【摘 要】
：
随着工业设计的不断创新,工业设备与人的数字化进程正在迅速加快。工业信息物理系统（Industrial-Cyber-Physical-System,ICPS）通过无线网络结合信息系统和物理设备,实现工业智能化计算、通信和控制。但是ICPS通信网络的脆弱性使得系统容易受到数据注入攻击的破坏,造成工业设备故障,系统运行性能显著下降,甚至系统崩溃。ICPS在极端工业环境下计算、电池设备等通信资源是有限的,
论文部分内容阅读
随着工业设计的不断创新,工业设备与人的数字化进程正在迅速加快。工业信息物理系统（Industrial-Cyber-Physical-System,ICPS）通过无线网络结合信息系统和物理设备,实现工业智能化计算、通信和控制。但是ICPS通信网络的脆弱性使得系统容易受到数据注入攻击的破坏,造成工业设备故障,系统运行性能显著下降,甚至系统崩溃。ICPS在极端工业环境下计算、电池设备等通信资源是有限的,在解决安全问题时,还需考虑能耗问题。因此,本文从弹性控制和事件触发两方面研究数据注入攻击下的安全防御策略,用尽可能少的通信资源,实现ICPS对攻击的有效缓解。主要研究内容如下:（1）研究存在干扰和噪声的ICPS中,传感器至控制器任意信道会遭遇数据注入攻时的事件触发弹性控制策略。为降低通信资源使用率,基于输入到状态理论,采用H∞观测器、预测器和事件触发器建立基于事件触发的ICPS模型;为缓解数据注入攻击,构造基于改进卡尔曼滤波器的攻击补偿模块,利用攻击策略矩阵重构攻击补偿模块的参数,使系统具有一定弹性。（2）研究存在干扰、噪声和延时的ICPS中,测量通道和控制通道受到异步数据注入攻击的自适应事件触发弹性控制策略。为解决传统阈值固定的事件触发机制很难适应工业系统恶劣环境的变化,设计阈值可动态调整的自适事件触发机制,以保证系统具有一定的弹性。建立异步事件触发时序模型,针对不同攻击场景,采用异步事件触发控制结合动态输出反馈的控制策略。基于反馈控制理论,充分利用攻击信号、网络时延引起的系统变化信息和动态阈值构造合适的李雅普泛函,分析系统的稳定性能和H∞性能,并给出联合设计动态控制器和事件触发参数矩阵的充分条件。（3）研究分布式传感器结构下ICPS受到分布式数据注入攻击时的自适应事件触发弹性控制策略。引入对数量化器,构建基于分布式自适应事件触发的量化ICPS结构来进一步降低通信资源的使用率。建立刻画分布式自适应事件触发、量化、攻击和网络动态延时的闭环系统模型,并引入自由权矩阵来进一步降低稳定的保守型,通过李雅普稳定性理论和线性矩阵不等式理论分析系统的稳定性和H∞性能。采用MATLAB作为仿真工具,选取倒立摆系统作为被控对象,并以控制摆杆的位置为目标,仿真系统受到数据注入攻击时,本文所给出的事件触发弹性控制策略的有效性和实用性。实验结果表明,本文所设计的事件触发弹性控制策略,在缓解单通道、双通道及分布式数据注入攻击时都有很好的效果,且能进一步有效降低通信资源的使用率。
其他文献
迭代学习控制是一种广泛应用于执行重复任务的高性能控制方法,其直接根据之前批次的系统输入输出信息不断修正更新当前批次的控制输入信号,最终在有限时间内实现对参考轨迹的完全跟踪。将优化理论与迭代学习控制技术相结合,能够得到最优型学习控制器以实现快速跟踪。然而在实际的工业过程中,系统输出往往不需要跟踪完整的参考轨迹,只需要在某些特定时间点处跟踪上给定的参考值。例如机器人的“取”和“放”操作,只需要专注于拾
间歇过程具有生产灵活的特点,广泛应用于化妆品、食品、药品等领域。迭代学习模型预测控制（ILMPC）兼具迭代学习控制（ILC）和模型预测控制（MPC）的优点,具有良好的抗干扰能力和约束处理能力,在间歇过程关键过程变量的轨迹跟踪中得到了广泛的应用。然而,ILMPC的预测模型是建立在原始变量空间的,变量间的共线性和高维性使得预测模型的开发变得困难和耗时。其次,ILMPC也存在在线计算量过大的问题。并且,
切换正系统由有限个正的子系统以及一组切换信号组成。切换正系统既有切换系统复杂的动力学行为特性又具有正系统独特的状态非负特性,因此针对此类系统相关控制问题的研究也相对棘手。切换正系统在控制领域应用广泛,并与经济、生物、通信等众多实际生活领域密切相关,因而引起了学者们的极大关注。实际工程应用中,系统短时间内的动态行为变化至关重要,很多系统满足无限时间区间的稳定性能却不能满足短时间区间内的性能指标。典型
随着社会的快速发展,人们的生活水平逐渐提高。但是与此同时,人们不规律的生活方式也使得更多疾病的发生,肿瘤甚至也变成了一种常见的疾病。脑肿瘤是常见的恶性肿瘤之一,其致死率较高,目前只有通过手术或放疗来治疗。因此,脑肿瘤的早期诊断对于改善患者的病情至关重要。核磁共振成像（Magnetic Resonance Imaging,MRI）可以帮助医生观察到病人大脑内部的情况,迅速地确定病灶区域。但是脑肿瘤具
受传输介质、周围环境以及人为因素的影响,控制信号在传输过程中难免会出现时延.时延的出现严重影响系统的控制品质,甚至稳定性.要对时延系统实行有效控制,就必须获得系统的参数.因此研究时延系统的参数辨识方法具有重要理论意义和应用前景.本文以线性连续时间时延系统为研究对象,基于系统正弦响应的观测数据,研究其参数辨识方法,主要内容如下:1.对于线性系统,其正弦响应是一个与输入同频率的含迟延相位的正弦信号,即
多智能体系统的分布式协同控制近年来逐渐受到众多研究者的关注,在这个研究领域中,多智能体系统的安全性问题也逐渐成为了热门的新兴研究方向之一。在实际应用中,智能体之间的局部信息交换往往受到恶意攻击的影响。重放攻击是计算机黑客常用的攻击方式之一,其隐匿性往往对系统造成巨大的危害。由于无法预料攻击会发生在何时何地,因此必须提供有复原力的解决办法以削弱攻击带来的危害,确保多智能体系统在受到恶意攻击的情况下完
工业无线传感器网络（Industrial Wireless Sensor Networks,IWSN）在工业监控中起着重要作用,但IWSN通常位于人工干预少的环境中,且无线电传播的广播性质导致IWSN比有线传感器网络更容易受到窃听攻击。物理层安全性正在成为一种有希望的安全通信范式,利用无线信道内在的时变性、互易性和差异性等特性,其实质为减少窃听者获得的合法信息同时最大化合法节点之间的安全通信速率,
模型预测控制（Model predictive control,MPC）在处理复杂约束、多变量系统的控制问题时表现出了巨大的潜力,已经在众多工业领域中获得了成功的应用,并逐渐成为现代工业环境中最常见的优化控制策略之一。传统的模型预测控制方法采用周期滚动优化的模式,并且优化控制问题通常较为复杂,使得在线计算量较大,限制了其在实际控制系统里的应用范围。尤其是当需要控制的系统通信和计算资源受限时,更加难
目前,在日益提升的计算力与海量的标注数据的推动下,以深度学习为代表的人工智能实现快速的发展,但在其高准确率的背后也存在着通用智能水平弱,计算力依赖度高等局限性。以第三代人工神经网络-脉冲神经网络（Spike neuron network,SNN）为代表的类脑计算借鉴了大脑的高效率和低能耗的计算特点,被认为是有望解决人工智能问题的重要途径。由于SNN的快速乃至实时的仿真需求以及明显的分布式计算特征,
人类大脑智能水平高、功耗低,其计算模式非常值得借鉴。类脑计算通过模仿生物大脑的运行机制来实现信息处理,它主要以脉冲神经网络（SNN,Spiking Neural Networks）为基础,实现方式主要分为硬件实现和软件实现两种。硬件实现方法普遍采用专用类脑计算芯片与系统来实现脉冲神经网络。该种方法可以提供更佳的能效指标,但代价高、适应性差,当其与应用负载不匹配时,计算能效表现往往会大打折扣。软件实