×
张聪;秦家虎;颜成珍;史，杨;王耀楠;李先生

针对欺骗攻击下移动传感器网络上移动机器人的基于不变扩展卡尔曼滤波器的弹性分布式状态估计。 （英语） Zbl 07847086号

Automatica公司 159，文章ID 111408，14 p.（2024）.
摘要：本文研究了在欺骗攻击下无线传感器网络（WSN）上移动机器人的弹性分布式状态估计问题。移动机器人的状态由其位置和方向组成，根据非线性运动模型进行演化，并且WSN是移动的。这些设置使得该问题比现有的大多数弹性分布式状态估计的研究更具挑战性，后者通过静态WSN恢复静态或线性状态。为了实现移动传感器网络（MSN）上机器人的弹性分布式状态估计，我们提出了一种新的基于不变量扩展卡尔曼滤波器的弹性分布状态估计方法。具体来说，基于李群与其李代数之间的映射，我们首先定义了一种新的估计误差类型并将其线性化。利用线性化结果，每个传感器都可以基于最后一个后验估计来计算当前的先验估计，该方法避免了雅可比矩阵计算引起的估计偏差。然后，MSN中的传感器根据协方差交集融合规则融合邻域的局部先验估计，获得比局部先验更准确的估计。最后，使用传感器收集的测量值来校正估计值。在校正过程中，为每个传感器设计了自适应增益，以限制攻击对估计的负面影响，这对于完成弹性估计任务至关重要。基于状态估计过程中计算出的协方差矩阵估计的有界性，通过对估计误差的收敛性分析，说明了该方法的性能，并通过仿真和实验结果进行了验证。

MSC公司：

93E11号机组 随机控制理论中的滤波
93E10型 随机控制理论中的估计与检测
93C85号 控制理论中的自动化系统（机器人等）
93B70型 网络控制

关键词：

弹性分布式状态估计;非线性移动机器人;移动传感器网络;不变扩展卡尔曼滤波器
PDF格式BibTeX公司 XML格式引用
\textit{C.Zhang}等人，Automatica 159，文章ID 111408，14 p.（2024；Zbl 07847086）
全文： DOI程序

参考文献：

[1] Battistelli，G.、Chisci，L.、Mugnai，G、Farina，A.和Graziano，A.（2012年）。分布式过滤的基于共识的算法。2012年IEEE第51届IEEE决策与控制会议（CDC）（第794-799页）。
[2] 巴蒂斯特利，G。；Chisci，L。；Mugnai，G。；Farina，A。；Graziano，A.，基于一致性的线性和非线性滤波，IEEE自动控制事务，60，5，1410-1415，（2014）·Zbl 1360.93687号
[3] 陈，Y。；卡尔·S。；Moura，J.M.，《弹性分布式估计：传感器攻击》，IEEE自动控制事务，64，9，3772-3779，（2018）·Zbl 1482.93602号
[4] Cheng，S。；Paley，D.A.，移动传感器团队对二维扩散平流过程的最佳指导和估计，Automatica，137，文章110112 pp.，（2022）·Zbl 1482.93296号
[5] Cheng，L。；吴，C.D。；Zhang，Y.Z.，基于无线传感器网络的室内机器人定位，IEEE消费电子交易，57，3，1099-1104，（2011）
[6] Darsena，D。；盖利，G。；我是尤迪斯。；Verde，F.，移动干扰攻击下智能城市中无人机辅助无线传感器网络的检测和盲信道估计，IEEE物联网杂志，14，9，11932-11950，（2022）
[7] 段，P。；段，Z。；Lv，Y。；Chen，G.，不确定非线性系统的分布式有限时域扩展卡尔曼滤波，IEEE控制论汇刊，51，2，512-520，（2019）
[8] Ko，M.H。；Ryuh，B.S。；Kim，K.C。；Suprem，A。；Mahalik，N.P.，《从系统集成的角度看自主温室移动机器人驱动策略：回顾与应用》，IEEE/ASME机电一体化汇刊，20，4，1705-1716，（2014）
[9] Lai，R。；Lin，W。；Wu，Y.，《智能机器人关键技术、应用领域和发展趋势研究综述》，（2018年智能机器人与应用国际会议论文集，（2018），施普林格），449-458
[10] Lee，J.G。；Kim，J。；Shim，H.，基于分布式中值解算器的全分布式弹性状态估计，IEEE自动控制汇刊，65，9，3935-3942，（2020）·Zbl 1533.93769号
[11] Lee，S.S。；Lee，D.H。；Lee，D.K。；Ahn，C.K.，移动机器人定位的改进非线性有限记忆估计方法，IEEE/ASME机电学报，27，5，3330-3338，（2022）
[12] 李，H。；Savkin，A.V.，工业物联网中基于无线传感器网络的微型飞行机器人导航，IEEE工业信息学汇刊，14，8，3524-3533，（2018）
[13] 梁，Y。；Dong，X。；Han，L。；李强。；Ren，Z.，移动传感器网络的全局最优分布式时变权重信息滤波器，富兰克林研究所学报，357，11，7308-7326，（2020）·Zbl 1455.94061号
[14] 林，Z。；Han，T。；郑，R。；Yu，C.，切换拓扑下混合测量的分布式定位，Automatica，76，251-257，（2017）·Zbl 1352.93075号
[15] 刘杰。；苏，W。；查·L。；田，E。；Xie，X.，针对DoS攻击的非线性网络系统的安全分布式状态估计，鲁棒和非线性控制国际期刊，30，3，1156-1180，（2020）·Zbl 1447.93345号
[16] Milioto，A.、Lottes，P.和Stachniss，C.（2018年）。利用CNN中的背景知识对精确农业机器人的作物和杂草进行实时语义分割。2018年IEEE机器人与自动化国际会议（ICRA）（第2229-2235页）。
[17] Mitra，A。；Sundaram，S.，拜占庭LTI系统分布式观察员，Automatica，108，第108487条，pp.，（2019）
[18] Potokar，E.R。；诺曼，K。；Mangelson，J.G.，水下导航的不变扩展卡尔曼滤波，IEEE Robotics and Automation Letters，6，3，5792-5799，（2021）
[19] 钱，W。；郭，S。；Zhao，Y。；Fei，S.，具有随机非线性、衰落测量和随机增益变化的传感器网络的分布式弹性状态估计，鲁棒和非线性控制国际期刊，32，3，1510-1525，（2022）
[20] Simonetto，A.、Keviczky，T.和Babuška，R.（2010年）。基于加权一致性的机器人定位分布式非线性估计。2010年IEEE机器人与自动化国际会议（ICRA）论文集（第3026-3031页）。
[21] 宋，C。；刘，L。；冯·G。；范，Y。；Xu，S.，具有有限位置测量误差的异构移动传感器网络的覆盖控制，Automatica，120，文章109118 pp.，（2020）·Zbl 1448.93007号
[22] Song，Y。；张，Z。；吴杰。；王，Y。；赵，L。；Huang，S.，基于对象SLAM的右不变扩展卡尔曼滤波器，IEEE Robotics and Automation Letters，7，2，1316-1323，（2022）
[23] Stengel，R.F.，《最优控制与估计》（Dover Books on Mathematics，（1994），Dover：Dover New York）·Zbl 0854.93001号
[24] 陶，B。；吴，H。；龚，Z。；尹，Z。；Ding，H.，一种结合相位差和可读性的基于RFID的移动机器人定位方法，IEEE自动化科学与工程学报，18，3，1406-1416，（2020）
[25] Teng，S.、Mueller，M.W.和Sreenath，K.（2021）。使用带速度更新的不变扩展卡尔曼滤波器估计湿滑环境中的腿部机器人状态。《2021年IEEE机器人与自动化国际会议（ICRA）进展》（第3104-3110页）。
[26] TurtleBots3（2017），[在线]。可用：http://emanual.robatis.com/docs/en/platform/turlbot3/overview。
[27] Wu，Y。；Isidori，A。；Lu，R.，关于非线性系统分布式观测器的设计，IEEE自动控制汇刊，67，7，3229-3242，（2022）·Zbl 07564950号
[28] 张，C。；秦，J。；李，H。；王，Y。；王，S。；Zheng，W.X.，基于Consensus的无线传感器网络分布式双目标跟踪，Automatica，146，第110593页，（2022）·Zbl 1504.93355号
[29] 张，C。；秦，J。；马奇。；Shi，Y。；Li，M.，时变欺骗攻击下LTI系统的弹性分布式状态估计，IEEE网络系统控制事务，10，1，381-393，（2023）
[30] 张伟安。；杨，X。；Yu，L。；Liu，S.，基于RSS的移动机器人与事件驱动WSN定位的序列融合估计，IEEE工业信息学报，12，4，1519-1528，（2016）
[31] 张，H。；周，X。；王，Z。；Yan，H.，移动传感器网络中基于事件的混合卡尔曼滤波机动目标跟踪，IEEE控制论汇刊，50，10，4346-4357，（2019）
[32] 朱，H。；吴，H。；Luo，M.，用于移动无线传感器网络中基于RSS的目标跟踪的环境自适应事件驱动鲁棒容积卡尔曼滤波器，IEEE物联网杂志，10，6，5530-5542，（2023）
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。