基于神经网络的实用特定时间弹性形成机动控制,用于二级非线性多机器人系统在外国直接投资攻击下
Chuanhai Yang1, Jingyi Huang2, Shuang Wu2
1School of Cyber Science and Engineering, Southeast University, Nanjing 210096, China.
概括
本研究介绍了针对虚假数据注入攻击的多机器人系统的弹性形成控制. 该方法确保了特定时间的融合,并通过使用层次框架和神经网络提高了稳定性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 控制系统 控制系统
- 网络安全 网络安全
背景情况:
- 多机器人系统面临着虚假数据注入 (FDI) 攻击的脆弱性.
- 现有的形成控制在逆境条件下缺乏弹性和指定的时间趋同.
- 分布的相对定位精度对于协调的机器人机动至关重要.
研究的目的:
- 为二级非线性多机器人系统开发特定时间弹性形成机动控制方法.
- 为了增强对虚假数据注入 (FDI) 攻击的稳定性.
- 为了提高分布式相对定位的准确性,并实现特定时间的融合.
主要方法:
- 一个基于 (d+1) -可达性理论的等级拓框架,用于向下解.
- 限制追随者信息流,以提高弹性.
- 采用线下辐射基础功能神经网络 (RBFNN) 来缓解非线性和外国直接投资攻击.
主要成果:
- 拟议的方法实现了形成机动的指定时间趋同.
- 通过模拟证明了对外国直接投资攻击的增强性和强度.
- 与传统的有限时间和固定时间控制方法相比,减少了系统错误.
结论:
- 特定时间弹性形成机动控制方法对于在外国直接投资攻击下的多机器人系统是有效的.
- 层次框架和RBFNN显著提高了系统的稳定性和本地化准确性.
- 该方法为安全和高效的多机器人协调提供了一个有希望的解决方案.
