【技术实现步骤摘要】
本申请涉及无人船自主控制，尤其涉及一种重放攻击下网络化无人船轨迹跟踪控制方法。
技术介绍
1、对无人水面自主船舶来说，智能自主安全航行控制是一个核心模块，其依赖着关键技术——无线网络通信来完成。在网络通信中，无人船的位置和速度状态及控制信息均需通过无线网络到达接收端；在开放共享的网络环境中，这些传输通道脆弱且易受网络攻击侵扰。其中，重放攻击手段狡猾且性质恶劣，严重威胁了无人船航行控制安全。
2、当重放攻击发生时，重放位置和速度攻击信息均会随传感器信息进入控制系统，造成系统性能严重降级。为了解决重放攻击，学界提出了各类方法来实现网络化控制系统的安全控制，其中包括状态估计、攻击检测、系统切换等。但是，这些方案需要预知目标系统精确的先验信息或影响系统控制性能，在实际航行中，无人船会受到海洋环境干扰和船舶参数摄动，因此精确信息要求不能始终满足。
3、另外，在实践中，执行器需要高频响应控制指令来抵偿外界扰动或攻击干扰，这使得执行器磨损问题加剧；同时在控制设计算法中，其计算的控制指令不可避免地会超出无人船执行器的物理限制，发生输出饱和现象。这均会对无人船的控制性能产生不良影响。
技术实现思路
1、有鉴于此，本申请提供一种重放攻击下网络化无人船轨迹跟踪控制方法，可以在重放攻击下完成无人船的可靠控制。
2、具体地，本申请是通过如下技术方案实现的：
3、本申请第一方面提供一种重放攻击下网络化无人船轨迹跟踪控制方法，所述方法包括：
4、根据三
5、分析重放攻击作用机理，结合伯努利随机变量，建立重放攻击数学模型；
6、根据所述动力学和运动学数学模型、所述重放攻击数学模型以及神经网络系统建立自适应神经网络状态观测器；
7、基于所述自适应神经网络状态观测器，在矢量反步法的框架下，结合神经网络及最小参数学习技术，设计自适应神经网络输出反馈跟踪控制律；
8、基于重放攻击下所述真实状态信息对应的时序未知特性及所述自适应神经网络输出的所述反馈跟踪控制律，建立周期性事件触发机制。
9、本申请第二方面提供一种重放攻击下网络化无人船轨迹跟踪控制装置，所述装置包括跟踪模块、处理模块和设计模块，其中，
10、所述跟踪模块，用于根据三自由度全驱动船舶运动信息建立动力学和运动学数学模型，实时跟踪所述全驱动船舶的期望状态信息和真实状态信息；根据所述全驱动船舶控制输入的饱和约束，利用光滑函数取代饱和非线性；
11、所述处理模块，用于分析重放攻击作用机理，结合伯努利随机变量，建立重放攻击数学模型；
12、所述处理模块，还用于根据所述动力学和运动学数学模型、所述重放攻击数学模型以及神经网络系统建立自适应神经网络状态观测器；
13、所述设计模块，还用于基于所述自适应神经网络状态观测器，在矢量反步法的框架下，结合神经网络及最小参数学习技术，设计自适应神经网络输出反馈跟踪控制律；
14、所述处理模块，还用于基于重放攻击下所述真实状态信息对应的时序未知特性及所述自适应神经网络输出的所述反馈跟踪控制律，建立周期性事件触发机制。
15、本申请第三方面提供一种重放攻击下网络化无人船轨迹跟踪控制设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本申请第一方面提供的任一项所述方法的步骤。
16、本申请第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本申请第一方面提供的任一项所述方法的步骤。
17、本申请提供的重放攻击下网络化无人船轨迹跟踪控制方法，不同于现有的观测器，本专利技术采用有限覆盖原理及神经网络估计技术使得提出的自适应神经网络状态观测器具有双重效益，一是独立于控制器设计，二是无需无人船精确的位置信号。进一步的，本专利技术利用观测器的重构能力，恢复了无人船的真实速度信息，从而取代重放攻击下受损速度信号进入控制系统，进一步保障了重放攻击下无人船的控制性能。进一步的，本专利技术通过在控制器-驱动器间建立周期性事件触发机制，降低了驱动器对控制指令的响应次数，缓解了机械磨损；另外，选取机制具有无需对触发条件实时监控以及无需对重放攻击下控制指令微分的优点，避免了芝诺现象的发生。
本文档来自技高网...【技术保护点】
1.一种重放攻击下网络化无人船轨迹跟踪控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述三自由度全驱动船舶的所述运动信息包含船舶位姿、角速度、控制力矩。
3.根据权利要求1所述的方法，其特征在于，所述根据三自由度全驱动船舶运动信息建立动力学和运动学数学模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述全驱动船舶控制输入的饱和约束，利用光滑函数取代饱和非线性，包括：
5.根据权利要求1所述的方法，其特征在于，所述分析重放攻击作用机理，结合伯努利随机变量，建立重放攻击数学模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述动力学和运动学数学模型、所述重放攻击数学模型以及神经网络系统建立自适应神经网络状态观测器，包括：
7.根据权利要求6所述的方法，其特征在于，所述构造一阶滤波器获得重放攻击信号导数，包括：
8.根据权利要求6所述的方法，其特征在于，所述在所述重放攻击数学模型基础上，结合有限覆盖原理，覆盖未知的所述重放攻击信号导数，包括
9.根据权利要求6所述的方法，其特征在于，所述在已覆盖的所述全驱动船舶的船舶位置信号的基础上，结合所述神经网络系统构建所述自适应神经状态观测器，包括：
10.根据权利要求1所述的方法，其特征在于，所述设计自适应神经网络输出反馈跟踪控制律，包括：
11.根据权利要求1所述的方法，其特征在于，所述基于重放攻击下所述真实状态信息对应的时序未知特性及所述自适应神经网络输出的所述反馈跟踪控制律，建立周期性事件触发机制，包括：
...【技术特征摘要】
1.一种重放攻击下网络化无人船轨迹跟踪控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述三自由度全驱动船舶的所述运动信息包含船舶位姿、角速度、控制力矩。
3.根据权利要求1所述的方法，其特征在于，所述根据三自由度全驱动船舶运动信息建立动力学和运动学数学模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述全驱动船舶控制输入的饱和约束，利用光滑函数取代饱和非线性，包括：
5.根据权利要求1所述的方法，其特征在于，所述分析重放攻击作用机理，结合伯努利随机变量，建立重放攻击数学模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述动力学和运动学数学模型、所述重放攻击数学模型以及神经网络系统建立自适应神经...
【专利技术属性】
技术研发人员：曲津锋，许正月，崔诚昊，潘宝峰，祝贵兵，
申请(专利权)人：浙江海洋大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。