基于切换非线性扰动观测器的自适应性能控制：应对虚假数据注入攻击与输入饱和约束

《Neural Networks》：Adaptive performance control of switched nonlinear systems under false data injection attacks and input saturation constraints

本文针对控制器-执行器通道遭受虚假数据注入(FDI)攻击的切换非线性系统，提出了一种自适应性能控制策略。该策略通过设计新型切换非线性扰动观测器(SNDO)重构隐式失配扰动，并引入修正的固定时间性能函数平衡输入饱和与跟踪性能。结合神经网络逼近技术和反步控制框架，有效抑制了复合扰动和FDI攻击的影响，实现了具有预定性能的鲁棒跟踪控制，为安全关键系统的可靠运行提供了新思路。

　　

亮点

• 1)
  与以往研究扰动的方法不同，本研究重点关注与系统状态耦合的隐式扰动。尽管Wang等人(2024)考虑了类似的复合扰动，但本研究基于动态高增益技术开发了新型切换非线性扰动观测器(SNDO)，旨在有效处理切换条件下的扰动。
• 2)
  不同于传统预定性能控制策略，本研究同时考虑了性能和能力约束，开发出更灵活的性能控制策略。
• 3)
  与He等人(2024b)提出的切换非线性系统自适应律相比，本研究引入了分段切换自适应律，降低了控制器的保守性，提高了系统适应性。

扰动观测器设计

设计SNDO以补偿失配扰动对系统性能的影响：

?i,m(t) = d?i,m(t) + λiLii(t)xi

其中λ_i为设计参数。d?_i,m(t)由以下辅助系统生成：

d??i,m(t) = -(pi,m+λiLii(t))d?i,m(t) - λiLii(t)xi+1

• •
  λ_iL_iⁱ(t)f?_i,m(x?_i) - iλ_iL_i^i-1(t)L?_i(t)x_i
  其中p_i,m>0为设计参数。f?_i,m(x?_i)是f_i,m(x?_i)的RBFNN估计值。

自适应性能控制器设计

首先设计坐标变换：

z1= E(χ(t))

z_i= x_i- β_i, i=2,3,...,n-1

z_n= x_n- β_n- μ(t)

采用指令滤波器生成滤波输出β_i：

ρiβ?i+ βi= αi-1

其中ρ_i>0为设计参数。通过引入连续函数避免符号函数的不连续问题。

稳定性分析

定理1

在假设1-3条件下，针对遭受FDI攻击和输入饱和的切换非线性系统(2)，若SNDO按(6)式构建，动态高增益由(14)式生成，控制信号按(28)、(35)、(42)式定义，自适应更新律设计如下：

θ??j,k= -ηjθ?j,k+ Λj,kπjsatε,jNε,jhj

θ??_j,m= -η_jθ?_j,m, m≠k

???_k= -r_w??_k+ N_ε,n

???_m= -r_w??_m, m≠k

其中j=1,2,...,n，η_i, r_w>0为设计参数，且η_i需满足η_i>4λ_il_iΛ_i,m，则控制目标可实现。

仿真研究

例1：船舶舵机系统因外部环境变化存在参数不确定性，建立以下切换非线性模型：

Cσ(t)φ? + Kσ(t)H(φ?) = Kσ(t)δ

其中C_σ(t)和K_σ(t)为受环境影响的时间变参数，φ表示航向角，δ为控制舵角。H(φ?)=∑_i=1^rb_iφ?^2i-1代表未知非线性函数。

结论

本研究探讨了具有非对称输入饱和和FDI攻击的切换非线性系统的自适应抗扰控制。值得注意的是，所设计的SNDO不依赖于失配扰动上界已知的假设，提供了更灵活有效的解决方案。此外，本研究提出的控制策略不仅在FDI攻击下实现了弹性控制，还平衡了性能约束与系统容量。