在遭受欺骗攻击的异构互联自动驾驶车辆融合控制中具有恢复能力的神经滑模距离调节机制

《IEEE Transactions on Intelligent Vehicles》：Resilient Neural-Sliding-Mode Distance Regulation in Merging Control of Heterogeneous Connected Automated Vehicles Subject to Deception Attacks

　　

摘要：

在由联网自动驾驶车辆组成的智能交通系统中，由于车队中各车辆之间的通信链路存在脆弱性，具备弹性的距离调节机制显得极为重要。而在自适应巡航控制系统中，时变距离调节机制往往被忽视，这导致右侧车道或匝道上的其他车辆无法并入车队。因此，本文的主要贡献在于设计一种具有弹性机制的自适应神经滑模巡航控制系统，该系统能够使后续车辆跟随领车车的速度和加速度变化，同时保持相邻车辆之间适当的安全距离，即便有其他车辆试图并入车队。为此，首先设计了自适应神经滑模控制算法以及变结构虚拟干扰观测器，以便为接收并入信号的车辆提供安全且平滑的时变距离调节功能，同时在系统存在网络攻击、外部干扰及未知非线性因素的情况下，仍能维持与其他车辆之间的预定距离。此外，该系统还能确保在领车车带动所有车辆的架构下，后续车辆能够准确跟随领车车的速度和加速度变化。据作者所知，这是首次提出一种针对面临未知非线性因素及欺骗性攻击的自动驾驶车辆车队，且具备距离调节功能的弹性非线性巡航控制方法。最后，数值实验验证了该控制方法在实现控制目标、提升系统弹性方面的有效性，同时也显示出其相较于近期提出的其他方法的优势。

I. 引言

网络安全问题吸引了众多来自不同研究领域的学者关注，这些领域包括自动驾驶汽车[1]、智能交通系统[2]以及信息物理系统[3]。在智能交通系统中，如何让车队中的车辆保持与领车车相同的速度及加速度变化，同时确保车辆之间有足够的安全距离，对交通流有着重要影响，尤其是在有车辆试图并入车队的情况下。这一现象源于越来越多自动驾驶车辆以车队形式行进的趋势。实际上，在现实交通环境中，有效控制交通状况对于避免事故、减少空气污染以及防止交通拥堵具有重要意义，而这类交通环境可能会因环境变化或特定参数的改变而出现突发状况。这一控制过程的成功与否，取决于领车车与周边自动驾驶车辆之间能否通过车载无线网络，如车辆自组网[VANETS][4][5]，实现信息交流。因此，网络攻击可能会严重削弱系统的效能、安全性及可靠性。