在DoS攻击下，用于无人水面舰艇轨迹跟踪的事件触发式预设性能控制

《Ocean Engineering》：Event-triggered prescribed performance control for trajectory tracking of unmanned surface vehicle under DoS attacks

针对无人艇在DoS攻击和网络资源受限下的轨迹跟踪控制问题，本文提出了一种结合动态记忆事件触发机制、有限时间命令滤波自适应律和改进预设性能函数的控制策略。通过优化性能约束边界和自适应估计不确定参数，有效抑制了通信中断导致的系统奇异性和误差超限，同时降低通信负载。仿真验证了该方法在有限时间内实现误差严格收敛，并提升轨迹跟踪鲁棒性的效果。

　　无人水面航行器（Unmanned Surface Vehicle, USV）作为现代海洋技术的重要组成部分，正逐步在海洋监测、资源勘探、救援任务等场景中发挥关键作用。其核心挑战之一在于如何在通信资源受限和遭受网络攻击（如拒绝服务攻击，Denial-of-Service, DoS）的情况下，实现轨迹跟踪控制的稳定性与精确性。本文的研究旨在解决这一问题，提出一种结合预设性能控制（Prescribed Performance Control, PPC）和动态记忆事件触发机制（Dynamic Memory Event-Triggered Mechanism, DMETM）的控制策略，以提高USV在复杂环境下的适应性与可靠性。

在传统研究中，USV的轨迹跟踪控制通常依赖于线性化假设，如PID控制和线性二次调节器（LQR）。然而，这些方法在面对强非线性动态特性时，往往难以满足实际应用中的控制精度与鲁棒性要求。近年来，基于Lyapunov递归设计框架的反步控制（Backstepping Control）被广泛用于处理非线性系统，但其在实际应用中仍面临“微分爆炸”（Differential Explosion）问题，限制了其性能。为了解决这一问题，研究者引入了命令滤波技术，构建了新的反步控制架构，从而有效降低计算复杂度。这些方法在提高系统响应速度和稳定性方面取得了显著进展，但它们的算法复杂度也相应增加，可能影响实时控制的效率。

此外，USV作为典型的网络化物理系统（Cyber-Physical System, CPS），其运行高度依赖于连续且可靠的通信和数据流。然而，通信资源的有限性以及网络安全问题的存在，使得传统的基于时间触发的机制（Time-Triggered Mechanism, TTM）在实际应用中显得不足。TTM会频繁发送不必要的数据包，增加通信负载并浪费网络资源。相比之下，事件触发机制（Event-Triggered Mechanism, ETM）通过在特定条件满足时更新控制信号，能够有效降低通信负担并减少执行器的磨损。近年来，动态事件触发机制（Dynamic Event-Triggered Mechanism, DETM）进一步优化了事件触发的频率，提高了网络资源的利用率。然而，DETM在触发判断时仅依赖于当前系统的瞬时状态，未能充分利用历史信息。因此，研究者提出了动态记忆事件触发机制（DMETM），通过引入记忆单元，使该机制能够跟踪和利用过去一段时间内的系统状态数据，从而更准确地评估触发需求。

与此同时，USV在执行轨迹跟踪任务时，往往面临外部扰动和系统不确定性的影响。这些因素可能导致控制精度下降，影响任务的完成质量。为此，研究者开发了多种扰动观测器和智能算法，如固定时间扰动观测器（Fixed-Time Disturbance Observer, FDTO）和自结构神经网络（Self-Structuring Neural Network, SSNN）。这些方法在处理系统不确定性方面具有显著优势，但它们的算法复杂度较高，可能导致计算效率下降和实时响应延迟。因此，如何在保证控制性能的同时，降低算法复杂度，成为当前研究的重要方向。

在这一背景下，本文提出了一种新的预设性能控制策略，该策略不仅考虑了USV在通信资源受限和遭受DoS攻击时的性能需求，还通过引入动态记忆事件触发机制，优化了通信负载。此外，为了应对系统不确定性，本文还设计了一种基于有限时间命令滤波的自适应律，用于估计和补偿系统中的不确定因素。这一方法在保证系统快速收敛的同时，显著简化了整体控制框架，提高了系统的适应性和鲁棒性。

本文的研究主要分为以下几个部分。首先，针对USV在通信中断情况下可能出现的系统超调和性能约束违反问题，设计了一种新的预设性能函数（Prescribed Performance Function, PPF）。该函数通过适当放宽性能约束边界，避免了由于攻击导致的系统奇异问题，同时减少了状态超调的风险。此外，该方法还具备自适应调整能力，能够有效缓解攻击对系统的影响。

其次，考虑到USV通信资源的限制，本文提出了一种动态记忆事件触发机制（DMETM）。该机制通过引入状态依赖的动态变量，智能调整事件触发阈值（Event Triggering Threshold, ETT），并结合记忆项充分利用历史信息。这种方法能够有效延长事件触发间隔（Event Triggering Interval, ETI），提高通信资源的利用率。与传统的DETMs相比，DMETM在触发判断时不仅考虑当前系统的状态，还结合历史数据，从而更精确地评估触发需求，减少不必要的通信传输。

第三，为了应对USV在执行轨迹跟踪任务时面临的外部扰动和系统不确定性，本文设计了一种基于有限时间命令滤波的自适应律。该自适应律能够快速估计并补偿系统中的不确定因素，从而提高控制精度。同时，该方法通过简化算法框架，降低了计算复杂度，提高了系统的实时响应能力。与传统的扰动观测器和智能算法相比，本文提出的方法在保持控制性能的同时，显著提高了系统的效率。

本文的研究结果表明，所提出的控制策略能够有效应对USV在遭受DoS攻击时的稳定性问题，同时保证轨迹跟踪的精度和可靠性。通过结合预设性能控制和动态记忆事件触发机制，该策略不仅提高了系统的适应性，还优化了通信资源的利用效率。此外，基于有限时间命令滤波的自适应律能够在保证系统快速收敛的同时，减少计算复杂度，提高控制效率。

为了验证所提出方法的有效性，本文进行了详细的仿真实验。实验中采用的USV数学模型为CyberShip II，其具体参数参考了（Fossen et al., 1996）的研究成果。在仿真中，USV的初始状态被设置为η(0) = [0.5, 0.5, π/3]^T，其中包含USV的实际位置（x, y）和航向角ψ。速度变量ν(0) = [0, 0, 0]^T，表示USV的纵向速度u、横向速度v和航向角速度r。参考轨迹被设定为η_d = {x_d = 4 sin(0.02t), y_d = 2.5 ? 2.5 cos(0.02t), ψ_d = 0.02t}。通过设置系统的饱和限制，确保控制信号在有效范围内，避免系统超调和性能约束违反。

仿真结果表明，所提出的控制策略在应对DoS攻击时表现出良好的鲁棒性和稳定性。在遭受攻击的情况下，系统能够快速恢复并保持轨迹跟踪的精度。此外，动态记忆事件触发机制有效延长了事件触发间隔，减少了不必要的通信传输，从而提高了通信资源的利用率。基于有限时间命令滤波的自适应律能够在保证系统快速收敛的同时，减少计算复杂度，提高控制效率。

本文的研究成果为USV在复杂环境下的轨迹跟踪控制提供了新的思路和方法。通过结合预设性能控制、动态记忆事件触发机制和有限时间命令滤波自适应律，所提出的控制策略不仅提高了系统的适应性和可靠性，还优化了通信资源的利用效率。这些方法在应对DoS攻击和系统不确定性方面表现出显著优势，为未来USV的自主导航和任务执行提供了重要的理论支持和技术保障。

此外，本文的研究还揭示了当前USV控制技术在应对复杂环境和网络安全问题时的局限性。尽管已有研究在提高控制精度和鲁棒性方面取得了进展，但它们在算法复杂度和实时响应方面仍存在不足。因此，本文提出的方法通过优化算法结构和通信机制，为解决这些技术挑战提供了可行的解决方案。未来的研究可以进一步探索这些方法在不同应用场景下的适应性，以及如何在保证控制性能的同时，进一步降低算法复杂度和通信负担。

综上所述，本文提出了一种新型的预设性能控制策略，结合动态记忆事件触发机制和有限时间命令滤波自适应律，以提高USV在通信资源受限和遭受DoS攻击时的轨迹跟踪性能。该策略在保证系统快速收敛和稳定性的同时，有效降低了算法复杂度和通信负担，为未来USV的自主导航和任务执行提供了重要的理论支持和技术保障。通过结合这些先进的控制方法，USV能够在复杂和动态的海洋环境中，实现高效、稳定和精确的轨迹跟踪控制，从而更好地完成各项任务。