面向执行器攻击的不确定奇异马尔可夫跳变系统自适应参数估计神经滑模控制

《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Adaptive parameter estimation-based neural sliding mode control for uncertain singular Markovian jump systems against actuator attacks

【字体: 大 中 小 】 时间:2026年04月12日 来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 11

编辑推荐:

  本文主要聚焦于求解执行器攻击下奇异马尔可夫跳变系统(SMJSs)的基于自适应参数估计的神经滑模控制问题。该奇异马尔可夫跳变系统具有自适应不确定参数和不可获取状态。此外,由于控制信号在传输过程中存在脆弱性,执行器可能接收到来自恶意攻击的被篡改指令。为减轻执行器攻

  
本文主要聚焦于求解执行器攻击下奇异马尔可夫跳变系统(SMJSs)的基于自适应参数估计的神经滑模控制问题。该奇异马尔可夫跳变系统具有自适应不确定参数和不可获取状态。此外,由于控制信号在传输过程中存在脆弱性,执行器可能接收到来自恶意攻击的被篡改指令。为减轻执行器攻击所引发的影响,研究人员采用基于神经网络(NN)的策略,对对抗者注入的欺诈信息进行逼近与评估。随后,利用所推导的自适应律,对系统不确定参数进行在线估计。同时,将一种新设计的滑模观测器并入系统,以估计不可观测状态,从而显著提升系统状态监测的完整性。进一步提出一种创新性的自适应神经滑模控制策略,该策略旨在保证估计状态及其相应误差均能够收敛到滑模流形。与此同时,该策略保证不确定奇异马尔可夫跳变系统的随机容许性。最后,通过对直流(DC)电机与四分之一车辆主动悬架(QCAS)模型的实证研究,验证了所提方法的有效性与适用性。
该文发表于《RELIABILITY ENGINEERING 》。论文面向网络化控制系统(NCSs)环境下的安全控制问题,研究对象为同时具有奇异结构、马尔可夫跳变特性、参数不确定性、部分状态不可测以及执行器攻击风险的奇异马尔可夫跳变系统(SMJSs)。研究背景在于:奇异系统不同于常规系统,其动力学受代数方程与微分方程耦合约束,系统分析与控制设计不仅要考虑稳定性,还必须同时保证正则性与无脉冲性,否则可能诱发内部脉冲或非因果行为;而当系统运行于共享通信网络中时,控制指令在传输中又容易遭受恶意篡改,导致闭环性能下降甚至失稳。与此同时,实际工业对象常呈现结构和参数的随机突变,因此适合以马尔可夫跳变系统建模。当上述因素叠加后,传统针对单一不确定性或有界攻击假设的控制框架已难以满足要求。尤其是在实际场景中,未知参数与执行器攻击往往并存,且攻击项的先验边界难以准确获得,因此有必要发展一种能够同步处理参数不确定性、攻击补偿、状态估计与奇异跳变系统随机容许性约束的综合控制方法。

围绕这些问题,研究人员构建了不确定SMJSs在执行器攻击下的自适应神经滑模控制框架。论文首先将执行器攻击建模为未知非线性项,并利用神经网络(NN,非线性函数逼近工具)对其进行在线逼近,从而避免对攻击范数有界性的强先验假设。其次,针对系统中未知的自适应参数θ(t),设计了相应的自适应参数估计机制,使控制器能够在运行过程中对参数偏差进行在线辨识与补偿。再次,考虑到部分系统状态不可直接测量,研究人员引入滑模观测器,对不可观测状态进行重构,并使状态估计误差与系统跟踪误差共同趋于预设滑模面。基于此,进一步提出自适应神经滑模协同控制策略,并在Lyapunov理论与线性矩阵不等式(LMI)框架下推导闭环系统随机容许性的充分条件。论文最后通过直流电机与四分之一车辆主动悬架模型两个算例验证了方法的可行性,表明所提方案能够在攻击和不确定性并存条件下维持系统良好运行。总体而言,该研究的重要意义在于:它在奇异马尔可夫跳变系统的安全控制领域中,将参数自适应估计、神经网络攻击逼近、滑模观测与滑模控制统一于同一框架,拓展了SMJSs在网络攻击场景下的鲁棒控制理论与应用范围。

就主要技术方法而言,论文采用了以下几个关键手段:其一,建立含未知参数θ(t)与执行器攻击项的奇异马尔可夫跳变系统模型;其二,利用神经网络(NN)对未知攻击非线性函数进行在线逼近与补偿;其三,构造滑模观测器估计不可测状态,并设计滑模面以协调状态与误差收敛;其四,推导自适应律实现未知参数θ(t)的在线估计;其五,在Lyapunov函数与线性矩阵不等式(LMI)框架下给出闭环系统随机容许性的判据;其六,采用直流(DC)电机和四分之一车辆主动悬架(QCAS)模型开展仿真验证。文中提供的样本来源并非生物样本队列,而是两个工程系统模型算例。

在研究结果方面,论文主体可概括如下。

Main results
在该部分中,研究人员首先考虑一类带有自适应参数θ(t)的奇异马尔可夫跳变系统模型,其中矩阵E满足rank(E)=σ≤n,表明系统属于典型奇异系统范畴;系统矩阵A(ξt)、B(ξt)、C(ξt)随马尔可夫链模态变化而切换。θ(t)被定义在[0,1]范围内,用以表征实际系统中的参数偏差与认知不确定性。围绕这一模型,论文发展的核心结果是:通过神经网络对未知执行器攻击进行逼近,并结合自适应参数估计、自适应滑模控制和滑模观测器设计,使得闭环系统在满足相应LMI条件时实现随机容许性,同时保证估计状态与相关误差能够收敛至滑模流形。该部分的主要贡献不在于简单给出模型,而在于由模型出发建立了一套兼顾奇异性、跳变性、攻击性和参数不确定性的统一控制设计框架。

Simulation example
该部分通过数值算例验证理论方法的有效性。Example 1选取直流(DC)电机系统作为说明对象,并指出该算例来源于既有文献。文中给出电机在随机工况突变下的建模形式,其中w?(t)、i(t)、u(t)分别对应转速、电流和电压,模态g∈{1,2}表明该对象具有跳变特性。该算例意在说明:当执行器指令在传输中遭受恶意篡改,且系统内部还存在不确定参数时,所提神经滑模控制方法仍能通过攻击逼近、自适应补偿与滑模机制保持系统可控性和稳定运行特征。除直流电机外,摘要还说明论文进一步使用四分之一车辆主动悬架(QCAS)模型进行了实证研究,这表明方法不仅适用于电机驱动对象,也适用于车辆悬架这类具有工程代表性的机电系统。该部分的结论是,所提方法具有较好的有效性与应用适应性。

Conclusions
论文结论指出,本研究解决了执行器攻击下奇异马尔可夫跳变系统的带参数估计的自适应神经滑模控制问题。通过利用神经网络,对以非线性函数形式表征的未知执行器攻击进行了有效逼近。基于专门设计的滑模面,构建了自适应滑模控制框架,使控制系统能够借助自适应技术处理SMJS参数中的不确定性。结合前文摘要与引言可知,该方法还融合了状态观测器设计,从而在存在不可测状态时仍可实施闭环控制。结论部分总体表明,研究所提出的控制策略在处理攻击补偿、参数估计、状态收敛和随机容许性保障等方面形成了协同机制,并通过算例验证了方法的有效性。

从讨论角度看,论文的核心学术价值主要体现在三个层面。首先,在问题设定上,研究并未将执行器攻击简单限制为已知上界或范数有界扰动,而是借助神经网络逼近未知攻击非线性,这使得控制设计对攻击先验信息的依赖有所降低,增强了方法的一般性。其次,在控制结构上,论文将自适应参数估计与神经滑模控制结合,不仅应对系统未知参数θ(t),还对执行器攻击?(x(t),t)进行近似与补偿,从而弥补了现有研究中难以同时处理两类威胁的不足。再次,在理论分析上,研究基于Lyapunov理论和LMI框架推导闭环SMJS随机容许性的条件,使所得结论与奇异系统特有的正则性、无脉冲性和稳定性要求保持一致。由此可见,该文不是仅针对普通跳变系统给出鲁棒控制器,而是面向具有更复杂结构约束和网络安全风险的奇异跳变系统提出了系统性解决方案。

论文研究结论可译述为:本研究处理了执行器攻击下奇异马尔可夫跳变系统具有参数估计机制的自适应神经滑模控制问题。借助神经网络,对由非线性函数刻画的未知执行器攻击进行了有效逼近。基于专门设计的滑模面,构建了自适应滑模控制框架,使控制系统能够通过自适应技术应对SMJS参数中的不确定性。综合理论分析与仿真结果表明,所提出方法能够保证相关状态及误差收敛,并维持闭环系统的随机容许性,显示出良好的有效性与应用潜力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号