基于神经网络的T-S模糊系统攻击补偿控制：针对执行器攻击，并采用改进的动态内存事件触发机制

首页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

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《IEEE Transactions on Fuzzy Systems》：Neural Network-Based Attack-Compensation Control of T–S Fuzzy Systems Against Actuator Attacks With Improved Dynamic Memory-Event-Triggered Scheme

【字体：大中小】 时间：2026年01月04日 来源：IEEE Transactions on Fuzzy Systems 11.9

编辑推荐：

　　T–S模糊系统在执行器攻击下的神经网络基事件触发控制研究，提出动态记忆事件触发机制改善触发性能，结合T–S模糊观测器和RBF神经网络估计器设计攻击补偿控制器，通过Simpson第二法则推导系统有界稳定条件并验证H∞性能。

摘要：

本文研究了在存在执行器攻击的情况下，基于神经网络的T-S模糊系统的事件触发式攻击补偿控制问题。为了提高触发性能，本文提出了一种新型的改进动态记忆事件触发机制。该机制具有以下三个显著特点：首先，使用某些记忆输出的平均值而非当前输出，以减少由于数据抖动频繁引起的触发事件；其次，引入了一个与基于记忆的触发条件相关的动态变量，以扩大触发间隔；第三，应用Jensen不等式来放宽传统的触发条件（该条件以记忆信号平均值的二次形式表示），从而进一步提高触发效率。为了执行状态反馈控制并减轻注入执行器的未知恶意攻击的影响，分别设计了一个T-S模糊观测器和基于径向基函数神经网络的估计器来估计系统状态和执行器攻击。基于这两者的结合，构建了一个攻击补偿控制器。然后，借助Simpson第二法则来处理由记忆信号和通信延迟引起的变量极限积分函数，推导出几个充分条件，以确保系统具有

热点排行

新闻专题

联系信箱：

粤ICP备09063491号