基于未知输入观测器的多无人机系统安全控制方法

1.本发明属于无人信息物理系统的安全防御领域，具体涉及一种基于未知输入观测器的多无人机系统安全控制方法。


背景技术：

2.无人机具有小体积、轻重量、易操作、高灵活度、高适应性、高可调整性等优点，在各个领域，如测绘遥感、安防侦查、环境检测方面有重要应用。无人机作为集成了通信设备、执行设备、传感设备和控制模块的信息物理系统，可以构建感知数据、交互信息、制定决策、执行任务的闭环过程，实现计算元件、网络过程紧密与物理对象的紧密结合，可被视为是一类信息物理系统。与单无人机机系统相比，多无人机系统具有任务执行时间短、信息传输快、系统容错率高等优点。多架无人机合作可以处理各种复杂问题，从而提高任务完成的效率和成功率。
3.由于网络环境的开放性，无人信息物理系统可能遭受潜在敌对行为的影响，也即多节点传感器fdi(false data injection，隐匿虚假数据入侵)攻击，如果忽视对网络攻击的应对措施，将会导致系统性能遭受较大影响，甚至可能导致系统不稳定，从而带来不可预计的经济与社会损失。对于由多个个体组成的多无人机系统而言，攻击者可以在不同的时间攻击不同的无人机，从而使得网络攻击在时间和空间上都具有耦合性。同时，信息物理安全在传统网络安全的基础上引入了物理动力学的维度，即无人机系统的故障与波动同样影响网络系统的稳定性。因此，需要研究多无人机系统的安全防御策略，为多无人机系统走向更广泛、更复杂的应用场景提供理论指导与技术支持。
4.目前，现有技术主要提供了以下几种安全控制方法：
5.文献[1](hota,ashish ranjan and shreyas sundaram.“interdependent security games on networks under behavioral probability weighting.”ieee transactions on control of network systems 5(2015):262-273.)设计了基于博弈论的弹性控制架构，以减轻攻击者所注入信息对智能体性能的影响。
[0006]
文献[2](jin,xu and wassim m.haddad.“an adaptive control architecture for leader
–
follower multiagent systems with stochastic disturbances and sensor and actuator attacks.”international journal of control 92(2019):2561-2570.)和文献[3](arabi,ehsan et al.“mitigating the effects of sensor uncertainties in networked multi-agent systems.”journal of dynamic systems measurement and control-transactions of the asme 139(2017):041003.)应用自适应弹性架构来确保受攻击智能体系统在网络攻击下能够实现具有一致最终有界性的一致性控制目标。
[0007]
文献[4](meng,min et al.“adaptive consensus for heterogeneous multi-agent systems under sensor and actuator attacks.”autom.122(2020):109242.)研究了同时受到传感器和执行器攻击的异构多智能体系统的领导-跟随弹性一致性问题。
[0008]
文献[5](modares,hamidreza et al.“static output-feedback synchronisation of multi-agent systems:a secure and unified approach.”iet control theory and applications 12(2018):1095-1106.)提出了一种统一的静态输出反馈方法来研究多智能体系统在传感器和执行器攻击下的弹性一致性。
[0009]
文献[6](mustafa,aquib and hamidreza modares.“attack analysis and resilient control design for discrete-time distributed multi-agent systems.”ieee robotics and automation letters 5(2018):369-376.)分析了网络物理攻击对离散时间分布式多智能体系统的不利影响，并提出了一种针对传感器和执行器攻击的缓解方法。
[0010]
然而，上述方法仍然存在一些缺陷。其中，文献[1]所使用的方法对攻击者与系统的各项统计特性做出假设，而此类假设具体到实际系统中可能难以同时满足；文献[2-4]的方法没有考虑无人机系统中过程噪声的影响，使得攻击检测的准确性依赖于噪声的统计特征，具有一定的攻击误报率，同时也降低了弹性控制对攻击的抑制效果；文献[5-6]未考虑系统非线性对设计的影响，在实际过程中对智能体系统的完整性有一定要求，且实际控制效果取决于线性化模型的精确性。
[0011]
综上所述，现有的方法在对多无人机系统进行安全控制时，无法基于精确的系统状态进行攻击检测和补偿，从而降低了实际控制效果。


技术实现要素：

[0012]
为了解决现有技术中存在的上述问题，本发明提供了一种基于未知输入观测器的多无人机系统安全控制方法。
[0013]
本发明要解决的技术问题通过以下技术方案实现：
[0014]
一种基于未知输入观测器的多无人机系统安全控制方法，包括：
[0015]
步骤1：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，并利用该状态观测器对当前多无人机系统进行状态估计；
[0016]
步骤2：通过状态估计与量测输出构建残差函数并进行节点攻击检测；
[0017]
步骤3：当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的安全状态信息；
[0018]
否则，将状态观测器当前的估计结果作为系统的安全状态信息；
[0019]
步骤4：基于所述安全状态信息对多无人机系统进行安全控制。
[0020]
本发明的有益效果：
[0021]
1、本发明考虑了系统包含非线性项的情况，引入无人机量测与状态估计信息设计了未知输入观测器，消除了无人机过程噪声对状态估计性能的影响，使的系统可以基于精确状态估计进行攻击检测，并在检测到攻击产生后同步进行攻击重构与攻击补偿弹性控制，降低了传感器攻击对无人机状态估计性能的影响，提升了安全控制效果；
[0022]
2、本发明设计的基于未知输入观测器进行攻击重构与攻击补偿弹性控制机制能够减少节点传感器攻击对无人机状态估计的影响，保证基于状态估计的一致性控制律的有效性，具备较高的应用价值；同时，弹性控制由攻击检测所触发，使得弹性控制机制不会影响一般情况下的状态估计与系统一致性，也即使得多无人机系统对节点传感器攻击具有弹
性；
[0023]
3、本发明还设计了事件触发控制机制进行一致性控制，通过构建lyapunov函数并求导的方法得到各待求矩阵求解的充分lmi条件，从而可以通过选定相关参数的方法求得所需的待求矩阵，使得该系统能够实现按需控制，进一步节省多无人机系统的通信资源，具有较大的实际意义。
[0024]
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
[0025]
图1是本发明实施例提供的一种基于未知输入观测器的多无人机系统安全控制方法的流程示意图；
[0026]
图2是本发明实施例提供的另一种基于未知输入观测器的多无人机系统安全控制方法的流程示意图；
[0027]
图3是仿真试验中无弹性控制时跟随者无人机的一致性误差图；
[0028]
图4是仿真试验中无弹性控制时跟随者无人机的状态估计误差图；
[0029]
图5是仿真试验中系统遭受传感器攻击时的残差信号及残差阈值图；
[0030]
图6是仿真试验中系统遭受混合攻击并使用弹性控制时跟随者无人机的一致性误差图；
[0031]
图7是仿真试验中系统遭受混合攻击并使用弹性控制时跟随者无人机的状态估计信息图；
[0032]
图8是仿真试验中混合fdi攻击下各跟随者无人机事件触发控制机制的触发时刻。
具体实施方式
[0033]
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
[0034]
实施例一
[0035]
首先，需要说明的是，本发明所考虑的多无人机系统包括传感器、状态观测器、事件触发器、控制器、执行器和攻击检测器。其中各跟随者无人机的传感器可能遭受持续的fdi攻击。考虑一个有1台领导者无人机与n台跟随者无人机的多无人机系统，遭受传感器fdi攻击的第i台跟随者无人机的系统动态方程可表示为：
[0036][0037]
其中，xi(t)∈rn，分别表示跟随者智能体i的状态、控制输入和量测输出，t表示时间，表示状态xi(t)的微分，ωi(t)是过程噪声，φ(xi(t))＝[φ1(xi(t)),
…
,φn(xi(t))]
t
是非线性项，ai(t)是传感器攻击信号。除此之外，a,b,c,d
ω
是有适当维数的常数矩阵。
[0038]
领导者的动态方程可表示为：
[0039][0040]
其中，x0(t)∈rn，分别表示领导者智能体i的状态与输出。是x0(t)的微分，φ(x0(t))是领导者动态方程中的非线性项。
[0041]
不失一般性，在本发明讨论中可对多无人机系统及传感器攻击做出如下假设：
[0042]
(1)连通图中存在有向生成树，且领导者是有向生成树的根节点。
[0043]
(2)(a,b)是稳定的且(a,c)是可观测的。
[0044]
(3)对任意x1(t)，x2(t)∈rn，无人机动态方程中的非线性函数φ(xi)满足lipschitz条件。
[0045]
(4)传感器攻击ai(t)及其导数均是有界的，但所有的上界对防御者而言都是未知的。
[0046]
精确的状态估计是攻击检测、弹性控制、一致性控制等方法的基础。为了在过程噪声的影响下对无人机的状态进行正确估计，本发明提出了改进未知输入观测器(advanced unknown input observer，auio)以实现多无人机系统攻击检测与弹性控制的方法。
[0047]
具体的，请参见图1，图1是本发明实施例提供的一种基于未知输入观测器的多无人机系统安全控制方法的流程示意图，其包括：
[0048]
步骤1：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，并利用该状态观测器对当前多无人机系统进行状态估计。
[0049]
可选的，本实施例基于本地量测信息与邻居量测信息构建考虑系统非线性的改进未知输入观测器作为状态观测器，并据此对对多无人机系统进行状态估计，其表达式为：
[0050][0051]
其中，表示跟随者智能体i的状态估计结果，t表示时间，zi(t)是跟随者智能体i的未知输入观测器状态，为zi(t)的导数，ui(t)和yi(t)分别表示跟随者智能体i的控制输入和量测输出，控制输入和量测输出，是广义逆矩阵运算，t＝i-hc，g＝tb，f＝ta-k1c，ku＝k1+fh，a、b、c、d
ω
为常数矩阵，i为单位矩阵，k1、k2为待设计观测器矩阵，和分别表示跟随者智能体i的输出估计误差，表示领导者智能体的输出估计误差，a
ij
和a
i0
表示邻接矩阵的对应参数，其中，a
ij
表示跟随者i与其邻居j的连接情况，若能够接受信息，则a
ij
＝1，否则a
ij
＝0；a
i0
表示跟随者i与领导者的连接情况，取值标准同上。因此，可以根据使用邻接矩阵表示代数图各节点之间的连接情况，并通过邻接矩阵
阵与度量矩阵定义无人机通信拓扑图对应的laplace矩阵l。
[0052]
可以看出，auio有两个待设计的矩阵k1，k2。若取k2为0，则只要设计k1以保证矩阵f是schur的，则未知输入观测器的状态估计误差必然收敛。但由于此处存在两个待设计矩阵，因此需要同时进行设计。具体设计方法见后文。
[0053]
此外，h可进一步取s为任意矩阵，以增加观测器设计的自由度。
[0054]
步骤2：通过状态估计与量测输出构建残差函数并进行节点攻击检测。
[0055]
21)构建无人机未遭受传感器攻击时的残差函数r
i*
(t)，并据此计算无人机遭受传感器攻击时的残差函数ri(t)。
[0056]
具体的，考虑无人机遭受传感器攻击的情形，取残差函数设r
i*
(t)为无人机系统未遭受传感器攻击时的残差函数，则有
[0057][0058]
其中zi(t)ei(t)表示无人机i的状态估计误差，φ(xi(t))和均表示非线性项。
[0059]
当无人机遭受传感器攻击时，结合式(3)与式(4)可得：
[0060][0061]ai
(t)表示传感器攻击，为ai(t)的导数。
[0062]
22)对残差函数ri(t)进行euclidean范数检测，若判断所述残差函数的范数ji(t)大于预设阈值，则判定无人机受到传感器攻击；否则，判定无人机未受到传感器攻击。
[0063]
可以理解的是，在正确的设计下，auio的状态估计误差是满足uub(uniformly ultimately bounded，最终一致有界性)条件的，因此传感器攻击可通过残差的euclidean范数进行检测，即取
[0064][0065]
相应的阈值j
th,i
可根据下式选定：
[0066]jth,i
＝sup{r
i*
(t)} (7)
[0067]
则多无人机系统中针对节点传感器攻击的检测标准可定义为：
[0068][0069]
步骤3：当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的真实状态信息；否则，将状态观测器当前的估计结果作为系统的真实状态信息。
[0070]
具体的，当判断当发生节点攻击时，需要基于改进未知输入观测器进行攻击信号重构与补偿，其表达式如下：
[0071][0072]
其中，是对传感器fdi攻击信号的估计，m是待求的攻击重构矩阵。
[0073]
本实施例通过重构攻击信号并在状态估计中进行补偿，可以减少传感器攻击对状态估计性能的影响。
[0074]
进一步的，对于观测器矩阵k1、k2和攻击重构矩阵m可由以下充分条件计算：
[0075]
对于给定的正定标量ε1和正定矩阵r，如果存在对称正定矩阵q1，q2满足公式(10)所示的lmi(linear matrix inequality lmi线性矩阵不等式)条件，同时取观测器增益矩阵则基于攻击重构与补偿的状态观测器可以保证状态估计误差与攻击重构误差在过程噪声、通信信道干扰与节点传感器fdi攻击下是uub的。
[0076][0077]
其中，λ0为跟随者无人机通信拓扑的laplace矩阵l1对应的参数，λ
max
(θ)为正定矩阵θ的最大特征值，具体取值方法为取矩阵θ使其满足λ0为矩阵的最小特征值；λ表示非线性项φ(xi(t))对应的lipschitz参数矩阵，t表示转置，in表示维数为n的单位矩阵。
[0078]
通过上述条件，可以求得待设计的观测器矩阵k1、k2、m。
[0079]
需要说明的是，由于无人机模型未受到量测噪声的影响，因此设计的观测器矩阵可以直接用于攻击检测。但是基于攻击重构与补偿的弹性控制仍然需要在检测到传感器攻击产生后发起，否则将影响正常情况下的无人机性能。
[0080]
本发明设计的基于未知输入观测器进行攻击重构与攻击补偿弹性控制机制能够
减少节点传感器攻击对无人机状态估计的影响，保证基于状态估计的一致性控制律的有效性，具备较高的应用价值；同时，弹性控制由攻击检测所触发，使得弹性控制机制不会影响一般情况下的状态估计与系统一致性，也即使得多无人机系统对节点传感器攻击具有弹性。
[0081]
步骤4：基于真实状态信息对多无人机系统进行安全控制。
[0082]
为了减少由于智能体信息传输增加而带来的网络负担，本实施例采用了事件触发一致性策略来减少控制器的频繁操作，以达到节省通信资源的目的。
[0083]
具体的，首先，令表示第i无人机的事件触发时间序列，并设置以下事件触发机制：
[0084][0085][0086]
其中，∈2,hi与η1是给定的正定标量，为事件触发机制量测误差。
[0087]
然后，计算一致性控制矩阵kc。
[0088]
具体的，一致性控制矩阵kc以及事件触发机制相关参数的设计方法可由下列充分条件给出：
[0089]
考虑多无人机系统在事件触发条件驱动的控制器下，如果存在对称正定矩阵p1和正定标量ε2，使得线性矩阵不等式(13)-(14)成立，则取一致性控制增益时，系统能够达成h
∞
性能指标σ1下的渐进稳定一致性，且不会出现zeno现象。
[0090][0091][0092]
其中，
[0093]
[0094][0095]
表示系统最大邻居数，l1表示跟随者无人机通信拓扑对应的laplace矩阵，λ
min
(
·
)和λ
max
(
·
)分别表示矩阵的最大和最小特征值，n表示跟随者无人机的总数，hi是事件触发机制中的参数；
[0096]
在本实施例中，h
∞
性能指标σ1下的渐进稳定一致性可表示为：
[0097][0098]
其中，为数学期望，δ(t)＝col{xi(t)-x0(t)}为一致性误差，ρ(t)＝col{e
x
(t),ω(t)}为复合扰动，v2(t)为δ(t)的lyapunov函数。
[0099]
最后，基于事件触发机制和一致性控制矩阵kc制定事件触发一致性控制策略，以对多无人机系统进行一致性控制，公式表示为：
[0100][0101]
其中，ui(t)表示随者智能体i的控制输入，ξi(
·
)表示局部领域误差，其计算公式为
[0102]
其中，和分别表示跟随者智能体i和j的状态估计，表示领导者智能体的状态估计。
[0103]
至此，在步骤3得到无人机系统的安全状态信息的基础上，实现了基于事件触发机制的一致性控制。
[0104]
本发明设计了事件触发控制机制进行一致性控制，通过构建lyapunov函数并求导的方法得到各待求矩阵求解的充分lmi条件，从而可以通过选定相关参数的方法求得所需的待求矩阵，使得该系统能够实现按需控制，进一步节省多无人机系统的通信资源，具有较大的实际意义。
[0105]
可以理解的是，在步骤3的基础上，还可以采用常规的一致性控制策略进行系统安全控制，详细过程在此不做介绍。
[0106]
综上，本发明的整体方案可以描述如下：
[0107]
如图2所示，首先构建了结合通过本地量测信息与邻居量测信息构建了考虑系统非线性的改进未知输入观测器作为状态观测器，并得到状态估计值。在无攻击情况下，各无人机可使用该状态估计进行事件触发一致性控制。在有攻击情况下各无人机需要首先进行节点攻击检测以判断自身是否遭受节点传感器攻击，以决定是否启用弹性控制机制。若判断自身未受攻击，则正常运行，不启用弹性控制；若判断自身遭受攻击，则启用弹性控制机制，通过相应的攻击重构算法对节点传感器攻击信号进行重构，并基于重构的攻击信号进行攻击补偿的弹性控制，从而降低传感器攻击对状态估计值的影响，得到安全状态估计，并以安全状态估计为基础进行事件触发一致性控制。
[0108]
本发明提供的基于未知输入观测器的多无人机系统安全控制方法考虑了系统包含非线性项的情况，引入无人机量测与状态估计信息设计了未知输入观测器，消除了无人
机过程噪声对状态估计性能的影响，使的系统可以基于精确状态估计进行攻击检测，并在检测到攻击产生后同步进行攻击重构与攻击补偿弹性控制，降低了传感器攻击对无人机状态估计性能的影响，提升了安全控制效果。
[0109]
实施例二
[0110]
在上述实施例一的基础上，本实施例以一个具体的应用场景为例，结合仿真试验对本发明的有益效果进行验证说明。
[0111]
具体的，本实施例以aerosonde小型无人机集群集结待命过程中的纵向一致性控制为研究背景，无人机动态方程的各矩阵设置为：
[0112][0113][0114][0115]
由于无人机运动时可受外界风速干扰，且纵向运动方程的非线性项主要与俯仰角有关。因此设过程噪声为高斯噪声且||ωi(t)||≤5，设过程噪声矩阵与非线性项分别为：
[0116]dω
＝[1.2,1.1,-0.1,-0.5]
t
[0117]
φ(xi)＝[0.01sin(x
i4(t)
),0,0,0]
t
[0118]
已知过程噪声满足有界条件，而无人机状态方程非线性项满足lipschitz条件，因此有λ＝diag{0.01,
…
,0.01}。
[0119]
考虑由1个领导者无人机和3个跟随者无人机组成的多无人机系统，则无人机通信拓扑对应的laplace矩阵为：
[0120][0121]
各无人机的初值设为：
[0122]
x0(0)＝[1 9.8 0
ꢀ‑
0.5]
t
[0123]
x1(0)＝[-2.3 9.7
ꢀ‑
0.3 0.3]
t
[0124]
x2(0)＝[4.5 8.9
ꢀ‑
0.2
ꢀ‑
0.1]
t
[0125]
x3(0)＝[7.1
ꢀ‑
7.0 0.3 0.2]
t
[0126]
基于上述条件，按照实施例一提供的方法，进行auio待求矩阵与攻击重构待求矩阵的计算。
[0127]
具体的，选择参数β
π1
＝10，β
π2
＝0.08，β
π3
＝0.1，β
π4
＝1，ε1＝100，r＝i3×3，根据上述步骤3中攻击信号重构与补偿的充分条件可计算得出：
[0128][0129][0130][0131]
接着，根据上述步骤4中事件触发机制的充分条件进行一致性控制矩阵计算。
[0132]
具体的，选择参数β
π1
＝1，β
π2
＝50，β
π3
＝10，ε2＝0.3，η1＝0.0001，可求得：
[0133]
kc＝[0.0010 0.0028
ꢀ‑
0.0266
ꢀ‑
0.0026]
[0134]
最后，设过程噪声为高斯噪声且||ωi(t)||≤3.5。设通信信道中的干扰能量上界攻击者在t＝20s时对三个跟随者无人机同时发动传感器攻击，传感器攻击信号为：
[0135]
a1(t)＝[0.1
·
(t-20)+0.2
·
sin(0.5t),-0.1
·
(t-20)+0.2
·
sin(0.5t),0]
t
[0136]
a2(t)＝[-0.15
·
(t-20)+0.2
·
sin(0.5t),0.1
·
(t-20)+0.2
·
sin(0.5t),0]
t
[0137]
a3(t)＝[0,0,0.02
·
(t-20)+0.1
·
sin(0.5t)]
t
[0138]
在上述场景中，在matlab/simulink环境中搭建相关模块并进行仿真，仿真时间为50s，得到对应的仿真结果。
[0139]
请参见图3-4，图3和图4分别为无弹性控制时跟随者无人机的一致性误差和状态估计误差图，也即同时受通信信道随机干扰、节点传感器fdi攻击时的无人机系统一致性误差和状态估计误差。从图3和图4中可以看出，攻击者注入的节点fdi传感器攻击极大地影响了系统的性能，通过诱导无人机控制中心错误估计无人机状态，对无人机做出错误的控制
指令，使得各跟随者无人机无法与领导者无人机进行协同，从而使得多无人机系统失去了一致性。
[0140]
进一步的，请参见图5，图5是仿真试验中系统遭受传感器攻击时的残差信号及残差阈值图。可以看出，攻击检测机制正确地检测了本地的传感器攻击。由于系统各个状态受传感器攻击的影响不同，残差值的累积也不尽相同，因此各个智能体在不同时间对传感器攻击做出警示。
[0141]
进一步的，对遭受混合攻击的多无人机系统运用弹性控制，其一致性误差与状态估计信息如图6、图7所示。可以看出，弹性控制律降低了传感器攻击对一致性性能与状态估计性能造成的影响。
[0142]
此外，从图3中可以看出，传感器攻击主要影响了无人机的空速。由于t∈[40,43]时间区间内无人机状态受震荡模态的影响较小，故以此区间内各跟随者无人机的一致性误差均值与估计误差均值为分析参考值，则混合攻击下无弹性控制时、采用本发明提出的基于auio的弹性控制方法时，多无人机系统中各跟随者无人机的一致性误差与估计误差如表1所示，其中，表1中一栏代表所有跟随者无人机一致性误差的均方值与估计误差的均方值。
[0143]
表1不同场景下跟随者无人机的一致性误差与状态估计误差
[0144][0145][0146]
结合图3至图6以及表1可以看出，本发明提出的基于auio的弹性时间触发控制方法有效地抑制了无人机节点传感器fdi攻击影响。特别是对于受攻击影响最为严重的状态变量分量，如x轴空速与z轴空速，auio弹性控制方法使得一致性误差与估计误差相对无节点攻击情形的变化量大大减小，有效地保证了多无人机系统的一致性与状态估计的准确性。而对于受攻击影响较小的状态变量分量，auio弹性控制方法下的一致性误差与估计误差相对无节点攻击情形的变化量较小，且考虑到通信信道干扰的随机性，该变化量在容许的误差范围内。最后，auio弹性控制方法下的各无人机一致性误差与状态误差的均方值均
比无弹性控制情形下的均方值小，进一步证明了auio弹性控制方法的有效性。
[0147]
此外，试验中还仿真了混合fdi攻击下各跟随者无人机事件触发控制机制的触发时刻，其结果如图8所示。从图8中可以看出，在与基于auio的弹性控制方法结合后，事件触发控制机制仍然较好地完成了按需控制。各跟随者无人机在32s左右基本完成了弹性事件触发控制目标，使得混合攻击下弹性事件触发控制机制的事件触发时刻与信道干扰下事件触发控制机制的事件触发时刻具有相似的分布特性。
[0148]
综上，本发明设计的基于auio的弹性控制方法在缓解节点fdi攻击的情形下保证了多无人机系统的状态估计准确性，从而使得事件触发控制机制对攻击具有弹性，并通过事件触发控制机制进一步节省了通信资源。
[0149]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

技术特征：
1.一种基于未知输入观测器的多无人机系统安全控制方法，其特征在于，包括：步骤1：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，并利用该状态观测器对当前多无人机系统进行状态估计；步骤2：通过状态估计与量测输出构建残差函数并进行节点攻击检测；步骤3：当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的安全状态信息；否则，将状态观测器当前的估计结果作为系统的安全状态信息；步骤4：基于所述安全状态信息对多无人机系统进行安全控制。2.根据权利要求1所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，步骤1包括：基于本地量测信息与邻居量测信息构建考虑系统非线性的改进未知输入观测器作为状态观测器，并据此对对多无人机系统进行状态估计，其表达式为：其中，表示跟随者智能体i的状态估计结果，t表示时间，z
i
(t)是跟随者智能体i的未知输入观测器状态，为z
i
(t)的导数，和y
i
(t)分别表示跟随者智能体i的控制输入和量测输出，量测输出，是广义逆矩阵运算，t＝i-hc，g＝tb，f＝ta-k1c，k
u
＝k1+fh，a、b、c、d
ω
为常数矩阵，i为单位矩阵，k1、为待设计观测器矩阵，和分别表示跟随者智能体i及其邻居j的输出估计误差，表示领导者智能体的输出估计误差，a
ij
表示跟随者i与其邻居j的连接情况，a
i0
表示跟随者i与领导者的连接情况。3.根据权利要求2所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，步骤2包括：21)构建无人机未遭受传感器攻击时的残差函数r
i*
(t)，并据此计算无人机遭受传感器攻击时的残差函数r
i
(t)；22)对所述残差函数r
i
(t)进行euclidean范数检测，若判断所述残差函数的范数j
i
(t)大于预设阈值，则判定无人机受到传感器攻击；否则，判定无人机未受到传感器攻击。4.根据权利要求3所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，在步骤21)中，所述无人机遭受传感器攻击时的残差函数r
i
(t)的表达式为：其中，
a
i
(t)表示传感器攻击，为a
i
(t)的导数，e
i
(t)表示状态估计误差，φ(x
i
(t))和均表示非线性项。5.根据权利要求4所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，在步骤3中，当发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，包括：计算观测器矩阵k1、k2和攻击重构矩阵m，并利用下式对多无人机系统的状态估计过程进行弹性控制；其中，是对传感器fdi攻击信号的估计，为的微分。6.根据权利要求5所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，所述观测器矩阵k1、k2和攻击重构矩阵m由以下充分条件计算：对于给定正定标量ε1和正定矩阵r，令对称正定矩阵q1，q2满足以下lmi条件：则状态观测器的增益矩阵其中λ0为跟随者无人机通信拓扑的laplace矩阵l1对应的参数，λ
max
(θ)为正定矩阵θ＝diag{θ1,
…
,θ
n
}的最大特征值，λ表示非线性项φ(x
i
(t))对应的lipschitz参数矩阵，t表示转置，i
n
表示维数为n的单位矩阵。7.根据权利要求6所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，所述步骤4包括：
设定事件触发一致性控制策略，以对多无人机系统进行一致性控制。8.根据权利要求7所述的基于未知输入.观测器的多无人机系统安全控制方法，其特征在于，设定事件触发一致性控制策略，以对多无人机系统进行一致性控制，包括：令表示第i无人机的事件触发时间序列，并设置以下事件触发机制：表示第i无人机的事件触发时间序列，并设置以下事件触发机制：其中，∈2、h
i
、η1均为给定的正标量，为事件触发机制量测误差，e为自然底数；计算一致性控制矩阵k
c
；基于事件触发机制和所述一致性控制矩阵k
c
对多无人机系统进行一致性控制，公式表示为：其中，u
i
(t)表示随者智能体i的控制输入，ξ
i
(
·
)表示局部领域误差，其计算公式为：其中，和分别表示跟随者智能体i和j的状态估计结果，表示领导者智能体的状态估计结果。9.根据权利要求8所述的基于未知输入观测器的多无人机系统安全控制方法，其特征在于，所述一致性控制矩阵k
c
按照以下充分条件计算：对于给定的正定标量ε2、和正定矩阵p1，令其满足以下线性矩阵不等式成立：式成立：其中，
表示系统最大邻居数，l1表示跟随者无人机通信拓扑对应的laplace矩阵，λ
min
(
·
)和λ
max
(
·
)分别表示矩阵的最大和最小特征值，n表示跟随者无人机的总数，h
i
是事件触发机制中的参数；则取k
c
＝ε2b
t
p
1-1
，以使系统能够达成h
∞
性能指标σ1下的渐进稳定一致性，且不会出现zeno现象；其中，h
∞
性能指标σ1下的渐进稳定一致性可表示为：其中，δ(t)＝col{x
i
(t)-x0(t)}为一致性误差，ρ(t)＝col{e
x
(t),ω(t)}为复合扰动，v2(t)为δ(t)的lyapunov函数。

技术总结
本发明公开了一种基于未知输入观测器的多无人机系统安全控制方法，包括：基于量测信息和系统非线性设计改进未知输入观测器作为状态观测器，对当前多无人机系统进行状态估计；通过状态估计与量测输出构建残差函数并进行节点攻击检测；当判断发生节点攻击时，基于改进未知输入观测器进行攻击信号重构与补偿，以对多无人机系统的状态估计过程进行弹性控制，得到系统的安全状态信息；将状态观测器当前的估计结果作为系统的安全状态信息；基于安全状态信息对多无人机系统进行安全控制。该方法降低了传感器攻击对无人机状态估计性能的影响，使系统对节点传感器攻击具有弹性，提升了安全控制效果；同时可实现按需控制，节省了系统通信资源。系统通信资源。系统通信资源。


技术研发人员：杨飞生 吴正田 潘泉 弓镇宇
受保护的技术使用者：西北工业大学
技术研发日：2023.04.21
技术公布日：2023/8/4