在执行器故障和DoS攻击下，基于数据的迭代学习簇共识控制用于非线性多智能体系统（MASs）

《IEEE Systems Journal》：Data-Driven Iterative Learning Cluster Consensus Control for Nonlinear MASs Under Actuator Faults and DoS Attacks

可重复非线性多智能体系统在执行器故障和DoS攻击下的共识控制问题，提出数据驱动故障容忍与入侵容忍迭代学习控制（FTIT-ILC）方法。通过局部动态线性化建立故障代理数据映射，结合自适应执行器故障补偿和基于伯努利分布的DoS攻击补偿机制，实现双目标收敛保障。实验验证了方法有效性。

　　

摘要：

本文探讨了在执行器故障和拒绝服务（DoS）攻击下，可重复的非线性多智能体系统的弹性容错集群共识控制问题。为了规避未知的智能体动态行为并利用先前的运行数据，通过局部动态线性化技术，在迭代域内建立了包含故障信息的智能体数据映射。在网络层，假设随机DoS攻击遵循伯努利分布，并引入了反向攻击补偿机制。在物理层，基于改进的投影算法构建了一种自适应的执行器故障补偿策略。在该设计中，提出了一种数据驱动的容错和抗入侵迭代学习控制（FTIT-ILC）方法，以确保双重保障。该方法? 收敛性分析条件基于不可约子随机矩阵的性质。最后，实验验证了FTIT-ILC方法的有效性。

引言

近年来，多智能体系统（MASs）在控制领域受到了广泛关注。由于其全面的协作能力和自主性，MASs被广泛认为是解决复杂分布式控制任务的有效范式。共识问题是MASs中的一个基本问题，在[1]、[2]、[3]等研究中得到了深入探讨，并为更复杂的任务奠定了基础。