CN114285653B - 网络攻击下智能网联汽车队列自适应事件触发控制方法 - Google Patents

Abstract

网络攻击下智能网联汽车队列自适应事件触发控制方法，属于汽车智能安全与自动驾驶领域。包括以下步骤：1)通过V2X无线通信系统和车载传感器实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息；2)采用逆模型补偿和反馈线性化的技术，建立具有参数不确定性的单个车辆的纵向动力学状态空间模型；3)基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数；4)设计防御欺骗攻击的车辆队列自适应分布式控制方法，实时求出编队控制所需的车轮电机驱动力矩。基于自适应事件触发策略，有效克服队列车辆遭受欺骗攻击时所带来的影响，同时抑制参数不确定性的干扰，实现编队控制的性能指标。

Description

网络攻击下智能网联汽车队列自适应事件触发控制方法

技术领域

本发明属于汽车智能安全与自动驾驶领域，特别是涉及网络攻击下智能网联汽车队列自适应事件触发控制方法。

背景技术

随着车辆保有量的持续增长，交通拥堵现象日益严重，伴随而来的还有严峻的能源消耗问题。同时，车辆数量的增多也提高了发生交通事故的风险。网联电动车辆纵向队列控制可以在保证车辆安全行驶的前提下减小车辆间的距离，提高道路车辆的通行效率，并降低车辆的能源消耗，有效缓解上述难题。

网联电动车辆纵向队列控制是指汽车队列中的车辆根据其他车辆行驶信息来自动调整纵向运动状态，进而确保队列具有期望的车队队形和一致的行驶速度。文献1(Darbha S,Konduri S,Pagilla P R.Benefits of V2V communication for autonomousand connected vehicles[J].IEEE Transactions on Intelligent TransportationSystems,2019,20(5):1954-1963.)提出了一种基于V2X通信技术的车辆队列控制方法。文献2(Guo X,Wang J,Liao F,et al.Distributed adaptive sliding mode controlstrategy for vehicle-following systems with nonlinear accelerationuncertainties[J].IEEE Transactions on Vehicular Technology,2017,66(2):981-991.)提出了一种用于具有非线性不确定参数的智能电动车编队的分布式滑模控制方法。

随着无线通信技术的发展，V2X通信被应用于车辆队列系统以增强队列中车辆的信息感知能力，提升汽车队列系统针对多种不同拓扑的适用性。然而由于V2X无线通信的开放性和共享性，队列系统容易遭受恶意的网络攻击。作为网络攻击中的一种，欺骗攻击可以将信息传递过程中的正常数据替换为虚假伪造的数据，从而破坏系统的稳定性。

发明内容

本发明的目的是针对遭受欺骗攻击的车辆队列控制等问题，提供基于自适应事件触发策略，有效克服队列车辆遭受欺骗攻击时所带来的影响，同时抑制参数不确定性的干扰，保证队列中所有车辆保持期望的距离和速度，并满足车辆队列所需控制性能的一种网络攻击下智能网联汽车队列自适应事件触发控制方法。

本发明包括以下步骤：

1)实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息；

2)建立具有参数不确定性的单个车辆的纵向动力学状态空间模型；

3)基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数；

4)设计防御欺骗攻击的车辆队列自适应分布式控制方法，实时求出编队控制所需的车轮电机驱动力矩。

在步骤1)中，所述实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息，是通过车载传感器以及V2X无线通信网络来实时采集，具体包括以下步骤：

(1)车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆；

(2)通过车载传感器和GPS周期性地感知自车的状态信息，主要包括距离信息、速度信息和加速度信息；

(3)自车通过V2X无线通信网络与队列中的其他车辆进行信息交互，实时接收相应的行驶运动状态信息，主要包括跟随车辆和领航车辆的行驶距离、行驶速度和加速度信息，并在满足触发策略的条件时将自车的状态信息广播出去。

在步骤2)中，所述建立具有参数不确定性的单个车辆的纵向动力学状态空间模型，结合利用车载传感器和V2X无线通信网络得到的信息，具体步骤可为：

(1)使用牛顿第二定律推导出单个车辆的非线性纵向动力学表达式，基于逆模型补偿技术设计反馈线性化模型，求出单个车辆的线性纵向动力学模型；

(2)以车辆的位置、速度和加速度作为状态量，考虑系统的参数不确定项，建立单个车辆的纵向动力学状态空间模型。

在步骤3)中，所述基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数的具体步骤可为：

(1)基于图论定义车辆队列的通信拓扑，并给出关于邻接矩阵和拉普拉斯矩阵的定义；

(2)设定自车与领航车辆的速度差，自车与前车的距离差作为自变量，构造车辆队列控制的目标函数，使编队保持恒定的期望队形。

在步骤4)中，所述设计防御欺骗攻击的车辆队列自适应分布式控制方法，实时求出编队控制所需的车轮电机驱动力矩的具体步骤可为：

(1)给出一种自适应事件触发策略，即其事件触发阈值可以根据车辆状态信息动态调整；

(2)考虑随机且能量有限的欺骗攻击的影响，设计分布式反馈控制器，并建立具有参数不确定性的车辆队列闭环误差模型；

(3)基于Lyapunov稳定性理论和线性矩阵不等式方法，得到保证车辆队列闭环控制系统渐近稳定的充分条件；

(4)提出分布式反馈控制器增益的求解方法；

(5)将控制器代入步骤2)中第(1)部分的反馈线性化模型，实时计算车辆的车轮期望驱动力矩，从而实现智能电动车的编队控制。

本发明通过V2X无线通信系统和车载传感器采集自身以及其他车辆的行驶状态信息，采用逆模型补偿和反馈线性化的技术，建立具有参数不确定性特征的车辆纵向动力学模型，并结合自适应事件触发策略，给出车辆队列的闭环控制模型，进而设计一种防御欺骗攻击的车辆队列分布式控制方法。本发明基于自适应事件触发策略，针对车辆纵向队列系统设计出一种分布式状态反馈控制器，有效克服队列车辆遭受欺骗攻击时所带来的影响，同时抑制参数不确定性的干扰，实现编队控制的性能指标。

附图说明

图1为本发明实施例的编队控制系统结构示意图。

图2为本发明实施例的编队控制方法流程示意图。

具体实施方式

以下实施例将结合附图对本发明作进一步的说明。

如图1所示，本发明的编队控制系统包含事件触发策略模块、采样器、控制器i、传感器等模块组成，编队控制系统会在传感器采集的信息满足事件触发条件时，将自车信息通过V2X无线通信网络传播给队列中的其他车辆，从而完成欺骗攻击下的安全控制。图2表示欺骗攻击影响下的编队控制方法流程图。

本发明实施例包括以下步骤：

步骤1：车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆。通过车载传感器以及V2X无线通信网络来分别实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息。

步骤1.1：通过车载传感器和GPS周期性地测量自车的行驶状态信息，主要包括距离信息、速度信息以及加速度信息。

步骤1.2：通过V2X无线通信网络，实时接收其他跟随车辆和领航车辆的行驶状态信息，主要包括领航车辆的行驶距离信息、行驶速度信息和行驶加速度信息，并根据触发函数的决策结果来决定是否将自车的状态信息广播出去。

步骤2：根据车载传感器和V2X无线通信网络得到的信息，建立具有参数不确定性的单个车辆的纵向动力学状态空间模型

步骤2.1：对车辆的纵向运动状况进行动力学分析，基于牛顿第二定律，可以得到队列中第i辆电动车辆的非线性动力学模型；

F_d,i(t)-F_c,i(t)-m_igμ_i＝m_ia_i(t) (1)

其中，F_d,i(t)表示车辆实际的驱动力，F_c,i(t)表示空气阻力，T_d,i(t)表示车辆实际的驱动力矩，T_de,i(t)表示车辆的期望驱动力矩，m_i为车辆质量，g为重力加速度常数，μ_i为滚动阻力系数，r_a,i为轮胎半径，C_c为空气阻力系数，ρ_c为空气密度，S_c,i为车辆迎风面积，v_i(t)为车辆速度，τ_i为车辆动力学的时间常数。

使用逆模型补偿技术进行反馈线性化，将车辆的期望力矩设计为：

结合式(1)(2)(3)(4)(5)，并假设队列中车辆动力学为同构，即τ_i＝τ＞0，可以得到第i辆电动汽车的线性纵向动力学模型：

其中，a_i为车辆加速度，u_i为控制输入。

步骤2.2：将车辆的位置、速度和加速度作为状态向量：

考虑系统的参数不确定项，建立第i辆智能电动车的纵向运动模型：

其中，

假定模型中的参数不确定性是未知但有界的，即满足：

[ΔA ΔB]＝DF_Δ(t)[E₁ E₂] (8)

其中，D，E₁，E₂是具有适当维数的已知常数矩阵，F_Δ(t)是未知的时变矩阵，满足：

步骤3：基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数。

步骤3.1：基于图论，将车辆通信拓扑建模为一个有向图

节点的集合

由N辆跟随车辆组成，边的集合

描述车辆间的连通关系。定义有向图的邻接矩阵

当车辆j的信息可以被车辆i所接收时，m_ij＝1，i≠j；否则m_ij＝0。定义拉普拉斯矩阵

定义牵引矩阵

当车辆i可以接收到领航车辆的信息时，r_i＝1；否则r_i＝0。

步骤3.2：以自车与领航车辆的速度差，自车与前车的距离差为自变量，建立车辆编队控制的目标函数，即满足：

其中d₀为期望的恒定车距，p_i为第i辆车的位置。当目标函数满足时，队列能实现期望的队形。

步骤4：设计防御欺骗攻击的车辆队列自适应分布式控制方法，实时求出编队控制所需的车轮电机驱动力矩。

步骤4.1：假设车载传感器采集车状态信息的周期为h＞0，且所有车辆的采样时刻是相同的。令

表示为车辆j上一次的触发时刻，则车辆j下一个触发时刻为：

其中，

表示

时刻的采样信息与上一次传输信息的差值，

表示最近一次传输的信息，

表示

时刻的采样信息。权重矩阵χ_j＞0，时变阈值ζ_j(t)满足如下条件：

其中，

为常数，。

当

时，对

e_j(t)＝0。定义当前时刻t与距离时刻t最近的上一次采样时刻的时间差值

则车辆j在时刻

所发送的信息可以表示为

当

时，假设在两次触发的间隔内进行了n次采样。对

有：

定义当前时刻t与距离时刻t最近的上一次采样时刻的时间差值为：

因此，基于(10)可知当

时，车辆j通过无线通信所发送的信息可以表示为：

步骤4.2：当车辆状态信息在V2X网络的传输过程遭受欺骗攻击时，正常数据会被攻击信号f_j(t)所取代。考虑使用伯努利随机变量α_j(t)来描述随机攻击行为，则当

车辆i接收到的车辆j的信息可以表示为：

其中，α_j(t)∈{0,1}，α_j(t)＝1意味着发生欺骗攻击，反之则传输正常。设α_j(t)的数学期望和方差分别为

和β_j。同时假定欺骗攻击的能量是有限的，即：

其中，ρ_f为常数。

当

ν＝0,...n时，基于(10)(11)设计分布式状态反馈控制器：

其中，K＝[k₁ k₂ k₃]是待设计的常数控制增益。代入式(12)(13)，并定义

表示当前时刻t与时刻

的时间差值，可将式(15)转换为：

定义第i辆跟随车辆与领航车辆的跟踪误差

结合式(7)(16)可以得到单个车辆的跟踪误差模型：

进而得到具有参数不确定性的车辆队列闭环误差模型：

其中：

定义

可以将(18)重写为：

其中，

步骤4.3：构造Lyapunov函数：

其中，ζ(t)＝diag{ζ₁(t),...,ζ_N(t)}。则车辆队列闭环系统(19)满足渐近稳定性的条件为：

对已知的正标量

正标量

常数ρ_f，若存在对称正定矩阵P，Q₁，Q₂，χ，使得

则系统(19)是渐近稳定的。

其中，定义符号He(M)＝M+M^T，且有

证明：

根据(14)有：

其中，C₂＝[0 I_N]。又由式(10)(11)得：

其中，

χ＝diag{χ₁,…,χ_N}。将(23)(24)代入(22)得：

其中，

Ψ(t)＝[Z^T(t) Z^T(t-θ(t)) Z^T(t-d(t)) E^T(t) f^T(t-d(t))]^T。因此，当式(21)成立时，有

此时系统(19)是渐近稳定的。

步骤4.4：采用线性矩阵不等式技术，推导出分布式反馈控制器(15)的增益：

对已知的正标量

正标量

常数ρ_f，若存在对称正定矩阵U，

矩阵V，使得

则存在反馈控制器(15)使系统(19)渐近稳定，其控制增益可设计为K＝VU^-1。

其中，

证明：将(8)代入(21)，有：

其中，

使用舒尔补引理以及相关理论可将(26)转化为：

其中，ε₁，ε₂，ε₃为正常数，

(27)两边同乘

并对(25)使用相关引理，令U＝P^-1，V＝KP^-1，

即可得(21)，从而通过步骤4.3的结论直接得证。此时，控制器的控制增益为K＝VU^-1。

步骤4.5：将所求得的控制器(15)代入反馈线性化策略(5)，便可得到实时的期望控制力矩，实现相应的车辆控制。

上述实施例仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (3)

1.网络攻击下智能网联汽车队列自适应事件触发控制方法，其特征在于包括以下步骤：

1)实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息；

2)建立具有参数不确定性的单个车辆的纵向动力学状态空间模型，结合利用车载传感器和V2X无线通信网络得到的信息，具体步骤为：

(1)使用牛顿第二定律推导出单个车辆的非线性纵向动力学表达式，基于逆模型补偿技术设计反馈线性化模型，求出单个车辆的线性纵向动力学模型：

F_d,i(t)-F_c,i(t)-m_igμ_i＝m_ia_i(t) (1)

其中，F_d,i(t)表示车辆实际的驱动力，F_c,i(t)表示空气阻力，T_d,i(t)表示车辆实际的驱动力矩，T_de,i(t)表示车辆的期望驱动力矩，m_i为车辆质量，g为重力加速度常数，μ_i为滚动阻力系数，r_a,i为轮胎半径，C_c为空气阻力系数，ρ_c为空气密度，S_c,i为车辆迎风面积，v_i(t)为车辆速度，τ_i为车辆动力学的时间常数；

使用逆模型补偿技术进行反馈线性化，将车辆的期望力矩设计为：

结合式(1)(2)(3)(4)(5)，并假设队列中车辆动力学为同构，即τ_i＝τ＞0，得到第i辆电动汽车的线性纵向动力学模型：

其中，a_i为车辆加速度，u_i为控制输入；

(2)以车辆的位置、速度和加速度作为状态量，考虑系统的参数不确定项，建立单个车辆的纵向动力学状态空间模型：

其中，

假定模型中的参数不确定性是未知但有界的，即满足：

[ΔA ΔB]＝DF_Δ(t)[E₁ E₂] (8)

其中，D，E₁，E₂是具有适当维数的已知常数矩阵，F_Δ(t)是未知的时变矩阵，满足：

3)基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数；

4)设计防御欺骗攻击的车辆队列自适应分布式控制方法，实时求出编队控制所需的车轮电机驱动力矩，具体步骤为：

(1)假设车载传感器采集车状态信息的周期为h＞0，且所有车辆的采样时刻是相同的；令

表示为车辆j上一次的触发时刻，则车辆j下一个触发时刻为：

其中，

表示

时刻的采样信息与上一次传输信息的差值，

表示最近一次传输的信息，

表示

时刻的采样信息，权重矩阵χ_j＞0，时变阈值ζ_j(t)满足如下条件：

其中，

为常数；

当

时，对

e_j(t)＝0，定义当前时刻t与距离时刻t最近的上一次采样时刻的时间差值

则车辆j在时刻

所发送的信息表示为

当

时，假设在两次触发的间隔内进行了n次采样，对

有：

定义当前时刻t与距离时刻t最近的上一次采样时刻的时间差值为：

因此，基于式(10)，当

时，车辆j通过无线通信所发送的信息表示为：

(2)当车辆状态信息在V2X网络的传输过程遭受欺骗攻击时，正常数据会被攻击信号f_j(t)所取代；考虑使用伯努利随机变量α_j(t)来描述随机攻击行为，则当

车辆i接收到的车辆j的信息表示为：

其中，α_j(t)∈{0,1}，α_j(t)＝1意味着发生欺骗攻击，反之则传输正常；设α_j(t)的数学期望和方差分别为

和β_j，同时假定欺骗攻击的能量是有限的，即：

其中，ρ_f为常数；

当

时，基于式(10)(11)设计分布式状态反馈控制器：

其中，K＝[k₁ k₂ k₃]是待设计的常数控制增益，代入式(12)(13)，并定义

表示当前时刻t与时刻

的时间差值，将式(15)转换为：

定义第i辆跟随车辆与领航车辆的跟踪误差

结合式(7)(16)得到单个车辆的跟踪误差模型：

进而得到具有参数不确定性的车辆队列闭环误差模型：

其中：

定义

将式(18)重写为：

其中，

(3)构造Lyapunov函数：

其中，ζ(t)＝diag{ζ₁(t),...,ζ_N(t)}，则车辆队列闭环系统(19)满足渐近稳定性的条件为：

对已知的正标量

正标量

常数ρ_f，若存在对称正定矩阵P，Q₁，Q₂，χ，使得

则车辆队列闭环系统(19)是渐近稳定的；

其中，定义符号He(M)＝M+M^T，且有

证明：

根据式(14)有：

其中，C₂＝[0 I_N]，又由式(10)(11)得：

其中，

χ＝diag{χ₁,...,χ_N}；将式(23)和(24)代入式(22)得：

其中，Ψ(t)＝[Z^T(t) Z^T(t-θ(t)) Z^T(t-d(t)) E^T(t) f^T(t-d(t))]^T，因此，当式(21)成立时，有

此时车辆队列闭环系统(19)是渐近稳定的；

(4)采用线性矩阵不等式技术，推导出分布式反馈控制器(15)的增益：

对已知的正标量

正标量

常数ρ_f，若存在对称正定矩阵U，

矩阵V，使得

则存在分布式反馈控制器(15)使车辆队列闭环系统(19)渐近稳定，其控制增益设计为K＝VU^-1；

其中，

证明：将(8)代入(21)，有：

其中，

使用舒尔补引理以及相关理论将(26)转化为：

其中，ε₁，ε₂，ε₃为正常数，

(27)两边同乘

并对(25)使用相关引理，令U＝P^-1，V＝KP^-1，

即得(21)，从而通过步骤(3)的结论直接得证，此时，控制器的控制增益为K＝VU^-1；

(5)将所求得的分布式反馈控制器(15)代入反馈线性化策略(5)，得到实时的期望控制力矩，实现相应的车辆控制。

2.如权利要求1所述网络攻击下智能网联汽车队列自适应事件触发控制方法，其特征在于在步骤1)中，所述实时采集自车以及其他跟随车辆和领航车辆的行驶运动状态信息，是通过车载传感器以及V2X无线通信网络来实时采集，具体包括以下步骤：

(1)车辆队列由N+1辆车组成，编号为0,…,N，其中0号车为领航车辆，1,…,N号车为跟随车辆；

(2)通过车载传感器和GPS周期性地感知自车的状态信息，包括距离信息、速度信息和加速度信息；

(3)自车通过V2X无线通信网络与队列中的其他车辆进行信息交互，实时接收相应的行驶运动状态信息，包括跟随车辆和领航车辆的行驶距离、行驶速度和加速度信息，并在满足触发策略的条件时将自车的状态信息广播出去。

3.如权利要求1所述网络攻击下智能网联汽车队列自适应事件触发控制方法，其特征在于在步骤3)中，所述基于图论来描述智能电动车之间的信息交互形式，建立智能电动车编队控制的目标函数的具体步骤为：

(1)基于图论定义车辆队列的通信拓扑，并给出关于邻接矩阵和拉普拉斯矩阵的定义；

(2)设定自车与领航车辆的速度差，自车与前车的距离差作为自变量，构造车辆队列控制的目标函数，使编队保持恒定的期望队形。

Images