基于攻击估计器和状态观测器的T-S模糊安全路径跟踪控制技术，用于网络化无人地面车辆（UGVs）在面临传感器和执行器攻击时的保护。该控制方案采用积分带宽感知的事件触发机制来实现动态调整

《Chaos, Solitons & Fractals》：Attack estimator and state observer-based T-S fuzzy security path tracking control of networked UGVs with sensor and actuator attacks via integral bandwidth-aware event-triggered scheme

　　摘要
本文提出了一种基于T-S模糊逻辑的安全路径跟踪控制策略，用于应对遭受传感器和执行器攻击的联网无人地面车辆（UGVs），该策略采用了一种积分带宽感知的事件触发方案。首先，为联网无人地面车辆构建了一个T-S模糊系统，以处理由速度变动引起的非线性动态问题。其次，引入了两种不同的径向基函数神经网络（RBFNNs）来检测传感器和执行器通道中的伪造数据注入攻击，并设计了新的攻击补偿观测器和控制器。为了提高网络资源的利用效率，提出了一种积分带宽感知的事件触发方案，以延长事件间隔并减少冗余数据传输。此外，还构建了一个基于观测器状态和动态网络带宽状态的触发阈值，以增强方案对复杂网络环境的适应性。在此基础上，基于攻击估计器和状态观测器的攻击补偿控制器被设计出来，以实现针对未知攻击的主动防御。最后，通过一组线性矩阵不等式给出了求解控制器增益、观测器增益和触发矩阵的充分条件。仿真结果验证了所提出的安全路径跟踪控制策略的有效性。

章节摘录
术语表
为便于理解，本文使用的所有缩写在表1中进行了详细说明。

系统描述与准备工作
在本节中，图中展示了在双重网络攻击和IBAETS（Inside-Body Attack and Evasion Techniques）条件下，基于RBFNN的UGV安全控制框架。表2列出了本文中使用的主要符号。

研究重点
本研究分析了UGVs的横向运动特性。在建立坐标系时，车辆的横向位移y沿机体固定框架的横向轴定义，而航向状态φ则在惯性框架内校准。

主要结果
基于系统（35）的稳定性分析，在定理2中制定了触发矩阵和观测器及控制器增益的联合设计准则。为了简洁起见，引入并定义了辅助矩阵Ia如下：
Ia = (0^2nx, 2nx)(a?1)I2nx, (0^2nx, 3nx+nz)(3?a), a=1; (0^2nx, 2nx)(a?1)Inx, (0^2nx, 2nx+nz)(4?a), a=2; (0^nz, 3nx+nz)(a?3)Inz, (0^nz, 2nx+nz)(4?a), a=3, 4; (0^2nx, 3nx+nz)(a?3)I2nx, (0^2nx, 2nx)(5?a), a=5。

定理1
对于给定的标量α1、α2、γ、?1、?2、b，在IBAETS条件下的UGV（35）...

仿真示例
在本节中，进行了多组对比仿真以验证所提出方法的优越性。UGVs的关键参数配置如下：M=1470kg, Iz=1536.7kg/m2, lf=1.015m, lr=1.895m, Cf=34087N/rad, Cr=34087N/rad, vxmin=5m/s, vxmax=10m/s。

结论
本文研究了复杂网络环境中联网UGVs的路径跟踪控制问题，并提出了一种基于RBFNN攻击估计器和IBAETS的安全控制方案。首先，通过泰勒逼近方法构建了一个简化的T-S模糊模型来处理速度变动引起的非线性动态问题。其次，当传感器和执行器同时遭受FDIA（False Data Injection Attacks）时，设计了攻击补偿观测器和控制器。

作者贡献声明
胡心宇：负责撰写初稿、可视化设计、软件开发、方法论研究、数据分析、概念构建。
沈艳：负责审稿与编辑、验证工作、项目监督、资源协调、方法论制定、资金申请、数据整理及概念构建。
孙宇：负责撰写初稿、可视化设计、软件开发、数据分析。
蔡月：负责审稿与编辑、验证工作、项目监督、软件开发及数据整理。

利益冲突声明
作者声明在提交本手稿过程中不存在任何利益冲突。

致谢
本研究部分得到了国家自然科学基金（项目编号：62573234）的支持，部分得到了江苏省科学技术协会青年精英科学家资助计划（项目编号：JSTJ-2025-061）的资助，还得到了江苏省研究生研究与实践创新计划（项目编号：26CXJH2133）的支持。