CN114019944B - 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 - Google Patents
一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 Download PDFInfo
- Publication number
- CN114019944B CN114019944B CN202111313821.7A CN202111313821A CN114019944B CN 114019944 B CN114019944 B CN 114019944B CN 202111313821 A CN202111313821 A CN 202111313821A CN 114019944 B CN114019944 B CN 114019944B
- Authority
- CN
- China
- Prior art keywords
- state
- fault
- state observer
- control system
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000003416 augmentation Effects 0.000 claims abstract description 18
- 230000003190 augmentative effect Effects 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 16
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法,考虑存在传感器故障和遭受未知但有界FDI攻击的网络化控制系统,首先建立相应的网络化控制系统模型,然后将传感器故障视为增广状态,从而得到与原系统等效的增广系统,基于所得到的增广系统,利用H∞理论设计鲁棒增广状态观测器,并得到其存在的充分性条件,进一步利用Matlab LMI工具箱求解优化问题,给出增广状态观测器参数为L=P‑1Y,最后根据中心对称多胞体技术获取增广状态的区间上界和区间下界从而实现对系统状态和故障的区间估计。本发明适用于其他噪声和干扰未知但有界系统的状态与故障的区间估计。
Description
技术领域
本发明属于网络化控制系统领域,涉及一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法。
背景技术
随着科技水平的快速发展,现代工业系统的结构变得越来越复杂,对可靠性和安全性提出了更高的要求,然而这类复杂系统在带来巨大经济效益的同时也潜藏着一定的危机,系统中任何部件发生故障都有可能产生较大的财产损失或人员伤亡。因此,研究故障诊断与容错控制技术以提高系统可靠性和安全性变得越来越重要。
目前关于故障估计的研究通常着重于对故障进行点估计,它主要是通过构造观测器或滤波器实现对系统故障的渐近估计,即故障的估计值尽可能地接近其真实值。但是这种点估计方法通常都假设噪声和干扰符合一定的概率分布,但是这在实际中很难获取,而中心对称多胞体这类集源滤波方法只需要干扰噪声有界即可通过寻找一个包含故障的可行集来得到系统故障的估计。本发明中考虑在系统遭受未知但有界的FDI攻击时,采用中心对称多胞体方法实现了对系统状态和故障的联合区间估计。
发明内容
针对上述现有技术中存在的问题,本发明提供了一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法。考虑网络化控制系统遭受FDI攻击,存在传感器故障的情况,通过将传感器故障视为增广状态,从而将含有传感器故障与原始状态的系统变换为一个增广系统。基于所得到的的增广系统,设计增广状态观测器以估计增广状态,最后利用中心对称多胞体得到系统的状态和故障的区间估计。
本发明的技术方案:
一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法,包括以下步骤:
1)建立存在传感器故障的网络化控制系统的被控对象模型:
其中:x(k)∈Rn是系统的状态向量,u(k)∈Rm是系统的可测量输入,y(k)∈Rp是系统输出,f(k)∈Rs是待估计的传感器故障信号,A∈Rn×n,B∈Rn×m,C∈Rp×n和F∈Rp×s,记号Rn表示n维欧几里得空间,本发明中出现类似记号的,依此类推即可;Rn×m表示n×m维实数矩阵的集合,本发明中出现类似记号的,依此类推即可。
在FDI攻击下,系统(1)变为:
其中:au(k)和ay(k)分别是执行器和传感器遭受的未知但有界的FDI攻击信号,D1和D2增益矩阵;
将系统(2)中的传感器故障f(k)视为增广状态,得到增广状态向量:
并构造如下增广系统:
其中:
2)设计增广状态观测器:
其中:为增广状态向量x(k)的估计值,T∈R(n+s)×(n+s),N∈R(n+s)×p和L∈R(n +s)×p为待设计的参数矩阵,且矩阵T∈R(n+s)×(n+s),N∈R(n+s)×p需满足如下等式约束:
其中:In+s表示(n+s)×(n+s)维单位矩阵;
3)增广状态观测器(5)为鲁棒状态观测器的充分条件为:
其中:Q∈R(n+s)×(n+s)和Y∈R(n+s)×p是未知矩阵,γ>0是给定的系统性能指标,T和N的表达式为:
其中,表示矩阵M的伪逆矩阵,/> H∈R(n+s)×(n+s+p)为任意矩阵。
给定一个γ>0的指标,利用MATLAB中的LMI工具箱求解式(7),当存在一个正定矩阵Q和矩阵Y,使得式(7)成立,则增广状态观测器(5)是鲁棒增广状态观测器,且满足||e(k)||<γ||w(k)||,能够获得非最优的增广状态观测器参数为L=Q-1Y;当上述未知变量没有可行解,则增广状态观测器(5)不是鲁棒增广状态观测器,且不能获得非最优的增广状态观测器参数,其中,
4)状态与故障的联合区间估计
根据3)求出增广状态观测器参数为L=Q-1Y,得到了增广状态向量的估计值为进一步地,利用下式可得出受攻击系统的状态与故障的区间上下界:
其中:s是矩阵/>的列数,Ω表示复杂度降阶算子,Vu和Vy为已知的向量。
本发明的有益效果:本发明考虑了网络化控制系统中存在的传感器故障、遭受未知但有界的FDI攻击的情况下实现了对系统状态与传感器故障的联合区间估计,相比于传统的点估计方法,本方法对噪声和干扰未知但有界的系统的状态与故障估计均具有较好的精确度。
附图说明
图1是FDI攻击下网络化控制系统状态与故障的联合区间估计方法的流程图。
图2是网络化控制系统遭受FDI攻击的结构图。
图3是FDI攻击下网络化控制系统传感器故障的区间估计图。
图4是FDI攻击下网络化控制系统状态1的区间估计图。
图5是FDI攻击下网络化控制系统状态2的区间估计图。
图6是FDI攻击下网络化控制系统状态3的区间估计图。
图7是FDI攻击下网络化控制系统状态4的区间估计图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
参照附图1,一种FDI攻击下网络化控制系统状态与故障联合区间估计方法,包括以下步骤:
步骤1:建立存在系统故障的网络化控制系统的模型
建立存在传感器故障的网络化控制系统的被控对象模型:
其中:x(k)∈Rn是系统的状态向量,u(k)∈Rm是系统的输入,y(k)∈Rp是系统输出,f(k)∈Rs是待估计的传感器故障信号,A∈Rn×n,B∈Rn×m,C∈Rp×n和F∈Rp×1。记号Rn表示n维欧几里得空间,本发明中出现类似记号的,依此类推即可;Rn×m表示n×m维实数矩阵的集合,本发明中出现类似记号的,依此类推即可。
在FDI攻击下,系统(9)变为:
其中:au(k)和ay(k)分别是执行器和传感器遭受的未知但有界的FDI攻击信号,D1和D2增益矩阵。
将系统(10)中的传感器故障f(k)视为增广状态,得到增广状态向量:
并构造如下增广系统:
其中:
步骤2:设计增广状态观测器
其中:为增广状态向量x(k)的估计值,T∈R(n+s)×(n+s),N∈R(n+s)×p和L∈R(n +s)×p为待设计的参数矩阵,且矩阵T∈R(n+s)×(n+s),N∈R(n+s)×p需满足如下等式约束:
其中:In+s表示(n+s)×(n+s)维单位矩阵。
步骤3:增广状态观测器(13)为鲁棒增广状态观测器的充分条件为
其中:Q∈R(n+s)×(n+s)和Y∈R(n+s)×p是未知矩阵,γ>0是给定的系统性能指标,T和N的表达式为:
其中,表示矩阵M的伪逆矩阵,/> H∈R(n +s)×(n+s+p)为任意矩阵。
由式(14),则如下等式成立:
定义由式(13)和式(17)可得:
为了简化符号,将式(18)写成如下形式:
其中:
由有界实引理有,对于给定标量γ>0,当存在一个对称正定矩阵Q使得如下不等式成立:
则误差系统(19)稳定,且满足||e(k)||<γ||w(k)||,对式(20)运用Schur补引理有:
将 代入式子(21),并令Y=QL,则有:
此外,式子(14)的广义解为:
其中,S∈R(n+s)×(n+s+p)为任意矩阵。经过上述分析,容易得到T和N的表达式:
其中,表示矩阵M的伪逆矩阵,/> H∈R(n+s)×(n+s+p)为任意矩阵。
给定一个γ>0的指标,利用MATLAB中的LMI工具箱求解式(15),当存在一个正定矩阵Q和矩阵Y,使得式(15)成立,则增广状态观测器(13)是鲁棒状态观测器,且满足||e(k)||<γ||w(k)||,能够获得非最优的增广状态观测器参数为L=Q-1Y;当上述未知变量没有可行解,则增广状态观测器(5)不是鲁棒增广状态观测器,且不能获得非最优的增广状态观测器参数,不能执行步骤4,
步骤4:实现状态与故障的联合区间估计
根据3)求出增广状态观测器参数为L=Q-1Y,得到了增广状态向量的估计值为进一步地,利用下式可得出受攻击系统的状态与故障的区间上下界:
其中:s是矩阵/>的列数,Ω表示复杂度降阶算子,Vu和Vy为已知的向量。
当由/>有:
对e(k+1)进行迭代计算则有:
注意到,其中,au(k)∈<0,Vu>ay(k)∈<0,Wy>和/>则可得:/>进一步得到e(k)的区间估计表达式:
其中,表示/>第i行第j列元素的绝对值。
根据能够得到增广状态的区间估计上下界为:
实施例:
采用本发明提出的一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法,在考虑FDI攻击和传感器故障的情况下,对网络化控制系统状态与故障进行联合区间估计。具体实现方法如下:
考虑具有传感器故障的网络化控制系统遭受攻击者发起FDI攻击的模型为式(10),遭受攻击的系统结构图见附图2,给定其系统参数为:
这里取输入向量u(k)=[0.2 0.2]Τ,FDI攻击信号的边界信息分别为|au(k)|≤0.05和|ay(k)|≤[0.035 0.035]Τ,取系统的初始状态为x(0)=[0.2 0.2 0.2 0.2]Τ。在仿真中,取S为:
考虑如下形式的故障:
利用上述给出的条件,通过MATLAB中的LMI工具箱,对式(15)求解得出增广状态观测器(13)的参数如下所示:
利用上述参数能够得到增广状态,进一步地,利用式(20),能够同时得到系统状态和故障的估计上界和下界,估计结果见附图3、附图4、附图5、附图6和附图7所示。
从仿真结果看,本发明在考虑了网络化控制系统中存在的传感器故障、遭受未知但有界的FDI攻击的情况下,实现了对系统状态与传感器故障的联合区间估计。本发明对其他噪声和干扰未知但有界的系统的状态与故障区间估计均具有较好的效果。
Claims (1)
1.一种FDI攻击下网络化控制系统状态与故障的联合区间估计方法,其特征在于,包括以下步骤:
1)建立存在传感器故障的网络化控制系统的被控对象模型:
其中:x(k)∈Rn是系统的状态向量,u(k)∈Rm是系统的输入,y(k)∈Rp是系统输出,f(k)∈Rs是待估计的传感器故障信号,A∈Rn×n,B∈Rn×m,C∈Rp×n和F∈Rp×1,记号Rn表示n维欧几里得空间;Rn×m表示n×m维实数矩阵的集合;
在FDI攻击下,系统(1)变为:
其中:au(k)和ay(k)分别是执行器和传感器遭受的未知但有界的FDI攻击信号,D1和D2增益矩阵;
将系统(2)中的传感器故障f(k)视为增广状态,得到增广状态向量:
并构造如下增广系统:
其中:
2)设计增广状态观测器:
其中:为增广状态向量/>的估计值,T∈R(n+s)×(n+s),N∈R(n+s)×p和L∈R(n+s)×p为待设计的参数矩阵,且矩阵T∈R(n+s)×(n+s),N∈R(n+s)×p需满足如下等式约束:
其中:In+s表示(n+s)×(n+s)维单位矩阵;
3)增广状态观测器(5)为鲁棒状态观测器的充分条件为:
其中:Q∈R(n+s)×(n+s)和Y∈R(n+s)×p是未知矩阵,γ>0是给定的系统性能指标,T和N的表达式为:
其中,表示矩阵M的伪逆矩阵,/>H∈R(n +s)×(n+s+p)为任意矩阵;
给定一个γ>0的指标,利用MATLAB中的LMI工具箱求解式(7),当存在一个正定矩阵Q和矩阵Y,使得式(7)成立,则增广状态观测器(5)是鲁棒增广状态观测器,且满足||e(k)||<γ||w(k)||,能够获得非最优的增广状态观测器参数为L=Q-1Y;当上述未知矩阵Q∈R(n +s)×(n+s)和Y∈R(n+s)×p没有可行解,则增广状态观测器(5)不是鲁棒增广状态观测器,且不能获得非最优的增广状态观测器参数,其中,
4)状态与故障的联合区间估计
根据3)求出增广状态观测器参数为L=Q-1Y,得到了增广状态向量的估计值为进一步地,利用下式可得出受攻击系统的状态与故障的区间上下界:
其中:s是矩阵/>的列数,Ω表示复杂度降阶算子,Vu和Vy为已知的向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313821.7A CN114019944B (zh) | 2021-11-08 | 2021-11-08 | 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111313821.7A CN114019944B (zh) | 2021-11-08 | 2021-11-08 | 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114019944A CN114019944A (zh) | 2022-02-08 |
CN114019944B true CN114019944B (zh) | 2024-04-30 |
Family
ID=80062279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111313821.7A Active CN114019944B (zh) | 2021-11-08 | 2021-11-08 | 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114019944B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209148A (zh) * | 2019-06-18 | 2019-09-06 | 江南大学 | 一种基于描述系统观测器的网络化系统的故障估计方法 |
CN110989552A (zh) * | 2019-11-25 | 2020-04-10 | 江南大学 | 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 |
CN111142503A (zh) * | 2019-12-30 | 2020-05-12 | 山东科技大学 | 一种基于迭代学习观测器的故障诊断方法及诊断系统 |
WO2020142984A1 (zh) * | 2019-01-10 | 2020-07-16 | 大连理工大学 | 一种基于误差区间观测器的航空发动机主动容错控制方法 |
CN111812980A (zh) * | 2020-07-02 | 2020-10-23 | 淮阴工学院 | 基于未知输入观测器的离散切换系统的鲁棒故障估计方法 |
CN113031570A (zh) * | 2021-03-18 | 2021-06-25 | 哈尔滨工业大学 | 基于自适应未知输入观测器的快速故障估计方法及设备 |
-
2021
- 2021-11-08 CN CN202111313821.7A patent/CN114019944B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020142984A1 (zh) * | 2019-01-10 | 2020-07-16 | 大连理工大学 | 一种基于误差区间观测器的航空发动机主动容错控制方法 |
CN110209148A (zh) * | 2019-06-18 | 2019-09-06 | 江南大学 | 一种基于描述系统观测器的网络化系统的故障估计方法 |
CN110989552A (zh) * | 2019-11-25 | 2020-04-10 | 江南大学 | 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 |
CN111142503A (zh) * | 2019-12-30 | 2020-05-12 | 山东科技大学 | 一种基于迭代学习观测器的故障诊断方法及诊断系统 |
CN111812980A (zh) * | 2020-07-02 | 2020-10-23 | 淮阴工学院 | 基于未知输入观测器的离散切换系统的鲁棒故障估计方法 |
CN113031570A (zh) * | 2021-03-18 | 2021-06-25 | 哈尔滨工业大学 | 基于自适应未知输入观测器的快速故障估计方法及设备 |
Non-Patent Citations (4)
Title |
---|
刘坤 ; 张淇瑞 ; 郭航 ; 刘涛 ; 夏元清 ; .隐蔽式攻击下的离散系统区间观测器设计.控制理论与应用.(第08期),全文. * |
基于鲁棒正不变集的传感器故障区间估计;张文瀚;王振华;沈毅;;自动化学报(第09期);全文 * |
张文瀚 ; 王振华 ; 沈毅 ; .基于鲁棒正不变集的传感器故障区间估计.自动化学报.(第09期),全文. * |
隐蔽式攻击下的离散系统区间观测器设计;刘坤;张淇瑞;郭航;刘涛;夏元清;;控制理论与应用(第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114019944A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gao et al. | State/noise estimator for descriptor systems with application to sensor fault diagnosis | |
Cao et al. | Exponential H∞ filtering analysis for discrete-time switched neural networks with random delays using sojourn probabilities | |
Gao et al. | Fuzzy state/disturbance observer design for T–S fuzzy systems with application to sensor fault estimation | |
Zhang et al. | Simultaneous robust actuator and sensor fault estimation for uncertain non‐linear Lipschitz systems | |
CN110209148B (zh) | 一种基于描述系统观测器的网络化系统的故障估计方法 | |
Nguyen et al. | Takagi–Sugeno fuzzy observer design for nonlinear descriptor systems with unmeasured premise variables and unknown inputs | |
CN112085050A (zh) | 基于pid控制器的对抗性攻击与防御方法及系统 | |
Hoffmann et al. | Distributed control of linear parameter-varying decomposable systems | |
CN116992927A (zh) | 一种欺骗攻击下的无线传感器网络分布式保概率估计方法 | |
Carvalho et al. | $ H_2 $/$ H_\infty $ Simultaneous Fault Detection and Control for Markov Jump Linear Systems With Partial Observation | |
CN113325708B (zh) | 基于异构多智能体的多无人机系统的故障估计方法 | |
CN111638648A (zh) | 一种具有比例延迟复杂动态网络的分布式脉冲准同步方法 | |
Ye et al. | Fully distributed Nash equilibrium seeking for high-order players with actuator limitations | |
CN114019944B (zh) | 一种fdi攻击下网络化控制系统状态与故障的联合区间估计方法 | |
Zhu et al. | Fault detection for nonlinear networked control systems based on fuzzy observer | |
Langueh et al. | Fixed‐time sliding mode‐based observer for non‐linear systems with unknown parameters and unknown inputs | |
CN114039867B (zh) | 一种隐蔽式攻击下网络化控制系统状态与故障的联合区间估计方法 | |
Cui et al. | Recursive parameter and state estimation methods for observability canonical state‐space models exploiting the hierarchical identification principle | |
Ali et al. | A novel output feedback consensus control approach for generic linear multi-agent systems under input saturation over a directed graph topology | |
CN116668067A (zh) | 一种互联非线性信息物理系统的分布式混合网络攻击检测方法 | |
CN113820954B (zh) | 一种广义噪声下复杂非线性系统的容错控制方法 | |
CN115952493A (zh) | 一种黑盒模型的逆向攻击方法、攻击装置以及存储介质 | |
Shao et al. | Distributed resilient Nash equilibrium seeking under network attacks and disturbances | |
Liu et al. | Distributed unscented Kalman filters for nonlinear multi-agent systems with homologous unknown inputs | |
Fanaee | Adaptive finite time high‐order sliding mode observer for non‐linear fractional order systems with unknown input |
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 |