914900000510
表示当前触发时刻的时延和下一触发时刻的时延，e(k)表示当前采样信号与上一次触发信号的差值，x(k-d(k))表示上个触发时刻的状态，σ为触发参数，W为触发参数，d(k)表示系统通信时延。
按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明提供的基于网络环境下的事件触发方案和T-S模糊H∞控制协同设计方法，能使网络化无人船艇控制系统在抵御DoS攻击的同时，有效地解决无人船艇运动控制问题。采用基于切换模型的分析方法，建立合理的分段李雅普诺夫泛函，根据线性矩阵不等式，能获得控制系统均方稳定结果。针对系统欠驱动和非线性的特点，采用T-S模糊H∞控制器，可以在简化系统控制规律设计过程的同时，得到更好的控制效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种事件触发方案和T-S模糊控制协同设计方法流程图；
图2是本发明实施例提供的一种无人船艇3自由度运动变量描述图；
图3是本发明实施例提供的一种无人船艇控制系统的结构组成示意图；
图4是本发明实施例提供的一种非周期DoS攻击下系统速度状态响应曲线；
图5是本发明实施例提供的一种非周期DoS攻击下系统位置状态响应曲线；
图6是本发明实施例提供的一种DoS攻击下σ＝0.2时事件触发采样间隔。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的目的是针对无人船艇系统提供一种事件触发方案和T-S模糊控制协同设计方法，在保证系统控制性能的前提下，解决通信时延以及网络资源受限问题。下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示是本发明实施例提供的一种事件触发方案和T-S模糊控制协同设计方法流程图，考虑DoS攻击、通信时延及网络资源受限情况下，协同设计事件触发方案和T-S模糊H∞控制器，应用于无人船艇控制系统，是一种被控系统均方稳定分析方法，包括以下步骤：
S1：建立欠驱动无人船艇的运动数学模型；
如图2所示，考虑船体固定和地球固定的参考系，其中，xb和yb分别表示船体固定参考系的纵轴和横轴，x和y表示地球固定参考系的横轴和纵轴。坐标的原点选择在无人船艇的中心位置。建模中暂时忽略了干扰力的影响。无人船艇在横荡，纵荡和艏摇三个自由度的动力学方程和运动学方程可表示为：
Figure BDA0002565691490000071
其中，M＝diag(m11,m22,m33)表示无人船艇惯性参数，m11,m22,m33表示船体惯性参数，
Figure BDA0002565691490000072
表示无人船艇速度向量，u,v分别表示无人船艇三自由度的纵荡和横荡的线速度，r表示无人船艇三自由度的艏摇的角速度，D＝diag(d11,d22,d33)表示水动力阻力参数，d11,d22,d33表示水动力阻尼系数，τ＝[τ1 0 τ3]T表示控制输入向量，τ1，τ3分别表示纵向推进力和转向力矩，η＝[x y ψ]T表示无人船艇位置向量，x,y分别表示无人船三自由度的纵荡和横荡的位置，ψ表示无人船三自由度的艏摇角度。
Figure BDA0002565691490000073
表示科里奥利和向心力矩阵，J(ψ)为传递矩阵，具体为：
Figure BDA0002565691490000074
Figure BDA0002565691490000081
结合动力学方程和运动学方程无人船艇动态模型可表示为：
Figure BDA0002565691490000082
基于上式(2)进行坐标变换并应用于控制系统模型，得到适用于均方稳定性分析的改进数学模型：
Figure BDA0002565691490000083
其中，s1,s2,s3表示转换后的坐标。
进一步地，将式(3)转换成状态空间方程模型可得：
Figure BDA0002565691490000084
其中，x(k)＝[x1 x2 x3 x4 x5 x6]T＝[u v r s1 s2 s3]T，u(k)＝[u1 u2]T＝[τ1 τ3]T。
Figure BDA0002565691490000091
S2：利用T-S模糊方法将步骤S1建立的欠驱动无人船艇的运动数学模型线性化；
参数矩阵A0中存在非线性项x2和x3，根据非线性项的变化范围，可以利用T-S模糊方法确定系统模糊集合：Mi(x2(k)),Ni(x3(k))。结合连续系统转化成离散系统方法，相应的模糊系统可描述为：
ri:如果x2(k)属于集合Mi(x2(k))以及x3(k)属于集合Ni(x3(k)),那么
Figure BDA0002565691490000092
i为模糊规则数，dM∈Ν表示时延上界，无人船艇模糊系统的整体模型为：x(k+1)＝Ax(k)+Bu(k)，其中,
Figure BDA0002565691490000093
hi(x(k))表示由模糊集合确定的隶属函数。
Mi(x2(k))与Ni(x3(k))表示系统模糊集合，Ai和Bi表示无人船艇的系统参数矩阵，φ(k)表示横摇角度，Ν表示自然数，r表示无人船艇三自由度的艏摇的角速度。
S3：建立DoS攻击下切换系统分析模型；
基于网络化无人船艇T-S模糊控制系统，考虑航行环境中风浪流等外部干扰，重新建模，可得：
Figure BDA0002565691490000101
其中，ω(k)＝[ω1(k) ω2(k) ω3(k)]T表示航行过程中风浪流等外部干扰，z(k)表示状态测量向量。Ci,Di,Ei是维数适当的实数矩阵，分别表示对应的线性子系统的测量状态矩阵，测量输入矩阵，环境干扰矩阵，hj(θ(k))表示模糊控制器的隶属函数，Kj表示模糊系统的控制器增益，e(k)表示当前采样信号与上一次触发信号的差值，d(k)表示建立事件触发方案后，与通信时延有关的变量，
Figure BDA0002565691490000102
在非周期性DoS攻击下，控制器输入在DoS攻击活跃的时间段不能传输到执行器单元，则此时没有控制输入信号传输，网络化无人船艇系统T-S模糊控制器可表征为：
Figure BDA0002565691490000103
其中，
Figure BDA0002565691490000104
与
Figure BDA0002565691490000105
表示参数集合。
结合上式，无人船艇T-S模糊控制系统在遭受DoS攻击时的切换系统分析模型可表征为：
Figure BDA0002565691490000106
S4：事件触发方案和T-S模糊H∞控制器设计；
在网络环境中，上述无人船艇T-S模糊系统的状态数据通过网络传输。如图3所示，无人船艇控制系统由被控对象、传感器、事件产生器、控制中心、执行器等组成，其中，τsc,τca表示系统中数据传输时延。
如果系统的性能趋于稳定或在可控范围内，则可以减少信号的传输来保证系统的稳定性。在考虑通信时延的无人船艇控制系统中，为了减少数据传输并节省网络带宽资源，本发明设计了离散系统下的事件触发机制，在图3中由事件产生器执行，它确定当前的采样状态是否应该传输到控制器。假设在时刻k0开始产生数据信号，通过将触发时刻kt处的最新传输状态x(kt)与当前采样状态x(k)进行比较，来判断是否更新系统的采样状态。因此，下一个触发时间由下式确定：
Figure BDA0002565691490000111
W表示触发参数矩阵，σ表示触发参数。
由于时延τ的存在，系统状态传送到控制器的时刻分别为，
Figure BDA0002565691490000112
Figure BDA0002565691490000113
在设计T-S模糊控制器时需要充分考虑时延的存在，即第j条控制器规则ji可表示为：
ji:如果θ1(k)属于集合
Figure BDA0002565691490000114
并且θ2(k)属于集合
Figure BDA0002565691490000115
并且…并且θp(k)属于集合
Figure BDA0002565691490000116
那么
Figure BDA0002565691490000117
j为控制器模糊规则数，其中，θg(k)(g＝1,2,…,p)表示模糊控制器的前件变量，hj(θ(k))表示模糊控制器的隶属函数，其根据控制系统非线性状态量范围分别取模糊集合确定，Kj表示模糊系统的控制器增益，
Figure BDA0002565691490000118
表示模糊集合。
上式控制器方程联合步骤S2中的无人船艇模糊系统模型，可以得到以下基于离散系统的闭环控制方程：
Figure BDA0002565691490000121
其中，x(kth)表示无人船的控制器的状态信息。
为了分析方便，定义
Figure BDA0002565691490000122
Figure BDA0002565691490000123
表示对应时刻kt的时延，且
Figure BDA0002565691490000124
其中
Figure BDA0002565691490000125
Figure BDA0002565691490000126
d(k)＝k-kt-n，
Figure BDA0002565691490000127
d(k)为考虑事件触发方案之后系统的通信时延，即可以得到如下关系：
Figure BDA0002565691490000128
Figure BDA0002565691490000129
表示时延上界。
为了分析事件触发方案与系统稳定性之间的联系，定义e(k)＝x(kt)-x(kt+h)，可以得到最终的系统分析模型为：
Figure BDA00025656914900001210
其中，
Figure BDA00025656914900001211
表示无人船初始状态，事件触发条件也可以通过公式eT(k)We(k)≤σxT(k-d(k))Wx(k-d(k))来决定。本发明通过引入离散时间系统的事件触发机制，能够减少控制中心采样信号的更新频率，从而有效的节省宽带资源，减少网络的传输压力。设计的T-S模糊控制器可以在系统为欠驱动的情况下保证其稳定性。
S5：计算事件触发矩阵W和控制器增益矩阵K。
在本发明实施例中，给定正整数dM,δl，触发参数σ∈[0,1),λ1＞0,λ2＞0,μ1＞1,μ2＞1，扰动抑制参数γ，非周期DoS固定参数
Figure BDA00025656914900001212
Figure BDA00025656914900001213
如果存在对称矩阵
Figure BDA00025656914900001214
Xl＞0，
Figure BDA00025656914900001215
和Rl＞0(l＝1,2)以及适当维数的自由权矩阵
Figure BDA00025656914900001216
和
Figure BDA00025656914900001217
Figure BDA00025656914900001218
表示模糊规则数，满足下列线性矩阵不等式：
Figure BDA0002565691490000131
Figure BDA0002565691490000132
Figure BDA0002565691490000133
Figure BDA0002565691490000134
Figure BDA0002565691490000135
Figure BDA0002565691490000136
其中
Figure BDA0002565691490000137
Figure BDA0002565691490000138
Figure BDA0002565691490000139
Figure BDA00025656914900001310
Figure BDA00025656914900001311
Figure BDA00025656914900001312
Figure BDA00025656914900001313
Figure BDA00025656914900001314
Figure BDA0002565691490000141
Figure BDA0002565691490000142
Figure BDA0002565691490000143
Figure BDA0002565691490000144
Figure BDA0002565691490000145
Figure BDA0002565691490000146
Figure BDA0002565691490000147
Figure BDA0002565691490000148
Figure BDA0002565691490000149
Figure BDA00025656914900001410
Figure BDA00025656914900001411
根据上述线性矩阵不等式可以计算出事件触发矩阵W，H∞控制器增益矩阵Kj＝YjX-1。
为验证事件触发方案和T-S模糊H∞控制器的有效性，设置触发参数为σ＝0.2,γ＝1.33。网络化无人船艇控制系统的速度和位置响应曲线分别在图4和图5中给出，图中灰色柱状线条表示DoS攻击发生时刻以及持续时间，在此时间段，网络通信通道无法进行数据传输。结果表明，在这种情况下，无人船艇控制系统是渐近稳定的，其状态收敛到期望的平衡点，且在有外部干扰的情况下具有良好的扰动抑制性能。此外，当σ＝0.2时，图6给出DoS攻击下事件产生器触发时刻和临近两次触发时刻的间隔，其中间隔时刻网络通信通道没有数据传输，可减轻网络通信压力，降低网络带宽需求。设计的事件触发方案能通过触发条件限制非必要的数据传输，有效地解决网络通信问题。
由以上仿真实验分析可知，本发明协同设计的事件触发方案和T-S模糊H∞控制器可以抵御DoS攻击和外部环境干扰，在保证无人船艇航行稳定的前提下，通过减少数据传输次数，有效地节约网络通信资源。
本发明提供的基于网络环境下的事件触发方案和T-S模糊H∞控制协同设计方法，能使网络化无人船艇控制系统在抵御DoS攻击的同时，有效地解决无人船艇运动控制问题。采用基于切换模型的分析方法，建立合理的分段李雅普诺夫泛函，根据线性矩阵不等式，能获得控制系统均方稳定结果。针对系统欠驱动和非线性的特点，采用T-S模糊H∞控制器，可以在简化系统控制律设计过程的同时，得到更好的控制效果。
本申请还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现方法实施例中的DoS攻击下基于切换T-S模糊系统的无人船艇控制方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种DoS攻击下基于切换T-S模糊系统的无人船艇控制方法，其特征在于，包括：
S1：建立欠驱动无人船艇的运动数学模型；
S2：利用T-S模糊方法将所述欠驱动无人船艇的运动数学模型线性化；
S3：将航行过程中的外部干扰加入线性化后的无人船艇运动模型中建立DoS攻击下切换系统分析模型；
其中，步骤S3包括：
S3.1：基于网络化无人船艇T-S模糊控制系统，考虑航行环境中的外部干扰，重新确定无人船艇模糊系统；
S3.2：在非周期性DoS攻击下，控制器输入在DoS攻击活跃的时间段不能传输到执行器单元，则此时没有控制输入信号传输，进而确定网络化无人船艇系统T-S模糊控制器；
S3.3：结合重新确定的无人船艇模糊系统及网络化无人船艇系统T-S模糊控制器，得到无人船艇T-S模糊控制系统在遭受DoS攻击时的切换系统分析模型：
Figure FDA0002882698450000011
其中，ω(k)＝[ω1(k) ω2(k)ω3(k)]T表示航行过程中的外部干扰，z(k)表示状态测量向量，Ci,Di,Ei是维数适当的实数矩阵，分别表示对应的线性子系统的测量状态矩阵，测量输入矩阵，环境干扰矩阵，hi(x(k))表示由模糊集合确定的隶属函数，hj(θ(k))表示模糊控制器的隶属函数，Ai和Bi表示无人船艇的系统参数矩阵，Kj表示模糊系统的控制器增益，e(k)表示当前采样信号与上一次触发信号的差值，x(k)＝[u v r s1 s2 s3]T，u(k)＝[τ1 τ3]T，u,v分别表示无人船艇三自由度的纵荡和横荡的线速度，r表示无人船艇三自由度的艏摇的角速度，τ1，τ3分别表示纵向推进力和转向力矩，s1,s2,s3表示转换后的坐标，d(k)表示建立事件触发方案后，与通信时延有关的变量，
Figure FDA0002882698450000021
kt与kt+1表示当前触发时刻和下一触发时刻，
Figure FDA0002882698450000022
与
Figure FDA0002882698450000023
表示当前触发时刻的时延和下一触发时刻的时延，
Figure FDA0002882698450000024
与
Figure FDA0002882698450000025
表示参数集合，φ(k)表示横摇角度，dM表示时延上界；
S4：基于所述DoS攻击下切换系统分析模型，设计了离散系统下的事件触发机制和T-S模糊H∞控制器；
S5：采用分段李雅普诺夫泛函分析系统稳定性，进而得到控制器增益和事件触发机制权矩阵参数。
2.根据权利要求1所述的方法，其特征在于，步骤S1包括：
S1.1：考虑船体固定和地球固定的参考系，坐标的原点选择在无人船艇的中心位置，由无人船艇在横荡，纵荡和艏摇三个自由度的动力学方程和运动学方程得到无人船艇动态模型；
S1.2：基于所述无人船艇动态模型进行坐标变换并应用于控制系统模型，得到适用于均方稳定性分析的改进数学模型；
S1.3：将所述适用于均方稳定性分析的改进数学模型转换成状态空间方程模型。
3.根据权利要求2所述的方法，其特征在于，所述适用于均方稳定性分析的改进数学模型为：
Figure FDA0002882698450000031
其中，m11,m22,m33表示船体惯性参数，u,v分别表示无人船艇三自由度的纵荡和横荡的线速度，r表示无人船艇三自由度的艏摇的角速度，d11,d22,d33表示水动力阻尼系数，τ1，τ3分别表示纵向推进力和转向力矩，s1,s2,s3表示转换后的坐标。
4.根据权利要求3所述的方法，其特征在于，所述状态空间方程模型为：
Figure FDA0002882698450000032
其中，x(k)＝[x1 x2 x3 x4 x5 x6]T＝[u v r s1 s2 s3]T，u(k)＝[u1 u2]T＝[τ1 τ3]T，
Figure FDA0002882698450000033
5.根据权利要求4所述的方法，其特征在于，步骤S2包括：
在参数矩阵A0中存在非线性项x2和x3，根据非线性项的变化范围，利用T-S模糊方法确定系统模糊集合：Mi(x2(k)),Ni(x3(k))，并结合连续系统转化成离散系统方法，将相应的模糊系统描述为：
ri:如果x2(k)属于集合Mi(x2(k))并且x3(k)属于集合Ni(x3(k)),那么
Figure FDA0002882698450000041
i为模糊规则数，ri表示第i条模糊规则，dM∈N表示时延上界；
确定无人船艇模糊系统的整体模型为：x(k+1)＝Ax(k)+Bu(k)，其中,
Figure FDA0002882698450000042
hi(x(k))表示由模糊集合确定的隶属函数，Mi(x2(k))与Ni(x3(k))表示系统模糊集合，Ai和Bi表示无人船艇的系统参数矩阵，φ(k)表示横摇角度，N表示自然数，r表示无人船艇三自由度的艏摇的角速度。
6.根据权利要求1所述的方法，其特征在于，
由
Figure FDA0002882698450000043
得到最终的系统分析模型，其中，
Figure FDA0002882698450000044
表示无人船初始状态，描述的事件触发方案由eT(k)We(k)≤σxT(k-d(k))Wx(k-d(k))决定，
Figure FDA0002882698450000045
kt与kt+1表示当前触发时刻和下一触发时刻，
Figure FDA0002882698450000046
与
Figure FDA0002882698450000047
表示当前触发时刻的时延和下一触发时刻的时延，e(k)表示当前采样信号与上一次触发信号的差值，x(k-d(k))表示上个触发时刻的状态，σ为触发参数，W为触发参数，d(k)表示系统通信时延。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
CN202010628647.4A 2020-07-01 2020-07-01 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法 Active CN111830976B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010628647.4A CN111830976B (zh) 2020-07-01 2020-07-01 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
PCT/CN2020/129812 WO2022000945A1 (zh) 2020-07-01 2020-11-18 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
US17/296,980 US11921505B2 (en) 2020-07-01 2020-11-18 Unmanned surface vehicle control method based on switching T-S fuzzy system under DoS attack

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010628647.4A CN111830976B (zh) 2020-07-01 2020-07-01 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法

Publications (2)

Publication Number Publication Date
CN111830976A CN111830976A (zh) 2020-10-27
CN111830976B true CN111830976B (zh) 2021-03-23

Family

ID=72900163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010628647.4A Active CN111830976B (zh) 2020-07-01 2020-07-01 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法

Country Status (3)

Country Link
US (1) US11921505B2 (zh)
CN (1) CN111830976B (zh)
WO (1) WO2022000945A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111830976B (zh) 2020-07-01 2021-03-23 武汉理工大学 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
CN112865752B (zh) * 2020-12-24 2024-06-14 南京财经大学 一种混合网络攻击下基于自适应事件触发机制的滤波器设计方法
CN113031644B (zh) * 2021-02-06 2022-04-01 中南大学 一种面向通信时滞的飞行器编队控制系统事件触发方法、装置及介质
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
CN112947090B (zh) * 2021-03-23 2023-05-26 河南理工大学 一种dos攻击下轮式机器人数据驱动迭代学习控制方法
CN113043280B (zh) * 2021-04-21 2022-08-23 南京邮电大学 一种处理dos攻击下的遥操作系统的控制方法
CN114415633B (zh) * 2022-01-10 2024-02-02 云境商务智能研究院南京有限公司 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
CN114866284B (zh) * 2022-04-01 2023-04-25 上海大学 无人艇集群分布式安全控制方法
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
CN115097737B (zh) * 2022-08-24 2022-11-08 北京航空航天大学 一种可重入制造系统的多层级调控方法
CN115328142B (zh) * 2022-08-26 2023-09-15 电子科技大学 一种重放攻击下网络化无人船舶的故障检测方法
CN115617039B (zh) * 2022-09-15 2023-06-13 哈尔滨工程大学 一种基于事件触发的分布式仿射无人艇编队控制器构建方法和无人艇编队控制方法
CN115963841A (zh) * 2023-01-16 2023-04-14 大连海事大学 基于改进lvs制导的无人帆船动态事件触发控制方法
CN116300621A (zh) * 2023-03-22 2023-06-23 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
CN116382097B (zh) * 2023-05-26 2023-08-15 北京科技大学 离散信息物理系统的有限时间类切换滑模容错控制方法
CN116628862B (zh) * 2023-07-19 2024-04-02 浙江大学海南研究院 一种质量切换无人船的动力定位事件触发鲁棒h∞滤波方法
CN117193003B (zh) * 2023-09-25 2024-06-04 广东工业大学 一种基于事件触发与预测补偿的无人艇控制方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004072768A2 (en) * 2003-02-11 2004-08-26 Tmx Silicon Ltd. Distributed dynamically optimizable processing communications and storage system
WO2009070668A1 (en) * 2007-11-27 2009-06-04 Manageiq, Inc. Registering and accessing virtual systems for use in a managed system
CN101727559A (zh) * 2009-11-30 2010-06-09 陕西师范大学 基于主动模糊规则的主动访问控制方法
CN105515866A (zh) * 2015-12-11 2016-04-20 中国航空工业集团公司西安航空计算技术研究所 一种基于fc-ae-asm协议通信的事件及时间监控方法
CN107069815A (zh) * 2017-04-21 2017-08-18 厦门理工学院 一种风力发电并网运行的模糊控制方法
CN107390529A (zh) * 2017-08-22 2017-11-24 广州大学 一种基于带宽节省的模糊自适应执行器失效补偿控制方法
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
CN109062041A (zh) * 2018-07-31 2018-12-21 湖州师范学院 基于事件触发的t-s模糊网络系统的控制方法
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
CN109491249A (zh) * 2018-11-30 2019-03-19 沈阳航空航天大学 一种存在DoS攻击时多智能体系统事件触发控制器的设计方法
CN110673611A (zh) * 2019-10-21 2020-01-10 武汉理工大学 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7617170B2 (en) * 2006-10-09 2009-11-10 Radware, Ltd. Generated anomaly pattern for HTTP flood protection
US10033758B2 (en) * 2015-03-06 2018-07-24 Radware, Ltd. System and method for operating protection services
US11108793B2 (en) * 2016-04-29 2021-08-31 Vmware, Inc. Preemptive alerts in a connected environment
CN110962839B (zh) * 2019-12-18 2020-11-10 厦门大学 无人驾驶电动汽车轨迹跟踪和横向稳定性综合控制方法
CN111830976B (zh) * 2020-07-01 2021-03-23 武汉理工大学 DoS攻击下基于切换T-S模糊系统的无人船艇控制方法
US20220377094A1 (en) * 2021-04-08 2022-11-24 University Of Maryland, Baltimore County Systems and methods of graph-based vehicular intrusion detection

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004072768A2 (en) * 2003-02-11 2004-08-26 Tmx Silicon Ltd. Distributed dynamically optimizable processing communications and storage system
WO2009070668A1 (en) * 2007-11-27 2009-06-04 Manageiq, Inc. Registering and accessing virtual systems for use in a managed system
CN101727559A (zh) * 2009-11-30 2010-06-09 陕西师范大学 基于主动模糊规则的主动访问控制方法
CN105515866A (zh) * 2015-12-11 2016-04-20 中国航空工业集团公司西安航空计算技术研究所 一种基于fc-ae-asm协议通信的事件及时间监控方法
CN107069815A (zh) * 2017-04-21 2017-08-18 厦门理工学院 一种风力发电并网运行的模糊控制方法
CN107390529A (zh) * 2017-08-22 2017-11-24 广州大学 一种基于带宽节省的模糊自适应执行器失效补偿控制方法
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
CN109062041A (zh) * 2018-07-31 2018-12-21 湖州师范学院 基于事件触发的t-s模糊网络系统的控制方法
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
CN109491249A (zh) * 2018-11-30 2019-03-19 沈阳航空航天大学 一种存在DoS攻击时多智能体系统事件触发控制器的设计方法
CN110673611A (zh) * 2019-10-21 2020-01-10 武汉理工大学 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Event-based output tracking control for networked T-S fuzzy systems under non-periodic DoS jamming attacks;Xiaoli Chen,等;《2018 Australian & New Zealand Control Conference》;20181231;第69-74页 *
事件触发网络化控制系统在攻击下的稳定性分析;申玉斌，等;《电子测量与仪器学报》;20200331(第3期);第51-57页 *

Also Published As

Publication number Publication date
US20220317687A1 (en) 2022-10-06
US11921505B2 (en) 2024-03-05
WO2022000945A1 (zh) 2022-01-06
CN111830976A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
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
CN110673611B (zh) 一种基于事件触发方案和t-s模糊系统的欠驱动无人艇控制方法
Ye et al. Event-triggering and quantized sliding mode control of UMV systems under DoS attack
Ye et al. Adaptive event-based tracking control of unmanned marine vehicle systems with DoS attack
Zhang et al. Robust model predictive control for path-following of underactuated surface vessels with roll constraints
CN109917657B (zh) 动力定位船舶的抗干扰控制方法、装置与电子设备
Zhang et al. Intelligent event-based output feedback control with Q-learning for unmanned marine vehicle systems
CN110865539A (zh) 一种随机干扰下的无人艇跟踪误差约束控制方法
Feng et al. Predictive compensator based event-triggered model predictive control with nonlinear disturbance observer for unmanned surface vehicle under cyber-attacks
CN110879535B (zh) 一种t-s模糊umv的滑模容错控制方法
Cheng et al. Network-based adaptive multievent-triggered fuzzy dynamic positioning controller design for unmanned surface vehicles against denial-of-service attacks
Gao et al. Online optimal control for dynamic positioning of vessels via time-based adaptive dynamic programming
An et al. Adaptive backstepping sliding mode tracking control for autonomous underwater vehicles with input quantization
Tang et al. Model predictive control of hypersonic vehicles accommodating constraints
Ye et al. Adaptive dynamic surface control of switched MIMO nonlinear systems with input saturation and its application to NSVs
Zhang et al. Observer-based asynchronous self-triggered control for a dynamic positioning ship with the hysteresis input
Zhang et al. Nussbaum-type function based robust neural event-triggered control of unmanned surface vehicle subject to cyber and physical attacks
Wang et al. Prescribed performance control for dynamic positioning vessels with a dynamic event-triggered mechanism
Zhang et al. Hybrid threshold event-triggered control for sail-assisted USV via the nonlinear modified LVS guidance
Song et al. Event-triggered fuzzy finite-time reliable control for dynamic positioning of nonlinear unmanned marine vehicles
CN113093735A (zh) 随机扰动下输出受限欠驱动无人艇的横截函数控制方法、系统及介质
Zhang et al. Robust adaptive control for dynamic positioning vehicles in presence of adjustable threshold rule and input constraints
CN117519183A (zh) 一种切换无人船动态记忆事件触发模糊动力定位控制方法
Xie et al. Robust smooth control for global uniform asymptotic stabilization of underactuated surface vessels with unknown model parameters
Luo et al. Observer-based fixed-time dynamic surface tracking control for autonomous surface vehicles under actuator constraints and denial-of-service 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