《Journal of Marine Science and Engineering》：Dual-Channel Event-Triggered Prescribed Performance Control for USV Under False Data Injection Attack
编辑推荐：
为解决网络化无人水面艇（Unmanned Surface Vessel, USV）在虚假数据注入（False Data Injection, FDI）攻击下的轨迹跟踪问题，研究人员提出了一种基于自适应神经网络的预设性能控制方案。首先，考虑网络攻击、系统不确定性
为解决网络化无人水面艇（Unmanned Surface Vessel, USV）在虚假数据注入（False Data Injection, FDI）攻击下的轨迹跟踪问题，研究人员提出了一种基于自适应神经网络的预设性能控制方案。首先，考虑网络攻击、系统不确定性和时变扰动的不利影响，设计了一种自适应神经网络观测器，用于估计和补偿集总扰动。在此基础上，针对传感器到控制器和控制器到执行器通道分别开发了一种动态事件触发机制，从而形成一种新颖的双通道动态事件触发机制（Dual-Channel Dynamic Event-Triggered Mechanism, DDETM）。该机制减少了频繁数据交换导致的非必要通信开销和执行器磨损，同时能够通过推力分配对执行器退化进行定量分析。此外，基于二阶预设性能函数（Second-Order Prescribed Performance Function, SOPPF）和动态面控制（Dynamic Surface Control, DSC）提出了一种控制算法，以确保跟踪误差的瞬态和稳态性能，同时缓解传统反步法带来的计算复杂度。利用李雅普诺夫（Lyapunov）理论，证明了闭环系统中所有信号一致最终有界，并避免了Zeno行为。仿真结果进一步验证了所提控制方法在解决USV轨迹跟踪问题上的有效性。
无人水面艇（USV）在海洋资源勘探、环境调查、沿海巡逻和反潜行动等领域的广泛应用中，轨迹跟踪控制是关键技术。然而，USV运行于恶劣海洋环境，易受未知时变扰动、执行器磨损以及网络攻击的影响，尤其面临虚假数据注入（FDI）攻击——这种攻击具有高隐蔽性和破坏性，可篡改控制输入数据，导致航向偏差或系统崩溃。现有研究多假设被攻击系统的非线性动态参数已知，但实践难以满足，且传统时间触发控制造成通信资源浪费和执行器过度磨损。虽然事件触发机制可减少通信负担，但现有工作主要关注控制器到执行器（C-A）通道，对传感器到控制器（S-C）通道关注不足，静态事件触发在系统稳定后触发频率不减，且缺乏对执行器磨损的定量分析。同时，预设性能控制虽能保证轨迹跟踪性能，但现有方法未同时考虑瞬态和稳态性能，且存在计算复杂度问题。为此，研究人员开展本研究，旨在FDI攻击和资源受限通信环境下提升USV航行安全。
研究人员提出一种基于自适应RBF神经网络的预设性能控制策略，集成双通道动态事件触发机制（DDETM）。首先将FDI攻击、不确定非线性动态和时变干扰统一建模为集总不确定项，设计自适应RBF神经网络观测器进行估计和补偿。接着为传感器-控制器（S-C）和控制器-执行器（C-A）通道分别构造动态事件触发机制，形成DDETM，减少通信开销并定量分析执行器磨损。基于二阶预设性能函数（SOPPF）和动态面控制（DSC）设计控制器，保证跟踪误差瞬态和稳态性能，同时降低计算复杂度。通过李雅普诺夫理论证明闭环系统信号一致最终有界，避免Zeno行为。在Cybership III（1:30缩尺模型）上进行仿真，设置两个轨迹场景和四种FDI攻击强度，并与传统预设性能控制（TPPC）和自适应滑模控制（ASMC）对比。结论表明：所提策略在轨迹跟踪精度、收敛速度、通信资源节省及执行器磨损减少方面均优于对比方法。论文发表在《Journal of Marine Science and Engineering》。
主要关键技术方法包括：(1) 自适应RBF神经网络观测器，用于估计包含FDI攻击、不确定动态和时变干扰的集总不确定项；(2) 双通道动态事件触发机制（DDETM），分别用于传感器-控制器（S-C）和控制器-执行器（C-A）通道，通过内部动态变量调节触发阈值，减少通信和执行器更新频率；(3) 基于二阶预设性能函数（SOPPF）的误差转换，将跟踪误差约束在预设边界内；(4) 动态面控制（DSC）技术，避免对虚拟控制律直接微分，降低计算复杂度；(5) 推力分配实验，定量评估执行器磨损（累积旋转角）。仿真基于Cybership III模型（1:30缩尺），在MATLAB/Simulink（R2024b）中进行，设定两个轨迹场景和四种攻击强度（无攻击、单倍、双倍、四倍）。
### 4.1. Scenario 1
通过场景1的仿真，对比所提策略与TPPC的轨迹跟踪、误差收敛、控制输入、观测器估计、双通道触发事件、推力器角度变化和实时功率。结果表明：所提策略的实际轨迹紧密跟随参考轨迹，初始阶段快速收敛，跟踪误差迅速趋于零；在不同攻击强度下，控制输入波动可控，观测器准确重构集总不确定项；双通道触发间隔在稳态阶段显著延长，减少通信负载；推力分配实验显示，执行器角度调整后稳定；所提策略的平均跟踪误差比TPPC降低64.79%。
### 4.2. Scenario 2
场景2采用不同参考轨迹和初始状态，重复上述仿真。结果显示：所提策略的轨迹跟踪更贴近参考轨迹，初始收敛更快；四个攻击强度下的跟踪误差均收敛至小范围；控制输入保持相对稳定；观测器在初始波动后有效逼近集总不确定项；双通道触发事件在稳态阶段通信负载显著降低；推力器角度调整后稳定在不同范围；所提策略的平均跟踪误差比TPPC降低45.14%。综合两个场景，通过积分绝对误差（IAE）和时加权积分绝对误差（ITAE）量化指标，验证了所提策略在跟踪精度上的优越性。此外，采用DDETM后，场景1和场景2中推力器磨损分别减少70.38%和75.21%，平均能耗和计算时间也显著下降。
论文的结论部分总结了研究内容：本文研究了网络攻击下USV的轨迹跟踪控制问题，提出了一种基于自适应神经网络的双通道动态事件触发预设性能控制策略。将FDI攻击、不确定非线性动态和时变干扰整合为综合未知模型，利用自适应神经网络进行估计并在控制器中补偿。提出的双通道动态事件触发机制不仅减少了系统通信资源消耗，还最小化了不必要的执行器磨损，是一种节能实用的控制方法。该高性能控制器在FDI攻击、复杂环境扰动和模型不确定性下保证了跟踪精度，为网络攻击下的USV控制提供了高效方案。仿真结果表明，与单通道DETM下的预设性能控制相比，所提控制方案实现了更低的通信资源消耗和更高的控制性能。需要指出的是，所提控制算法在相对理想的仿真条件下验证，实际海事应用中需考虑执行器饱和及参数整定问题，未来研究将在实船上实施和验证。
