事件触发弹性预测控制方法及应用

内容简介

《事件触发弹性预测控制方法及应用》阐述了事件触发弹性预测控制方法及应用，力图结合非周期采样特征构建输入重构机制以确保信息物理融合系统在抵御网络攻击的前提下减少资源消耗。内容主要包括安全网络环境下事件触发预测控制方法的开发、网络攻击下弹性事件触发预测控制方法的设计与论证、弹性事件触发预测控制方法实验验证等。

目录

目录
前言
第1章 绪论1
1.1 概述1
1.2 预测控制和事件触发3
1.2.1 预测控制3
1.2.2 事件触发5
1.3 控制系统安全威胁9
1.4 弹性控制机制10
1.4.1 弹性控制的定义10
1.4.2 弹性控制的特性11
1.5 研究现状12
1.5.1 事件触发机制研究现状12
1.5.2 弹性预测控制研究现状14
第2章 基于微分信息的线性系统事件触发鲁棒预测控制18
2.1 问题描述18
2.2 算法设计20
2.2.1 *优控制问题20
2.2.2 事件触发机制设计21
2.2.3 事件触发模型预测控制算法设计23
2.3 理论分析25
2.3.1 迭代可行性分析26
2.3.2 稳定性分析30
2.4 仿真验证34
2.4.1 数值系统34
2.4.2 □□控制系统36
2.5 本章小结40
第3章 基于微分信息的非线性系统事件触发鲁棒预测控制41
3.1 问题描述41
3.2 算法设计44
3.2.1 *优控制问题45
3.2.2 事件触发机制设计46
3.2.3 事件触发模型预测控制算法设计47
3.3 理论分析48
3.3.1 迭代可行性分析48
3.3.2 稳定性分析52
3.4 仿真验证56
3.4.1 质量–弹簧–阻尼器系统56
3.4.2 连续搅拌反应釜系统59
3.5 本章小结62
第4章 基于PID信息的非线性系统事件触发鲁棒预测控制64
4.1 问题描述64
4.2 算法设计65
4.2.1 *优控制问题65
4.2.2 事件触发机制设计66
4.2.3 事件触发模型预测控制算法设计67
4.3 理论分析68
4.3.1 迭代可行性分析68
4.3.2 稳定性分析71
4.4 仿真验证74
4.5 本章小结75
第5章 DoS攻击下线性系统弹性事件触发预测控制77
5.1 问题描述77
5.2 算法设计78
5.2.1 *优控制问题78
5.2.2 弹性事件触发机制设计79
5.2.3 弹性事件触发模型预测控制算法设计79
5.3 理论分析80
5.3.1 迭代可行性分析80
5.3.2 稳定性分析82
5.3.3 网络安全分析85
5.4 仿真验证86
5.5 本章小结89
第6章 FDI攻击下非线性系统输入重构弹性事件触发预测控制90
6.1 问题描述90
6.1.1 系统描述90
6.1.2 FDI攻击建模91
6.2 算法设计92
6.2.1 事件触发模型预测控制92
6.2.2 输入重构机制设计93
6.2.3 弹性事件触发模型预测控制算法设计94
6.3 理论分析96
6.3.1 迭代可行性分析96
6.3.2 稳定性分析97
6.4 仿真验证100
6.4.1 质量–弹簧–阻尼器系统100
6.4.2 移动机器人系统102
6.5 本章小结105
第7章 FDI攻击下非线性系统能量平衡弹性自触发预测控制106
7.1 问题描述106
7.1.1 系统描述106
7.1.2 自触发模型预测控制107
7.1.3 FDI攻击建模109
7.2 算法设计110
7.2.1 能量平衡机制设计110
7.2.2 弹性自触发模型预测控制算法设计112
7.3 理论分析114
7.3.1 迭代可行性分析114
7.3.2 稳定性分析115
7.4 仿真验证116
7.4.1 质量–弹簧–阻尼器系统116
7.4.2 移动机器人系统118
7.5 本章小结121
第8章 FDI攻击下非线性系统输入重构弹性自触发预测控制122
8.1 问题描述122
8.1.1 系统描述122
8.1.2 自触发模型预测控制123
8.1.3 FDI攻击建模125
8.2 算法设计127
8.2.1 输入重构机制设计127
8.2.2 弹性自触发模型预测控制算法设计131
8.3 理论分析132
8.3.1 迭代可行性分析132
8.3.2 稳定性分析133
8.4 仿真验证135
8.4.1 质量–弹簧–阻尼器系统135
8.4.2 移动机器人系统138
8.5 本章小结140
第9章 Re□□□y攻击下非线性系统输入重构弹性自触发预测控制142
9.1 问题描述142
9.1.1 自触发模型预测控制142
9.1.2 Re□□□y攻击建模144
9.2 算法设计144
9.2.1 输入重构机制设计145
9.2.2 弹性自触发模型预测控制算法设计146
9.3 理论分析148
9.3.1 迭代可行性分析148
9.3.2 稳定性分析149
9.4 仿真验证150
9.5 本章小结152
第10章 基于移动机器人的预测控制机制实验及分析154
10.1 实验对象介绍154
10.1.1 硬件系统154
10.1.2 ROS156
10.2 □域网搭建及软件系统设计157
10.2.1 通信搭建157
10.2.2 软件系统设计159
10.3 移动机器人里程计标定159
10.3.1 里程计模型159
10.3.2 里程计标定实操161
10.4 实验分析162
10.4.1 事件触发鲁棒预测控制实验验证162
10.4.2 弹性预测控制实验验证164
10.5 本章小结167
参考文献168

精彩书摘

第1章 绪论
　　1.1 概述
　　模型预测控制（model predictive control，MPC）是一种通过使用显性过程模型预测系统未来响应的先进计算机控制技术[1]。MPC基于系统模型和□□信息，在每个采样瞬间，通过求解一个带有输入/输出约束的*优控制问题（optimal control problem，OCP）获得一系列的控制输入，然后将获得的**个控制样本应用于被控系统完成控制动作，并在下一个采样瞬间重复上述过程实现滚动优化，因此MPC也被称为后退时域控制[2]。2019年，国际自动控制联合会（Internationa lFederation of Automatic Control，IFAC）关于先进控制技术对当前和未来的影响调查结果显示，当前MPC已成为仅次于比例积分微分（proportion，integral，anddifferential，PID）控制、系统辨识、估计与滤波的*有影响力的先进控制技术之一，未来，MPC将□□其他控制技术，成为影响力**的先进控制技术[3]。
　　由于MPC具有处理多□量系统输入/输出耦合、解析考虑系统□量物理约束等优势，在机器人、风能发电、工业自动化、航空□□等实际系统中得到了广泛应用[4-6]。例如，在机器人动力学控制中，MPC可以根据机器人当前的状态和目标来计算*优的控制输入，以使机器人能够实现精准的姿态控制和位置移动[7]；在风能发电控制中，MPC可以根据现有的风速和所预测的未来风速，调整风机的转速、桨叶角度和发电机的电压、功率因数等□量，使风能发电系统的输出功率*大化，减少风力发电系统的成本[8]；在航空发动机控制中，MPC通过建立数学模型，对发动机的燃烧过程、热力学等因素进行建模，根据所需要的性能指标进行优化控制，提高系统稳定性和精度，同时减少资源消耗和成本[9]。
　　近年来，随着信息科学技术的快速发展，工业化和信息化深度融合促生出的信息物理融合系统（cyber-physical system，CPS）成为支撑和引领新一代产业□革的核心技术[10，11]。基于CPS，传统工业系统和网络控制技术实现了深度融合，已发展成多学科技术交叉的智能自主工业系统。如图1-1预测控制结构框图所示，现代智能自主工业系统的被控系统、控制器及传感器等物理元件之间通过网络层进行交互，进一步提升了系统性能。在CPS的分析、综合、设计和实施中，控制理论和方法在协调所有相关功能以*优性能完成规定任务方面起着关键性作用。MPC作为善于处理复杂约束的先进控制技术，广泛应用于带有复杂约束的CPS，如飞行器[12]、机器人[13]等。
　　图1-1 预测控制结构框图
　　然而，基于MPC的CPS通常也会受到包括通信和计算资源限制的影响。*先，对于通信资源，CPS需要在每个采样瞬间通过无线网络实现控制器、传感器和执行器之间的通信，但无线网络通常只有有限的通信带宽，尤其是当多个设备共享一个网络通道时，可用的通信资源极为有限[14]；其次，对于计算资源，传统周期MPC需要在每个采样瞬间都进行OCP的求解，因此相比于其他控制方法可能需要更多的计算资源[15]，尤其是当被控物理系统维数□大时，CPS的计算负担将进一步加大。
　　此外，由于上述控制系统的网络层在反馈回路中引入开放网络，控制信号、测量值等信息在传输中特别容易受外界攻击者的影响，进而对其造成损害或重大破坏。依据在系统中产生的影响可以将网络攻击分为欺骗攻击和阻断攻击。欺骗攻击以破坏数据完整性为目标，通过篡改通信通道传输的正常数据来实现攻击动作，如虚假数据注入（false data injection，FDI）攻击和重放（Re□□□y）攻击；阻断攻击以破坏数据可用性为目标，通过阻塞信道或捕获信号来中断正常通信，如拒绝服务（denial of service，DoS）攻击和干扰攻击。其中FDI攻击是在网络层修改传输的数据，使被攻击系统性能显著下降，所以它比其他类型网络攻击（如DoS攻击）更加危险和复杂。此外，被恶意篡改的数据包中包含的误导信息不仅会对系统性能造成破坏，而且具有一定的隐蔽性[16，17]。近年来网络攻击报道屡见不鲜。例如，国家互联网应急中心监测发现，2022年2月下旬以来，我国互联网持续遭受境外网络攻击，境外组织通过攻击控制我境内计算机，进而对俄罗斯、乌克兰、白俄罗斯进行网络攻击[18]。
　　∈Rn:xTPx.ε2，ε>0 ，表示□□域，其与□□代价权重矩阵P可以离线计算得到。文献[5]为计算P和Φ提供了行之有效的方法。
　　下面对OCP需要满足的约束条件分别进行阐述。
　　（1）约束式(1-5)表示系统状态必须满足系统动态模型。根据预测控制的基本原理，控制器在每个采样时刻以系统当前时刻的状态值作为预测未来动态的初始值，即x(tk)=x.(tk;tk)，换言之，在每个采样时刻测量得到的状态值都被用于刷新OCP，这构成了预测控制器中的反馈机制。
　　（2）约束式(1-6)表示系统状态和输入应该分别在约束集X和U之内，这是系统的固有约束。
　　（3）约束式(1-7)被称作□□约束，和□□代价构成了保证系统在原点附近的渐进稳定性的基本要素。需要强调的是，与系统固有的约束式(1-6)不同的是，□□约束式(1-7)是人为设计的不等式约束，作用是迫使系统状态在预测时域的*后时刻回到平衡点的一个预设邻域Φ之内。
　　求解OCP式(1-4)可以得到*优控制输入u.(ξ;tk)，ξ∈[tk，tk+Tp]，它是一个长度为Tp的序列。按照预测控制的基本原理，在实际控制中只将该序列中的**个值应用到系统中[22]，之后在tk+1时刻基于当前的实际状态重新求解OCP并应用得到的*优控制输入，如此“滚动”地求解OCP直到完成控制目标，其控制原理如图1-2所示。
　　图1-2 模型预测控制原理
　　1.2.2 事件触发
　　为了方便设计和分析，控制器通常采用周期控制方法，意味着在整个控制过程中需要保持较小的采样周期来保证理想的控制性能[23]。网络化控制系统计算资源和通信资源有限，这种周期控制方法毫无疑问会导致计算资源浪费和网络通信拥堵[24]。因此，为了减少系统资源的浪费，众多学者对基于事件的非周期控制进行了大量的研究。依据不同的触发方式，其可分为事件触发控制（event-triggered control，ETC）[24-28]和自触发控制（self-triggered control，STC）[29-33]，其中后者可以理解为前者的一种扩展[34]。接下来将分别阐述这两种非周期控制的基本原理和设计思路。
　　1）ETC
　　ETC系统的结构如图1-3所示。
　　下面以式(1-8)所示的线性时不□（linear time invariant，LTI）系统为例简要阐述ETC的基本原理：
　　(1-8)
　　式中，x(t)∈Rn，u(t)∈Rm，分别表示系统状态和控制输入。假定系统控制器是一个□部状态反馈控制器u(t)=Kx(t)，其中矩阵K使得A+BK是Hurwitz矩阵。定义tk是由ETC决定的状态传输时刻，当t∈[tk，tk+1]时，控制器以零阶保持（zero-orderhold，ZOH）的形式给出，即
　　(1-9)
　　图1-3 ETC系统结构示意图
　　如上所述，事件触发机制通过判断触发条件来决定触发时刻tk∈R，推导事件触发条件的一种常用方法是依据系统的候选Lyapunov函数，即V(x(t))=x(t)TPx(t)，其中P是使方程(A+BK)TP+P(A+BK)=.Q成立的正定矩阵，并且满足Q>0。具体来说，只有在保证Lyapunov函数不递减时，才会传输传感器测量值。文献[25]中，触发条件被设计为
　　(1-10)
　　式中，t表示当前时刻；tk表示*新的触发时刻；σ>0，表示可设计的常量参数。具体来说，在当前时刻t，触发机制根据触发条件式(1-10)检查当前状态测量x(t)与*近一次采样状态x(tk)之间的误差是否超过一定的阈值，如果在t时刻条件式(1-10)不被满足，则事件触发机制设置通信时间为t=tk+1，并向控制器发送x(tk+1)。文献[25]已经证明触发条件式(1-10)可以保证˙V(x(t)) a∥x(t)∥2，.t∈R，其中a>0。
　　在控制系统中，事件触发机制通常被设置在被控系统处，监测状态以评估触发条件式(1-10)，从而确定控制输入的传输时刻。仅当满足事件触发条件时，才执行控制动作并通过通信网络交换状态和控制输入，这样显然可以节省电池等供电设备的能量消耗。除了上面提到的Lyapunov稳定性条件，还有一些基于其他性能准则的事件触发条件，如基于输出反馈的L2和L∞增益稳定性[24-28]、基于输入–状态稳定性（input-to-state stability，ISS）[35]或基于状态反馈[36]等。虽然本节考虑的是线性系统，但是针对非线性系统的事件触发机制也被相继提出，部分成果参见文献[37]～[39]。