CN114200841B - 一种基于模糊反步的网联汽车系统安全控制方法 - Google Patents

一种基于模糊反步的网联汽车系统安全控制方法 Download PDF

Info

Publication number
CN114200841B
CN114200841B CN202111516819.XA CN202111516819A CN114200841B CN 114200841 B CN114200841 B CN 114200841B CN 202111516819 A CN202111516819 A CN 202111516819A CN 114200841 B CN114200841 B CN 114200841B
Authority
CN
China
Prior art keywords
representing
interference
design
fuzzy
automobile system
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
CN202111516819.XA
Other languages
English (en)
Other versions
CN114200841A (zh
Inventor
李猛
苗朕海
陈勇
潘成伟
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202111516819.XA priority Critical patent/CN114200841B/zh
Publication of CN114200841A publication Critical patent/CN114200841A/zh
Application granted granted Critical
Publication of CN114200841B publication Critical patent/CN114200841B/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)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于模糊反步的网联汽车系统安全控制方法，含有干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。本发明公开了一种基于模糊反步的网联汽车系统安全控制方法。其技术包括网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。本发明针对网联汽车系统中的干扰和虚假数据注入攻击问题，设计了一种干扰估计器和状态观测器；为了实现安全控制，设计了一种基于模糊反步的安全控制器。本发明能够有效解决网联汽车系统在干扰和虚假数据注入攻击下的安全控制问题。

Description

一种基于模糊反步的网联汽车系统安全控制方法
技术领域
本发明涉及含有干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。
背景技术
近年来，网联汽车的控制技术引起了众多学者的高度关注，为了提高网联汽车的行车效率和驾驶安全性许多相关的研究被报道。如[“Adaptive tracking control fornetworked control systems of intelligent vehicle”(M.Li,Y.Chen,A.Zhou,W.He,andX.Li,Information Sciences,vol.503,pp.493-507,2019.)]考虑到智能车辆存在网络诱导干扰和外部干扰，提出了一种基于滑模控制的新控制算法来补偿干扰。[“Adaptivefault-tolerant control of platoons with guaranteed traffic flow stability”(G.Guo,P.Li and L.Hao,IEEE Transactions on Vehicular Technology,vol.69,no.7,pp.6916-6927,2020.)]针对一组汽车系统中的故障问题，提出了一种自适应的容错控制方法。然而，由于通信网络的引入，黑客攻击给网联汽车系统的控制带来了新的挑战。到目前为止，具有FDI攻击和干扰的网联汽车系统的安全控制问题尚未得到充分研究，因为在补偿干扰的同时应对黑客的攻击将更具挑战性，对控制算法的设计也提高了难度。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于模糊反步的网联汽车系统安全控制方法，实现干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。
本发明解决所述问题采用的方法是，本发明针对网联汽车系统中的干扰和虚假数据注入攻击问题，设计了一种干扰估计器和状态观测器；为了实现安全控制，设计了一种基于模糊反步的安全控制器。本发明能够有效解决网联汽车系统在干扰和虚假数据注入攻击下的安全控制问题。
所述干扰和虚假数据注入攻击下网联汽车系统的建模，对第i辆汽车，考虑到外界扰动和虚假数据注入攻击，则汽车动态模型变为：
Figure BDA0003406919070000021
Figure BDA0003406919070000022
Figure BDA0003406919070000023
所述干扰观测器设计，设计如下形式的估计器
Figure BDA0003406919070000024
Figure BDA0003406919070000025
其中j＝1,2,3分别表示第ith辆汽车的一阶、二阶、三阶方程，即位置、速度和加速度动态方程。
所述状态观测器设计，设计如下形式的观测器
Figure BDA0003406919070000026
所述安全控制器设计，对于第i辆汽车，采用模糊反步方法，设计如下控制器：
Figure BDA0003406919070000027
其中参数自适应律为：
Figure BDA0003406919070000028
Figure BDA0003406919070000029
其中si,j表示汽车虚拟误差，
Figure BDA00034069190700000210
和/>
Figure BDA00034069190700000211
表示模糊逻辑系统的基函数，分别被用来逼近系统的非线性函数和黑客注入的未知函数，ωi,3，i，gi,3,0，χi,3，ci,3，ρi和ri均为调节参数。
本发明的目的是这样实现的。
本发明基于模糊反步的网联汽车系统安全控制方法含有干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。本发明公开了一种基于模糊反步的网联汽车系统安全控制方法。其技术包括网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。本发明针对网联汽车系统中的干扰和虚假数据注入攻击问题，设计了一种干扰估计器和状态观测器；为了实现安全控制，设计了一种基于模糊反步的安全控制器。本发明能够有效解决网联汽车系统在干扰和虚假数据注入攻击下的安全控制问题。
附图说明
图1是本发明控制系统的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
下面以网联汽车系统为例，结合附图详细描述本发明的技术方案。
图1是本发明控制系统的结构示意图
如图1所示，本发明涉及含有干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计。
系统建模：考虑一组网联汽车系统由1个领导者和N个跟随者组成，其中第i辆汽车的动态方程如下：
Figure BDA0003406919070000031
/>
且：
Figure BDA0003406919070000032
其中ai(t)，vi(t)和pi(t)分别表示ith(i＝0,1,2,...,N)汽车的加速度，速度和位置，参数Kdi,dmi,ci(t),τi和mi分别表示气动阻力系数、机械阻力、发动机/制动器输入、发动机时间常数和质量。
考虑到外界扰动和虚假数据注入攻击，则汽车动态模型变为：
Figure BDA0003406919070000033
其中
Figure BDA0003406919070000034
和di,j(t)(i＝1,2,...,N,j＝1,2,3)分别表示黑客注入的虚假数据和外界扰动。且扰动和它的一阶微分都是有界的，即/>
Figure BDA0003406919070000035
和/>
Figure BDA0003406919070000036
其中上界/>
Figure BDA0003406919070000037
是已知,但上界/>
Figure BDA0003406919070000041
是未知的，j＝1,2,3分别表示第ith辆汽车的一阶、二阶、三阶方程，即位置、速度和加速度动态方程。
对于第i辆汽车，定义状态变量：xi(t)＝[xi,1(t),xi,2(t),xi,3(t)]T，xi,1(t)＝pi(t),xi,2(t)＝vi(t),xi,3(t)＝ai(t)。定义输出和控制输入为yi(t)＝xi,1(t)和ui(t)＝ci(t)/mi。则第i辆汽车的动态可以写成如下的状态空间模型：
Figure BDA0003406919070000042
干扰估计器设计：定义误差变量
ei,j＝zi,j-xi,j,j＝1,2,3 (5)
其中，中间变量zi,j(j＝1,2,3)的变化率设计如下：
Figure BDA0003406919070000043
其中
Figure BDA0003406919070000044
和/>
Figure BDA0003406919070000045
为模糊逻辑系统的权重因子，/>
Figure BDA0003406919070000046
和/>
Figure BDA0003406919070000047
表示模糊逻辑系统的基函数，分别被用来逼近系统的非线性函数和黑客注入的未知函数。设计滑模函数：
Figure BDA0003406919070000048
其中
Figure BDA0003406919070000049
和/>
Figure BDA00034069190700000410
辅助变量的变化率设计为：
Figure BDA00034069190700000411
其中
Figure BDA00034069190700000412
和/>
Figure BDA00034069190700000413
表示调节参数。进一步，干扰估计器设计为：/>
Figure BDA00034069190700000414
状态观测器设计：定义变量和矩阵：
Figure BDA00034069190700000415
Bi,1＝[1,0,0]T,Bi,2＝[0,1,0]T,Bi,3＝[0,0,1]T,Ci＝[1,0,0]T和/>
Figure BDA00034069190700000416
于是，设计如下观测器：
Figure BDA00034069190700000417
其中θi，θi,j为模糊逻辑系统的权重因子。
控制器设计：定义误差变量
Figure BDA0003406919070000051
其中αi,j-1(t)表示虚拟控制输入，si,j是虚拟误差，且si,1表示汽车间的位置误差，yd表示期望的汽车之间的间距，Li表示第i辆汽车的长度。
步骤1(j＝1)：设计相应的虚拟控制输入和参数自适应律为：
Figure BDA0003406919070000052
Figure BDA0003406919070000053
其中ci,1和ωi,1表示调节参数，且ci,1＞0和ωi,1＞0。
步骤2(j＝2)：设计相应的虚拟控制输入和参数自适应律为：
Figure BDA0003406919070000054
Figure BDA0003406919070000055
其中a0表示领导者汽车的加速度，i，ci,2和ωi,2表示调节参数，且t≥1，ci,2＞0和ωi,2＞0，参数gi,2,0可通过如下超螺旋系统计算得到。
Figure BDA0003406919070000056
其中
Figure BDA0003406919070000057
和gi,j,0表示超螺旋系统(16)的状态,/>
Figure BDA0003406919070000058
为时间常数，且
Figure BDA0003406919070000059
步骤3(j＝3)：设计实际控制输入和参数自适应律为：
Figure BDA00034069190700000510
Figure BDA00034069190700000511
Figure BDA00034069190700000512
其中ci,3和ωi,3表示调节参数，且ci,2＞0和ωi,2＞0，参数gi,3,0可通过如下超螺旋系统(16)计算得到，si,j表示汽车虚拟误差，
Figure BDA00034069190700000513
和/>
Figure BDA00034069190700000514
表示模糊逻辑系统的基函数，分别被用来逼近系统的非线性函数和黑客注入的未知函数，ωi,3，ι，gi,3,0，χi,3，ci,3，ρi和ri均为调节参数。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于模糊反步的网联汽车系统安全控制方法，包括干扰和虚假数据注入攻击下网联汽车系统的建模、干扰估计器设计、状态观测器设计以及安全控制器设计；
考虑一组网联汽车系统由1个领导者和N个跟随者组成，其中第i辆汽车的动态方程如下：
Figure QLYQS_1
Figure QLYQS_2
Figure QLYQS_3
且
Figure QLYQS_4
其中ai(t)，vi(t)和pi(t)分别表示第ith(i＝0,1,2,...,N)辆汽车的加速度，速度和位置，参数Kdi,dmi,ci(t),τi和mi分别表示气动阻力系数、机械阻力、发动机/制动器输入、发动机时间常数和质量，i表示第ith辆汽车；
考虑到外界扰动和虚假数据注入攻击，则第ith辆汽车动态模型变为：
Figure QLYQS_5
Figure QLYQS_6
Figure QLYQS_7
其中
Figure QLYQS_8
和di,j(t)(i＝1,2,...,N,j＝1,2,3)分别表示黑客注入的虚假数据和外界扰动，且扰动和它的一阶微分都是有界的，即/>
Figure QLYQS_9
和/>
Figure QLYQS_10
其中上界/>
Figure QLYQS_11
是已知,但上界/>
Figure QLYQS_12
是未知的，i表示第ith辆汽车；
所述干扰估计器设计如下形式的估计器：
Figure QLYQS_13
Figure QLYQS_14
其中
Figure QLYQS_15
和/>
Figure QLYQS_16
表示调节参数，sgn(·)为符号函数，ηi,j表示中间变量，/>
Figure QLYQS_17
表示干扰的估计值，ξi,j表示滑模函数，j＝1,2,3分别表示第ith辆汽车的一阶、二阶、三阶方程，即位置、速度和加速度动态方程；
所述状态观测器设计如下形式的观测器：
Figure QLYQS_18
其中
Figure QLYQS_19
表示状态估计值，Ai和Bi,j为系统矩阵，Gi表示观测器增益矩阵，θi和θi,j(j＝1,2,3)表示模糊权重因子，分别被用来逼近系统的非线性函数和黑客注入的未知函数；
所述安全控制器设计为对于第i辆汽车，采用模糊反步方法，设计如下控制器：
Figure QLYQS_20
参数自适应律为：
Figure QLYQS_21
Figure QLYQS_22
其中si,j表示虚拟误差，
Figure QLYQS_23
和/>
Figure QLYQS_24
表示模糊逻辑系统的基函数，分别被用来逼近系统的非线性函数和黑客注入的未知函数，ωi,3，ι，gi,3,0，χi,3，ci,3，ρi和ri均为调节参数。/>
CN202111516819.XA 2021-12-13 2021-12-13 一种基于模糊反步的网联汽车系统安全控制方法 Active CN114200841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111516819.XA CN114200841B (zh) 2021-12-13 2021-12-13 一种基于模糊反步的网联汽车系统安全控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111516819.XA CN114200841B (zh) 2021-12-13 2021-12-13 一种基于模糊反步的网联汽车系统安全控制方法

Publications (2)

Publication Number Publication Date
CN114200841A CN114200841A (zh) 2022-03-18
CN114200841B true CN114200841B (zh) 2023-05-23

Family

ID=80652897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111516819.XA Active CN114200841B (zh) 2021-12-13 2021-12-13 一种基于模糊反步的网联汽车系统安全控制方法

Country Status (1)

Country Link
CN (1) CN114200841B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105676643A (zh) * 2016-03-02 2016-06-15 厦门大学 一种智能汽车转向和制动自适应协调控制方法
CN109921924A (zh) * 2019-02-14 2019-06-21 电子科技大学 一种智能汽车多层立体网联控制系统建模方法
CN109981339A (zh) * 2019-02-14 2019-07-05 电子科技大学 一种网联汽车控制系统的故障容错控制方法
CN110018678A (zh) * 2019-02-14 2019-07-16 电子科技大学 一种网联汽车控制系统的故障诊断方法
CA3022728A1 (en) * 2018-05-30 2019-11-30 Robert Bosch Gmbh Method, apparatus and computer program for generating robust automated learning systems and testing trained automated learning systems
CN111025907A (zh) * 2019-12-20 2020-04-17 苏州智加科技有限公司 一种自动驾驶卡车的横向控制方法、系统及存储介质
DE102019212666A1 (de) * 2019-03-15 2020-09-17 Volkswagen Aktiengesellschaft Steuerung eines autonomen oder teilautonomen Fahrzeugs
WO2020246944A1 (en) * 2019-06-07 2020-12-10 Singapore University Of Technology And Design Method and system for attack detection in a sensor network of a networked control system
CN112666833A (zh) * 2020-12-25 2021-04-16 吉林大学 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法
DE102019216486A1 (de) * 2019-10-25 2021-04-29 Robert Bosch Gmbh Verfahren zum Bestimmen einer geschätzten Abweichung zumindest einer Zustandsvariablen eines dynamischen Systems
DE102020129425A1 (de) * 2019-11-20 2021-05-20 Nvidia Corporation Geführte unsicherheit-bewusste richtlinien-optimierung: kombinieren von modellfreien und modellbasierten strategien für probeneffizientes lernen
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9946231B2 (en) * 2015-09-01 2018-04-17 The Florida International University Board Of Trustees Detection of and responses to time delays in networked control systems

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105676643A (zh) * 2016-03-02 2016-06-15 厦门大学 一种智能汽车转向和制动自适应协调控制方法
CA3022728A1 (en) * 2018-05-30 2019-11-30 Robert Bosch Gmbh Method, apparatus and computer program for generating robust automated learning systems and testing trained automated learning systems
CN109921924A (zh) * 2019-02-14 2019-06-21 电子科技大学 一种智能汽车多层立体网联控制系统建模方法
CN109981339A (zh) * 2019-02-14 2019-07-05 电子科技大学 一种网联汽车控制系统的故障容错控制方法
CN110018678A (zh) * 2019-02-14 2019-07-16 电子科技大学 一种网联汽车控制系统的故障诊断方法
DE102019212666A1 (de) * 2019-03-15 2020-09-17 Volkswagen Aktiengesellschaft Steuerung eines autonomen oder teilautonomen Fahrzeugs
WO2020246944A1 (en) * 2019-06-07 2020-12-10 Singapore University Of Technology And Design Method and system for attack detection in a sensor network of a networked control system
DE102019216486A1 (de) * 2019-10-25 2021-04-29 Robert Bosch Gmbh Verfahren zum Bestimmen einer geschätzten Abweichung zumindest einer Zustandsvariablen eines dynamischen Systems
DE102020129425A1 (de) * 2019-11-20 2021-05-20 Nvidia Corporation Geführte unsicherheit-bewusste richtlinien-optimierung: kombinieren von modellfreien und modellbasierten strategien für probeneffizientes lernen
CN111025907A (zh) * 2019-12-20 2020-04-17 苏州智加科技有限公司 一种自动驾驶卡车的横向控制方法、系统及存储介质
CN112666833A (zh) * 2020-12-25 2021-04-16 吉林大学 一种用于电动自动驾驶车辆的车速跟随自适应鲁棒控制方法
CN113126623A (zh) * 2021-04-13 2021-07-16 吉林大学 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Optimal trajectory tracking control of AUVs with delays in actuator and measurement under shallow wave disturbances;Meng Li;《2019 Chinese Control And Decision Conference (CCDC)》(第1期);全文 *
具有干扰和不确定性的网络化控制系统研究及应用;李猛;《中国博士学位论文全文数据库信息科技辑》(第4期);全文 *
基于扩张状态观测器的滚转通道自动驾驶仪设计;王文丽;《物联网技术》;第7卷(第7期);全文 *
执行器被攻击下不确定信息物理融合系统的超螺旋控制;陈勇;《西华大学学报(自然科学版)》;第39卷(第4期);全文 *

Also Published As

Publication number Publication date
CN114200841A (zh) 2022-03-18

Similar Documents

Publication Publication Date Title
CN110333728B (zh) 一种基于变时间间距策略的异构车队容错控制方法
Wang et al. Robust output-feedback based vehicle lateral motion control considering network-induced delay and tire force saturation
Alcala et al. Gain‐scheduling LPV control for autonomous vehicles including friction force estimation and compensation mechanism
CN110568762B (zh) 一种抗通信延迟的智能电动车编队自适应鲁棒控制方法
CN112907937B (zh) 一种考虑后车信息的混合车辆队列控制方法及系统
CN110116730A (zh) 一种车辆制动控制方法、系统、设备和介质
Wang et al. Optimal control design for connected cruise control with edge computing, caching, and control
CN114200841B (zh) 一种基于模糊反步的网联汽车系统安全控制方法
CN103266956B (zh) 内燃机扭矩控制系统
CN116560227B (zh) 基于广义扩张状态观测器的鲁棒弦稳定车队纵向控制方法
CN117434836A (zh) 一种基于扩张状态观测器的无模型自适应的车辆控制方法
CN113012459A (zh) 一种基于分布式切换控制的异构车队协同安全控制方法
Li et al. Optimal periodic control of connected multiple vehicles with heterogeneous dynamics and guaranteed bounded stability
Qin et al. H∞ Control of Four‐Wheel‐Independent‐Drive Electric Vehicles with Random Time‐Varying Delays
CN111047853A (zh) 一种保障交通流稳定的车辆编队控制方法和系统
Mohammadi et al. Vehicle lateral motion stability under wheel lockup attacks
CN113589690B (zh) 协同自适应巡航控制鲁棒容错方法及装置
CN115171380A (zh) 一种抑制网络攻击造成车联网拥塞的控制模型和方法
Hu et al. Constraint‐Following Approach for Platoon Control Strategy of Connected Autonomous Vehicles
Yu et al. A robust model predictive control framework for ecological adaptive cruise control strategy of electric vehicles
CN111240365A (zh) 带有指定性能的无人机编队自适应执行器故障补偿方法
Shieh et al. Synchronization of pulse-and-glide operation in vehicle platooning using cooperative adaptive cruise control
CN113568310B (zh) 一种基于模糊自适应滑模的智能车系统干扰补偿方法
CN112596397B (zh) 电动汽车信息物理融合自动紧急制动控制系统及设计方法
Li et al. ADRC Controller Design for Autonomous Vehicles Queuing Systems in Zero-Trust Environment

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