基于抗欺骗攻击安全域的无人机模型预测控制方法

基于抗欺骗攻击安全域的无人机模型预测控制方法
【技术领域】
1.本发明属于无人机控制技术领域，具体涉及一种基于抗欺骗攻击安全域的无人机模型预测 控制方法。


背景技术：

2.无人机离不开控制系统，无人机和控制系统是一体的存在。无人机控制系统在最早期，仅 仅是用来对无人机进行控制，并且对无人机的飞行状态进行监控，通过操作杆对无人机进行操 控。后来随着无人机以及无人机控制系统的不断发展，无人机控制系统更多则是用来通过无人 机获取的信息来进行分析和决策，从而进行作战任务的完成。随着互联网的高速发展，无人机 控制系统更加倾向于依靠网络来制定无人机的作战计划，通过网络和系统平台来制定多种武器 共同参与的协同作战，从而应对各种各样复杂的作战环境。然而，通过网络来通信具有受到攻 击的风险，其中比较常见的是欺骗攻击和dos攻击。dos攻击是通过阻断信道中信号的传播 来完成攻击目的的。与dos攻击相比，欺骗攻击更隐蔽，可以在不触发任何警报的情况下危 害受控系统，因此需要重点研究防范无人机控制过程中的欺骗攻击防御方法。
3.此外，无人机本身结构复杂，且受到各种外界因素影响。当前许多研究工作基本只针对某 种形式的扰动进行抑制，这与实际情况存在差距。因此需要一种能够处理多形式扰动的算法。 另外，无人机由于受自身设备或所执行任务要求的限制，对控制算法的设计要求苛刻。通常这 些限制体现在无人机的速度限制，姿态限制以及燃料限制等。这些限制通常以状态约束或者输 入约束的形式存在。现在技术中，对多种约束下的无人机控制算法基本没有。因此，设计一种 能够处理各种约束的控制算法也是必要的。


技术实现要素：

4.本发明的目的在于克服上述现有技术的缺点，提供一种基于抗欺骗攻击安全域的无人机模 型预测控制方法，该方法是一种基于抗欺骗攻击的安全域约束设计以及鲁棒模型预测控制方法， 解决了现有技术在无人机在飞行过程中通信容易受到攻击的问题
5.为达到上述目的，本发明采用以下技术方案予以实现：
6.基于抗欺骗攻击安全域的无人机模型预测控制方法，包括以下步骤：
7.步骤1，通过无人机姿态状态空间方程和欺骗攻击通用模型，建立无人机在受到欺骗攻击 时的姿态动力学状态空间表达式；
8.步骤2，为无人机的控制器端和执行器端设计安全域约束；
9.步骤3，针对无人机在受到欺骗攻击时的姿态动力学状态空间表达式中的参数，设计鲁棒 控制器以优化所述参数，最终获得无人机在受到欺骗攻击时的姿态动力学状态。
10.本发明的进一步改进在于：
11.优选的，所述步骤1包括以下步骤：
12.步骤1.1)建立无人机姿态动力学状态空间方程；
13.步骤1.2)建立无人机的欺骗攻击通用模型；
14.步骤1.3)通过欺骗攻击通用模型和无人机姿态动力学状态空间方程，所述鲁棒控制器中的 参数受安全域约束限制，获得欺骗攻击下的无人机姿态动力学状态空间方程。
15.优选的，步骤1.3)中，所述欺骗攻击下的无人机姿态动力学状态空间方程为：
[0016][0017]
其中，a、b和g为无人机参数；ω
k
为范数有界扰动。
[0018]
优选的，步骤2中，控制器端的安全域约束为：
[0019][0020]
安全器端的安全域约束为：
[0021][0022]
其中，表示预测状态；表示预测控制量；d
k+s|k
和为对应的约束边界。
[0023]
优选的，式(6)中，d
k+s|k
满足以下条件：
[0024][0025][0026]
h∈{1,2,
…
,n},i＝1,2,
…
,h
‑
1,h+1,
…
,n。
[0027]
优选的，式(7)中满足以下条件：
[0028][0029][0030][0031]
优选的，步骤3中，所述鲁棒控制器为：
[0032][0033]
其中，为无人机鲁棒控制量；成立时成立时为最优控制量；当 成立时k为反馈控制量，通过极点配置法使a+bk稳定得到； 为终端约束。
[0034]
优选的，式(17)中，需满足：
[0035]
[0036]
d
k+n|k
≤ψε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0037][0038]
其中q
*
和p为权值矩阵。
[0039]
优选的，式(17)中，通过求解下述优化问题得到：
[0040][0041]
约束为：
[0042][0043][0044][0045]
其中，为预测状态量；为预测控制量；为状态量安全域约束界； 为控制量安全域约束界。
[0046]
优选的，式(17)需满足：
[0047][0048]
其中，q、r和p为给定的权值矩阵。
[0049]
与现有技术相比，本发明具有以下有益效果：
[0050]
本发明公开了一种基于抗欺骗攻击安全域的无人机模型预测控制方法，该控制方法建立无 人机姿态动力学状态空间表达式；建立欺骗攻击通用模型，并且给出受到欺骗攻击下的状态空 间表达式；基于欺骗攻击的特点，为控制器端以及执行器端设计安全域约束，其中包括状态量 安全域约束与控制量安全域约束；在状态约束以及安全域约束下，求解优化问题获得控制量。 解决了现有技术在无人机通信中容易受到欺骗攻击的问题，本发明可以充分利用欺骗攻击能量 受限的特点设计安全域约束，并且结合鲁棒模型预测控制能够处理约束以及非匹配干扰的特点， 对无人机进行控制。本发明提供的基于抗欺骗攻击安全域的无人机模型预测控制方法。通过考 虑无人机在与地面通信时可能受到欺骗攻击而导致无人机行动受到破坏，因此设计了无人机状 态安全域约束与控制量安全域约束。另外，求解满足这两种约束的优化问题可以得到最优的控 制量，使得无人机在执行任务时防御欺骗攻击。本发明可以充分利用鲁棒模型预测控制可以处 理约束和扰动的优点，结合防御欺骗攻击的安全域约束，保证无人机执行任务的安全进行。
[0051]
进一步地，本发明中采用鲁棒模型预测控制方法可以有效地处理无人机的状态和控制约束， 并且可以有效地抑制干扰，使得无人机在受到通信攻击的环境下仍能够完成控制。
【附图说明】
[0052]
图1为本发明提供的基于抗欺骗攻击安全域的无人机模型预测控制方法的流程框
图。
[0053]
图2为本发明提供的实施例中的使用本发明技术后无人机在受到欺骗攻击时的状态曲线 图；
[0054]
图3为本发明提供的实施例中的未使用本发明技术后无人机在受到欺骗攻击时的状态曲 线图。
【具体实施方式】
[0055]
下面结合附图对本发明做进一步详细描述：
[0056]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、
ꢀ“
水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了 便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特 定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用 于描述目的，而不能理解为指示或暗示相对重要性；此外，除非另有明确的规定和限定，术语
ꢀ“
安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可 以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普 通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0057]
参见图1，本发明的控制方法包括以下步骤：
[0058]
步骤1)：建立无人机姿态动力学状态空间表达式，建立欺骗攻击通用模型，并且给出受 到欺骗攻击下的姿态动力学状态空间表达式；
[0059]
步骤1)具体包括如下步骤：
[0060]
步骤1.1)：建立无人机姿态动力学状态空间方程，具体如公式(1)：
[0061]
x
k+1
＝ax
k
+bu
k
+gω
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0062]
其中，x
k
为状态量，u
k
为控制量，ω
k
为范数有界扰动满足为范数有界扰动满足为已知值；其中， a、b和g为无人机参数。
[0063]
步骤1.2)：给出无人机的欺骗攻击通用模型，无人机上设置有传感器、控制器和执行器， 三个工作器均设置在无人机上，传感器用于采集无人机自身的位置和速度等信息；控制器用于 产生控制无人机运动的控制信号；执行器用于执行控制信号的机构。
[0064]
为传感器到控制器通道上的欺骗攻击信号，控制器接收到的受到欺骗攻击后的信号为：
[0065][0066]
为控制器到执行器通道上的欺骗攻击信号，执行器接收到的受到攻击后的信号为：
[0067][0068]
其中其中k+s|k代表k时刻对k+s时刻的预测值，为的s取值 范围是1≤s≤n的整数。
[0069]
步骤1.3)：获取欺骗攻击下的无人机姿态动力学状态空间方程，具体如公式(5)：
[0070][0071]
步骤2)：基于欺骗攻击的特点，为控制器端以及执行器端设计安全域约束；
[0072]
给出无人机受到的控制量约束：
[0073][0074]
其中，是一个紧凑的集合。
[0075]
在步骤2)中，无人机受到安全域约束，该约束可以保证无人机在受到欺骗攻击时仍然具 有较好的性能，表示为：
[0076][0077][0078]
其中，(6)和(7)分别为控制器端和安全器端的安全域约束；表示预测状态；表示预测控制量；d
k+s|k
和为对应的约束边界。
[0079]
另外地，d
k+s|k
满足以下条件：
[0080][0081]
其中，ω＝[ξ1ξ2…
ξ
n
]p1[ξ1ξ2…
ξ
n
]
t
；
[0082]
为简化公式，设定下式：
[0083][0084]
其中，m＝a
t
pbb
t
pa
ꢀꢀ
(11)
[0085]
式(8)中的ω中，
[0086][0087]
h∈{1,2,
…
,n}，i＝1,2,
…
,h
‑
1,h+1,
…
,n
[0088]
满足以下条件：
[0089][0090]
上式中，是一个整体，物理含义为执行器所接收到的控制信号。r本身只是一个 符号象征，无实际意义。
[0091][0092]
等式左侧表示执行器安全域约束集合，等式右侧的中括号区间表示执行器安全域约束集合 具体表达式；中括号区间中的两个量为具体的执行器安全域约束的实际数值，具体计算方式见 (16)和(17)。
[0093]
[0094][0095][0096]
步骤3)：在状态约束以及安全域约束下，求解优化问题获得控制量。
[0097]
在步骤3)中，设计如下形式的鲁棒控制器：
[0098][0099]
其中，为无人机鲁棒控制量；成立时成立时为最优控制量；当 成立时k为反馈控制量，可以通过极点配置法使a+bk稳定得到；为采集到的无人机的实时状态量；为终端约束，需要满足：
[0100][0101]
d
k+n|k
≤ψε
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0102][0103]
其中q
*
和p为权值矩阵。
[0104]
通过求解下述优化问题得到：
[0105][0106]
约束为
[0107][0108][0109][0110]
其中，为预测状态量；为预测控制量；为状态量安全域约束界； 为控制量安全域约束界。
[0111]
另外，式(21)的具体表达形式为：
[0112][0113]
其中，q、r和p为给定的权值矩阵。
[0114]
下面结合具体实施例对本发明进行说明：
[0115]
实施例
[0116]
本实施例采用上述基于抗欺骗攻击安全域的无人机模型预测控制方法进行控制。
[0117]
需要说明的是，在本实施例中，
[0118][0119]
u
i,k
∈[
‑
10,10](i＝1,2,3)，q＝e5×5r＝0.1e3×3.
[0120][0121]
k
11
＝0.6193，k
12
＝0.3708，k
13
＝0.1412
[0122]
k
14
＝
‑
0.7391，k
15
＝
‑
1.0826，k
21
＝
‑
0.0802
[0123]
k
22
＝
‑
0.8329，k
23
＝
‑
0.0318，k
24
＝
‑
0.0326
[0124]
k
25
＝0.0603，k
31
＝1.3532，k
32
＝0.4054
[0125]
k
33
＝3.4298，k
34
＝1.0789，k
35
＝
‑
2.2215
[0126]
在本实施例中，参见图2和3，分别给出了无人机在使用本发明所提方法下防御欺骗攻击 以及未使用本专利所提方法防御欺骗攻击的状态图像。
[0127]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。