×
张振宇;薛红（Xue，Hong）;梁红晶;张鹏超

非线性多智能体系统对抗执行器攻击的时变编队控制。 （英语） Zbl 1504.93015号

J.富兰克林研究所。 359，编号18，11068-11088（2022）.
摘要：针对执行器攻击的时滞非线性多智能体系统，研究了具有时变特性的编队控制问题。构造了一种基于神经网络的自适应控制方法，以实现期望的控制目标，即跟随器的输出可以完成编队构型的期望变换。为了消除恶意攻击对执行器的影响，提出了执行器攻击防御策略，以抵抗执行器中发生的虚假数据注入攻击。用神经网络近似方法解决了非线性函数引起的动力学不确定性。采用改进的Lyapunov-Krasovskii泛函方法处理时滞问题，避免了控制方法构造过程中可能出现的奇异性问题。基于李亚普诺夫稳定性理论，证明了闭环系统的所有信号都是半全局稳定的，并且形成误差可以收敛到原点的一个小邻域。最后，通过仿真验证了理论分析的可行性和所提控制方法的有效性。

引用于5文件

MSC公司：

93甲16 多代理系统
93C40型 自适应控制/观测系统
93立方厘米10 控制理论中的非线性系统
93立方厘米 延迟控制/观测系统

关键词：

时滞非线性多智能体系统;基于神经网络的自适应控制
PDF格式BibTeX公司 XML格式引用
\textit{Z.Chang}等人，J.Franklin Inst.359，No.18，11068--11088（2022；Zbl 1504.93015）
全文： 内政部

参考文献：

[1] Wang，Y。；Cheng，L。；Hou，Z.G。；Yu，J。；Tan，M.，基于递归神经网络的多机器人系统的最优构成，IEEE Trans。神经网络。学习。系统。，27, 2, 322-333 (2016)
[2] 李，S。；R.孔。；Guo，Y.，多机器人协作分布式源搜索：算法和实验，IEEE/ASME Trans。机电一体化。，19, 6, 1810-1820 (2014)
[3] 曲，Z。；Wang，J。；Hull，R.A.，动力系统的协同控制及其在自动车辆上的应用，IEEE Trans。自动化。控制，53、4、894-911（2008）·Zbl 1367.93076号
[4] 威廉姆森，W.R。；Abdel Hafez，M.F。；李，I。；Song，E.J。；Wolfe，J.D。；Chichka，D.F。；Speyer，J.L.，《编队飞行中的仪表系统》，IEEE Trans。控制系统。技术。，15, 1, 75-85 (2007)
[5] Chen，K。；马，Z。；Bai，L。；Sheng，H。；Cheng，Y.，具有时变时滞的合作竞争网络上Cucker-Smale模型的二方群集行为的出现，神经计算，507325-331（2022）
[6] 王，X。；张，P。；王，Z。；迪纳瓦希，V。；Chang，G。；马丁内斯，J.A。；Davoudi，A。；Mehrizi-Sani，A。；Abhyankar，S.，智能电网应用多智能体仿真中的接口问题，IEEE Trans。电力输送，28,1918-1927（2013）
[7] 贾，T。；潘，Y。；Liang，H。；Lam，H.K.，具有时变位移约束的主动车辆悬架系统基于事件的自适应定时模糊控制，IEEE Trans。模糊系统。(2022)
[8] 傅琦。；杜，L。；徐，G。；Wu，J.，通过迭代学习算法实现具有分布式参数模型的多智能体系统的一致控制，J.Franklin Inst.，355，10，4453-4472（2018）·Zbl 1390.93035号
[9] 博米克，S。；Panja，S.，带相对输出反馈的执行器饱和下线性多智能体系统的二部跟踪，IEEE Trans。电路系统。二、 68、1、386-390（2021年）
[10] 文，G。；陈，C.L.P。；刘义杰。；Liu，Z.，一类非线性多智能体状态延迟系统的神经网络自适应领导者跟随一致控制，IEEE Trans。赛博。，47, 8, 2151-2160 (2017)
[11] Mu，C。；赵（Q.Zhao）。；高，Z。；Sun，C.，使用强化学习的离散时间多智能体系统最优一致性控制的Q学习解决方案，J.Franklin Inst.，356，136946-6967（2019）·Zbl 1418.93250号
[12] Xing，L。；温，C。；郭，F。；刘，Z。；Su，H.，《无连续通信的线性多智能体系统基于事件的共识》，IEEE Trans。赛博。，47, 8, 2132-2142 (2017)
[13] 戴，X。；王，C。；田，S。；黄，Q.，基于迭代学习的分布参数模型多智能体时滞系统一致性控制，J.Franklin Inst.，356，10，5240-5259（2019）·Zbl 1415.93233号
[14] Liang，H。；郭，X。；潘，Y。；Huang，T.，基于分布式降阶观测器的网络系统事件触发模糊二分跟踪控制，IEEE Trans。模糊系统。，29, 6, 1601-1614 (2021)
[15] 李，H。；Wu，Y。；陈，M。；Lu，R.，多智能体系统的自适应多梯度递归强化学习事件触发跟踪控制，IEEE Trans。神经网络。学习。系统。，1-13 (2021)
[16] Liang，H。；杜，Z。；黄，T。；Pan，Y.，具有功率积分器和未知测量灵敏度的多智能体系统的神经自适应性能保证控制，IEEE Trans。神经网络。学习。系统。，1-12 (2022)
[17] 哦，好吧。；马萨诸塞州帕克。；Ahn，H.S.，《多智能体编队控制调查》，Automatica，53，424-440（2015）·Zbl 1371.93015号
[18] 陈，G。；姚，D。；周，Q。；李，H。；Lu，R.，具有规定性能的USV分布式事件触发编队控制，J.Syst。科学。复杂性，1559-7067（2021）
[19] 华，C。；你，X。；Guan，X.，二阶时变非线性多智能体系统的自适应领导跟随共识，IEEE Trans。赛博。，47, 6, 1532-1539 (2017)
[20] Dong，X。；Xi，J。；卢，G。；Zhong，Y.，高阶线性时不变时滞多智能体系统的编队控制，IEEE Trans。控制网络。系统。，1, 3, 232-240 (2014) ·Zbl 1370.93180号
[21] 工程应用中多Agent系统的分布式协调控制专刊
[22] 华，Y。；Dong，X。；胡，G。；李，Q。；Ren，Z.，具有未知输入非自治先导的异构线性多智能体系统的分布式时变输出形成跟踪，IEEE Trans。自动化。控制，64，10，4292-4299（2019）·Zbl 1482.93039号
[23] 华，Y。；Dong，X。；李，Q。；Ren，Z.，具有执行器故障和定向拓扑的二阶多智能体系统的分布式容错时变编队控制，IEEE Trans。电路系统。二、 65,6774-778（2018）
[24] 李，X。；温，C。；Chen，C.，具有纯方位测量的网络机器人系统的自适应编队控制，IEEE Trans。赛博。，51, 1, 199-209 (2021)
[25] Chong，M.S。；桑德伯格，H。；Teixeira，A.M.，《网络物理系统安全和隐私教程导论》，2019年第18届欧洲控制会议（ECC），968-978（2019）
[26] Dibaji，S.M。；皮拉尼，M。；Flamholz，D.B。；Annaswamy，A.M。；Johansson，K.H。；Chakrabortty，A.，《CPS安全的系统和控制视角》，年。版本控制，47，394-411（2019）
[27] Tang，Y。；张，D。；Shi，P。；张伟。；Qian，F.，DoS攻击下非线性多智能体系统基于事件的编队控制，IEEE Trans。自动化。控制，66，1，452-459（2021）·Zbl 07320171号
[28] 潘，Y。；Wu，Y。；Lam，H.K.，通过弹性事件触发方案对具有dos攻击的非线性网络控制系统进行基于安全性的模糊控制，IEEE Trans。模糊系统。(2022)
[29] 孟，M。；肖·G。；Li，B.，传感器和执行器攻击下异构多代理系统的自适应共识，Automatica，122，109242（2020）·Zbl 1451.93359号
[30] He，W。；Mo，Z。；Han，Q.L。；Qian，F.，易受欺骗攻击的Lipschitz型多智能体系统中的安全脉冲同步，IEEE/CAA J.Autom。罪。，7, 5, 1326-1334 (2020)
[31] 丁博士。；王，Z。；Han，Q.L。；Wei，G.，受欺骗攻击的离散随机非线性系统的安全控制，IEEE Trans。系统。人类网络。系统。，48, 5, 779-789 (2018)
[32] 穆斯塔法，A。；Modares，H.，离散时间分布式多智能体系统的攻击分析和弹性控制设计，IEEE Rob。自动。莱特。，5, 2, 369-376 (2020)
[33] 金，X。；Haddad，W.M.，《具有随机扰动和传感器与执行器攻击的领导-跟随多智能体系统的自适应控制体系结构》，《国际控制杂志》，92，11，2561-2570（2019）·Zbl 1425.93156号
[34] Forti，N。；巴蒂斯特利，G。；Chisci，L。；李，S。；王，B。；Sinopoli，B.，分布式联合攻击检测和安全状态估计，IEEE Trans。信号信息处理。净值。，4, 1, 96-110 (2018)
[35] Sundaram，S。；Hadjicostis，C.N.，在存在恶意代理的情况下通过线性迭代策略进行分布式函数计算，IEEE Trans。自动化。控制，56，7，1495-1508（2011）·Zbl 1368.93140号
[36] Jin，Y。；Zhang，Y。；Jing，Y。；Fu，J.，切换时滞系统容错控制的平均驻留时间方法及其应用，IEEE Trans。Ind.Electron公司。，66, 4, 3139-3147 (2019)
[37] 唐，S。；李毅。；冯·G。；Li，T.，一类具有未知时滞的非线性系统的基于观测器的自适应模糊反推动态表面控制，IET控制理论应用。，5, 12, 1426-1438 (2011)
[38] 陈，C.L.P。；温，G.X。；刘义杰。；Wang，F.Y.，使用神经网络的一类非线性多智能体时滞系统的自适应一致性控制，IEEE Trans。神经网络。学习。系统。，25, 6, 1217-1226 (2014)
[39] 朱伟。；姜振平，基于事件的领导-遵循输入时滞多智能体系统的共识，IEEE Trans。自动化。控制，60，5，1362-1367（2015）·Zbl 1360.93268号
[40] 王，M。；Wang，L。；黄，R。；Yang，C.，具有不匹配扰动的离散时间SPMSM基于事件的扰动补偿控制，国际期刊系统。科学。，52, 4, 785-804 (2021) ·Zbl 1483.93411号
[41] 丁·L。；Guo，G.，具有马尔可夫切换拓扑和通信延迟的非线性多智能体系统的采样数据领导遵循共识，J.Franklin Inst.，352，1，369-383（2015）·Zbl 1307.93241号
[42] 李，H。；Su，H.，通过自适应间歇控制实现非线性动力学多智能体系统的分布式一致性，J.Franklin Inst.，352，10，4546-4564（2015）·Zbl 1395.93015号
[43] 潘，Y。；李，Q。；Liang，H。；Lam，H.K.，通过隶属函数在线学习策略实现模糊系统的新型混合控制方法，IEEE Trans。模糊系统。(2022)
[44] Sun，J。；张，H。；Wang，Y。；Sun，S.，随机切换IT2模糊不确定时滞非线性系统的容错控制，IEEE Trans。赛博。，52, 2, 1335-1346 (2022)
[45] 张，H。；Mu，Y。；高，Z。；Wang，W.，执行器和传感器同时发生故障的非线性系统的基于观测器的故障重建和容错控制，IEEE Trans。模糊系统。(2022)
[46] 林·G。；李，H。；马，H。；姚，D。；Lu，R.，具有执行器故障的非线性多智能体系统的人在上一致性控制，IEEE/CAA J.Autom。罪。，9, 1, 111-122 (2022)
[47] Liang，H。；刘，G。；黄，T。；香港林。；Wang，B.，具有非微分饱和非线性的随机非线性系统网络的协同容错控制，IEEE Trans。系统。人类网络。系统。，52, 3, 1362-1372 (2022)
[48] Liang，H。；刘，G。；张，H。；Huang，T.，具有动态不确定性的非仿射非线性多智能体系统基于神经网络的事件触发自适应控制，IEEE Trans。神经网络。学习。系统。，32, 5, 2239-2250 (2021)
[49] 萨胡，A。；Xu，H。；Jagannathan，S.，单输入单输出非线性离散时间系统基于自适应神经网络的事件触发控制，IEEE Trans。神经网络。学习。系统。，27, 1, 151-164 (2016)
[50] Dong，X。；Hu，G.，具有多个领导者的线性多智能体系统的时间变化编队跟踪，IEEE Trans。自动化。控制，62，7，3658-3664（2017）·Zbl 1370.93011号
[51] 华，C。；关，X。；Shi，P.，使用神经网络的时滞非线性系统鲁棒输出反馈跟踪控制，IEEE Trans。神经网络。，18, 2, 495-505 (2007)
[52] Hou，Z.G。；Cheng，L。；Tan，M.，使用神经网络的多智能体系统一致性问题的分散鲁棒自适应控制，IEEE Trans。系统。人类网络。B部分，39，3，636-647（2009）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。