CN113411312B - 非线性复杂网络系统基于随机通信协议的状态估计方法 - Google Patents
非线性复杂网络系统基于随机通信协议的状态估计方法 Download PDFInfo
- Publication number
- CN113411312B CN113411312B CN202110565226.6A CN202110565226A CN113411312B CN 113411312 B CN113411312 B CN 113411312B CN 202110565226 A CN202110565226 A CN 202110565226A CN 113411312 B CN113411312 B CN 113411312B
- Authority
- CN
- China
- Prior art keywords
- matrix
- node
- value
- state
- complex network
- 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
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了非线性复杂网络系统基于随机通信协议的状态估计方法,首先,考虑到各个节点的状态饱和现象,建立了复杂网络系统的差分方程。为节约网络资源,减轻网络通信的负担,采用基于随机通信协议的调度方法,每个节点在传输信号时仅有一个测量分量通过网络传输,同时,考虑了数据传输中遇到对抗攻击的情况。然后,利用Lyapunov稳定性理论,得到满足估计误差增广系统均方稳定以及H∞性能指标的充分条件。最后,通过线性矩阵不等式方法求解状态估计器的增益,为非线性复杂网络系统提供了一种基于随机通信协议的安全状态估计方法。
Description
技术领域
本发明属于自动化技术领域,涉及复杂网络系统在网络攻击下的安全状态估计,具体涉及非线性复杂网络系统基于随机通信协议的状态估计方法。
背景技术
随着现代工业和网络技术的快速发展,工业网络技术将计算机网络和通信技术应用于工业生产中,极大地提高了工业控制系统的性能和效率。由于实际工业生产中系统设备不可避免的如功率、容量和幅值等物理约束的限制,导致状态饱和非线性因素不可忽略。如果在复杂网络系统的分析和设计中没有考虑到状态饱和因素,会导致系统性能降低,甚至引起系统不稳定。
此外,由于复杂网络系统中数据量的急速增长以及网络带宽的限制,数据冲突现象频繁发生,极易导致网络拥塞和传输性能降低,因而如何进行有效地传输数据也是一个新兴的热点问题。复杂网络系统中结构复杂,数据量众多,需要通过一定的通信传输协议对所需传输的数据进行适当的调度,降低每个时刻的数据量。
由于复杂网络系统数据交互层无线通道的开放性,复杂网络系统容易遭受网络攻击,使得信息被篡改或被窃取,降低系统性能,导致严重的安全威胁,甚至引起系统崩溃。虽然,现代复杂网络系统中通常都包含了监测装置,但其应用往往存在局限性,只能定时定点地对系统状态进行监测,难以准确地反映系统全部状态变量的实时状态,尤其在遭遇网络攻击情况时无法进行及时有效的预警和避免。因此,有必要对遭受网络攻击的复杂网络系统进行状态估计,确保对存在网络攻击的复杂网络系统进行安全有效的状态估计。因此,发明一种网络攻击下非线性复杂网络系统基于通信协议的安全状态估计方法是十分有必要的。
发明内容
针对现有技术的不足,本发明提出了非线性复杂网络系统基于随机通信协议的状态估计方法,考虑各个节点的状态饱和现象,建立状态饱和模型的差分方程,采用基于随机通信协议的调度方法,节约网络资源,减轻网络通信通道的负担。同时,还考虑数据传输中遇到网络攻击的情况,为非线性复杂网络系统提供一种可行的安全状态估计方法。
非线性复杂网络系统基于随机通信协议的状态估计方法,具体包括以下步骤:
步骤1、建立非线性复杂网络系统的状态空间模型;
获取系统数据,使用机理建模与分析方法,建立非线性复杂网络系统的状态空间模型:
其中,xi(k)=[xi1 T(k),xi2 T(k),xi3 T(k)]T∈R3,表示k时刻系统的状态向量,正整数N表示构成非线性复杂网络的节点数,符号表示n0维列向量,上标T表示矩阵的转置;xi1(k)、xi2(k)、xi3(k)分别表示节点i的压力值、温度值和速度值;yi(k)=[yi1 T(k) yi2 T(k)]T∈R2表示k时刻节点i的复杂网络测量输出值;yi1(k),yi2(k)分别表示节点i的压力值和温度值;zi(k)∈R1,表示k时刻节点i待估计的输出信号;Ai∈R3×3、Ci∈R2×3、Di∈R2×1,Ei∈R2×3和Fi∈R1×3为已知的常数矩阵,Rm×n表示m×n维矩阵;
W=[wij]N×N是网络耦合配置矩阵,W=[wij]N×N表示N×N维矩阵W的第i行第j列的元素为wij,常数wij表示节点i与节点j之间的连接情况,i,j∈N:wij>0时,表示节点i与节点j之间相通;wij=0时,表示节点i与节点j之间不相通;W是对称矩阵且满足i=1,2,…,N;Γ=diag{γ1,γ2,γ3},表示复杂网络模型的内部耦合矩阵,diag{·}表示对角矩阵,γ1≥0、γ2≥0、γ3≥0,表示节点i的内部耦合系数;
v(k)∈R1表示l2[0,+∞)空间的外部干扰,其中,l2[0,+∞)表示[0,+∞)上的平方可加无穷向量序列空间;
σ(·)∈R3为饱和函数,对于任意向量μ∈R3,饱和函数为σ(μ)=[σ1(μ1)σ2(μ2)σ3(μ3)]T,式中,σs(μs)=sign(μs)min{1,|μs|}(s=1,2,3),μs表示向量μ的第s个元素,sign(·)表示符号函数,min{}表示取最小值,|·|表示绝对值;
步骤2、建立系统的状态估计器
步骤2.1、设计测量输出信号的更新规则
为了节约网络资源,规定在每个时刻只允许测量信号yi(k)的一个分量通过网络传输,由随机通信协议决定k时刻测量输出信号分别表示在随机通信协议作用下k时刻节点i测量输出的压力值和温度值;由于系统状态空间模型(1)对应的矩阵Ai,Γ,Ei,W中包含了压力值、温度值和速度值三者之间的关系,为了简化输出测量以降低成本,只对状态向量的压力和温度两个分量进行测量,利用分量之间的相互关系即可获得所有状态分量的信息;因此在随机通信协议决定下的测量输出信号的更新规则为:
步骤2.2、考虑网络攻击的测量输出信号
其中,表示系统输出信号,非线性函数h(·)∈R2满足‖h(u1)-h(u2)‖≤‖U(u1-u2)‖,h(0)=0,u1,u2∈R2为任意向量,U是一个已知的矩阵;随机变量βi(k)(i=1,2,…,N)是伯努利变量,且满足和βi(k)的均值为E{·}表示随机变量的数学期望,为已知常量;
步骤2.3、设计网络系统的估计器模型
构建如下非线性复杂网络系统的估计器模型
A=diag{A1,A2,…,AN};B=diag{B1,B2,…,BN};C=diag{C1,C2,…,CN};
D=col(D1,D2,…,DN);E=col(E1,E2,…,EN);
F=diag{F1,F2,…,FN};K=diag{K1,K2,…,KN};
得到估计误差增广系统:
步骤3、求解状态估计器
步骤3.1、系统稳定性条件分析
定义Lyapunov函数:V(k)=ηT(k)Pψ(k)η(k),其中Pψ(k)>0为待求解的正定对称矩阵;
设扰动向量v(k)=0,ψ(k)=p,ψ(k+1)=q,计算得到:
将状态饱和系统约束在凸多面体中,φ为任意向量且φ∈R3N,引入自由矩阵G∈R3N×3N,使其满足||G||∞≤1,co{·}表示集合的凸多面体;设Υ为对角元素为1或0的3N×3N维对角矩阵的集合,则Υ中含有23N个元素,其第ε个元素为Hε,ε∈Ψ,集合Ψ={1,2,3,…,23N};令Hε -=I-Hε,定义式中χε表示第ε个向量;
对饱和函数进行处理,得到
因此:
则有:
步骤3.2、系统H∞性能分析
考虑任意v(k)≠0,使用步骤3.1中的方法得到:
其中,γ表示扰动抑制水平,γ>0;
步骤3.3、求解状态估计器增益
利用Schur补引理对Φj<0进行等价变换得到:
选择矩阵G使其满足||G||∞≤1,利用MATLAB软件中的线性矩阵不等式工具箱,求解上述线性矩阵不等式得到未知矩阵和的值;然后,由计算得到增广矩阵的值;最后,根据K=diag{K1,K2,…,KN}得到本发明非线性复杂网络系统安全估计器的增益矩阵即实现非线性复杂网络系统基于随机通信协议的状态估计。
本发明具有以下有益效果:
1、采用基于随机通信协议的调度方法,每个节点在传输信号时仅有一个测量分量通过网络传输,可以节约网络资源,减轻网络通信的负担。
2、考虑了数据传输中遇到对抗攻击的情况,确保对存在网络攻击的复杂网络系统进行安全有效的状态估计。
3、利用Lyapunov稳定性理论,得到满足估计误差增广系统均方稳定以及H∞性能指标的充分条件,通过线性矩阵不等式方法求解状态估计器的增益,为非线性复杂网络系统提供了一种基于随机通信协议的安全状态估计方法。
Claims (4)
1.非线性复杂网络系统基于随机通信协议的状态估计方法,其特征在于:该方法具体包括以下步骤:
步骤1、建立非线性复杂网络系统的状态空间模型;
获取系统数据,建立非线性复杂网络系统的状态空间模型:
xi(k+1)表示k+1时刻系统的状态向量,xi(k)=[xi1 T(k),xi2 T(k),xi3 T(k)]T∈R3,表示k时刻系统的状态向量,N为正整数,表示构成非线性复杂网络的节点数;xi1(k)、xi2(k)、xi3(k)分别表示节点i的压力值、温度值和速度值;σ(·)∈R3为饱和函数;wij表示节点i与节点j之间的连接情况,i,j∈N;Γ=diag{γ1,γ2,γ3},表示复杂网络模型的内部耦合矩阵,γ1≥0、γ2≥0、γ3≥0,表示节点i的内部耦合系数,diag{·}表示对角矩阵;v(k)∈R1,表示l2[0,+∞)空间的外部干扰,l2[0,+∞)表示[0,+∞)上的平方可加无穷向量序列空间;yi(k)=[yi1 T(k)yi2 T(k)]T∈R2表示k时刻节点i的复杂网络测量输出值;yi1(k)、yi2(k)分别表示节点i的压力值和温度值;zi(k)∈R1,表示k时刻节点i待估计的输出信号;Ai∈R3×3、Ci∈R2×3、Di∈R2×1、Ei∈R2×3和Fi∈R1×3均为已知的常数矩阵;表示n0维列向量,Rm×n表示m×n维矩阵;上标T表示矩阵的转置;
步骤2、设计网络系统的状态估计器;
步骤2.1、设计测量输出信号的更新规则
规定在每个时刻只允许测量信号yi(k)的一个分量通过网络传输,由随机通信协议决定k时刻测量输出信号分别表示在随机通信协议作用下k时刻节点i测量输出的压力值和温度值;因此在随机通信协议决定下的测量输出信号的更新规则为:
步骤2.2、考虑网络攻击的测量输出信号
其中,表示系统输出信号,非线性函数h(·)∈R2满足‖h(u1)-h(u2)‖≤‖U(u1-u2)‖,h(0)=0,u1,u2∈R2为任意向量,U是一个已知的矩阵;随机变量βi(k)(i=1,2,…,N)是伯努利变量,且满足和βi(k)的均值为E{·}表示随机变量的数学期望,为已知常量;
步骤2.3、设计网络系统的估计器模型
构建如下非线性复杂网络系统的估计器模型
A=diag{A1,A2,…,AN};B=diag{B1,B2,…,BN};C=diag{C1,C2,…,CN};
D=col(D1,D2,…,DN);E=col(E1,E2,…,EN);
F=diag{F1,F2,…,FN};K=diag{K1,K2,…,KN};
得到估计误差增广系统:
步骤3、求解状态估计器
步骤3.1、系统稳定性条件分析
定义Lyapunov函数:V(k)=ηT(k)Pψ(k)η(k),其中Pψ(k)>0为待求解的正定对称矩阵;
设扰动向量v(k)=0,ψ(k)=p,ψ(k+1)=q,计算得到:
将状态饱和系统约束在凸多面体中,φ为任意向量且φ∈R3N,引入自由矩阵G∈R3N×3N,使其满足||G||∞≤1,co{·}表示集合的凸多面体;设Υ为对角元素为1或0的3N×3N维对角矩阵的集合,则Υ中含有23N个元素,其第ε个元素为Hε,ε∈Ψ,集合Ψ={1,2,3,…,23N};令Hε -=I-Hε,定义式中χε表示第ε个向量;
对饱和函数进行处理,得到
因此:
则有:
步骤3.2、系统H∞性能分析
考虑任意v(k)≠0,使用步骤3.1中的方法得到:
其中,γ表示扰动抑制水平,γ>0;
步骤3.3、求解状态估计器增益
利用Schur补引理对Φj<0进行等价变换得到:
3.如权利要求1所述非线性复杂网络系统基于随机通信协议的状态估计方法,其特征在于:对于任意向量μ∈R3,饱和函数为σ(μ)=[σ1(μ1)σ2(μ2)σ3(μ3)]T,其中σs(μs)=sign(μs)min{1,|μs|}(s=1,2,3),μs表示向量μ的第s个元素,sign(·)表示符号函数,min{}表示取最小值,|·|表示取绝对值。
4.如权利要求1所述非线性复杂网络系统基于随机通信协议的状态估计方法,其特征在于:在每个时刻内,只对状态向量xi(k)中的两个分量进行测量,根据系统状态模型中三个分量之间的相互关系,获得其余两个状态分量的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565226.6A CN113411312B (zh) | 2021-05-24 | 2021-05-24 | 非线性复杂网络系统基于随机通信协议的状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110565226.6A CN113411312B (zh) | 2021-05-24 | 2021-05-24 | 非线性复杂网络系统基于随机通信协议的状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113411312A CN113411312A (zh) | 2021-09-17 |
CN113411312B true CN113411312B (zh) | 2022-04-19 |
Family
ID=77674557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110565226.6A Active CN113411312B (zh) | 2021-05-24 | 2021-05-24 | 非线性复杂网络系统基于随机通信协议的状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113411312B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660649B1 (en) * | 2004-07-02 | 2010-02-09 | Optimal Innovations Inc. | Resource management using calculated sensitivities |
CN103676646A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨理工大学 | 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 |
CN108732926A (zh) * | 2018-06-05 | 2018-11-02 | 东北石油大学 | 基于不充分信息的网络化系统状态估计方法 |
CN110705892A (zh) * | 2019-10-11 | 2020-01-17 | 杭州电子科技大学 | 一种城市排水管道的水流状态检测方法 |
CN111123696A (zh) * | 2020-01-13 | 2020-05-08 | 杭州电子科技大学 | 基于冗余信道的网络化工业控制系统状态估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10728282B2 (en) * | 2018-01-19 | 2020-07-28 | General Electric Company | Dynamic concurrent learning method to neutralize cyber attacks and faults for industrial asset monitoring nodes |
-
2021
- 2021-05-24 CN CN202110565226.6A patent/CN113411312B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660649B1 (en) * | 2004-07-02 | 2010-02-09 | Optimal Innovations Inc. | Resource management using calculated sensitivities |
CN103676646A (zh) * | 2013-12-29 | 2014-03-26 | 哈尔滨理工大学 | 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 |
CN108732926A (zh) * | 2018-06-05 | 2018-11-02 | 东北石油大学 | 基于不充分信息的网络化系统状态估计方法 |
CN110705892A (zh) * | 2019-10-11 | 2020-01-17 | 杭州电子科技大学 | 一种城市排水管道的水流状态检测方法 |
CN111123696A (zh) * | 2020-01-13 | 2020-05-08 | 杭州电子科技大学 | 基于冗余信道的网络化工业控制系统状态估计方法 |
Non-Patent Citations (5)
Title |
---|
H1 State Estimation for Coupled Stochastic Complex Networks With Periodical Communication Protocol and Intermittent Nonlinearity Switching;Yuqiang Luo et al.;《TNSE》;20210308;全文 * |
H∞ performance analysis of delayed nonlinear Markov jump systems with piecewise-constant transition rates;Zhenyu Chen et al.;《YAC》;20180520;全文 * |
Nonsmooth Feedback Adaptive Stabilization for High-Order Nonlinear Systems Subject to State Delay;Xianglei Jia et al.;《ChiCC》;20170728;全文 * |
具有执行器饱和的切换系统鲁棒H∞控制;周修阳等;《杭州电子科技大学学报》;20191115;全文 * |
耦合发生概率不确定的复杂网络传感器故障估计;董墕华等;《山东科技大学学报》;20200311;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113411312A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Event-triggered consensus control for multi-agent systems against false data-injection attacks | |
Xu et al. | Stability analysis of networked control systems with round-robin scheduling and packet dropouts | |
CN109088749B (zh) | 一种随机通讯协议下复杂网络的状态估计方法 | |
Li et al. | Event-based fault-tolerant control for networked control systems applied to aircraft engine system | |
Chen et al. | Saturated threshold event-triggered control for multiagent systems under sensor attacks and its application to UAVs | |
Zhang et al. | Distributed non-fragile filtering for TS fuzzy systems with event-based communications | |
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 | |
CN110850817A (zh) | 一种网络化工业控制系统的安全估计方法 | |
Li et al. | H∞ filtering for multiple channel systems with varying delays, consecutive packet losses and randomly occurred nonlinearities | |
Zhang et al. | H∞ output-feedback control with randomly occurring distributed delays and nonlinearities subject to sensor saturations and channel fadings | |
Ji et al. | H∞ control for time-delay systems with randomly occurring nonlinearities subject to sensor saturations, missing measurements and channel fadings | |
Duan et al. | Finite-time distributed H∞ filtering for Takagi-Sugeno fuzzy system with uncertain probability sensor saturation under switching network topology: Non-PDC approach | |
Li et al. | Distributed resilient interval estimation for sensor networks under aperiodic denial-of-service attacks and adaptive event-triggered protocols | |
Rezaei et al. | Event‐triggered distributed Kalman filter with consensus on estimation for state‐saturated systems | |
Li et al. | control for networked stochastic non‐linear systems with randomly occurring sensor saturations, multiple delays and packet dropouts | |
Wang et al. | Event-triggered dissipative state estimation for Markov jump neural networks with random uncertainties | |
CN113325708B (zh) | 基于异构多智能体的多无人机系统的故障估计方法 | |
Li et al. | Outlier-resistant interval observer design for multirate time-delayed systems under the adaptive event-triggered protocols | |
CN113411312B (zh) | 非线性复杂网络系统基于随机通信协议的状态估计方法 | |
CN111062139A (zh) | 城市地下排水管网水流态势的估计方法 | |
Li et al. | $ H_ {\infty} $ Filtering for Network-Based Systems With Delayed Measurements, Packet Losses, and Randomly Varying Nonlinearities | |
CN107563103B (zh) | 基于局部条件的一致性滤波器设计方法 | |
CN113110321B (zh) | 基于事件触发的网络化工业控制系统的分布式估计方法 | |
CN113515066B (zh) | 一种非线性多智能体系统动态事件触发控制方法 | |
Parivallal et al. | Hybrid-triggered H∞ control for parabolic PDE systems under 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 |