非周期采样差分移动机器人隐私保护一致性控制方法
本发明属于差分移动机器人,尤其涉及一种非周期采样差分移动机器人隐私保护一致性控制方法。
背景技术:
1、随着物联网与嵌入式技术的快速发展,多智能体系统在智能制造、智能交通和环境监测等领域展现出广阔的应用前景。其中,差分移动机器人系统因其灵活性高、结构简单、成本低廉等优势,已成为分布式协同控制研究的重要平台。平均一致性作为分布式协同控制的核心机制,使各智能体仅利用局部信息即可达成状态一致,被广泛应用于传感器融合、资源分配及多机器人协同等任务。
2、在差分移动机器人系统的实际部署中,通信网络往往面临诸多非理想条件。一方面,有限带宽使得连续实时交互变得困难,频繁的数据交换易导致通信拥塞,降低系统的可扩展性;另一方面,不可靠的无线信道会引入传输延迟、数据丢包,甚至遭受拒绝服务攻击等威胁。传统的周期性采样与连续通信策略难以应对上述挑战。为此,非周期采样数据策略近年来受到关注。相较于周期采样,非周期采样允许可变采样间隔,能够有效降低平均采样频率,减少冗余传输,缓解网络拥塞,进而提升通信资源利用率。
3、此外,隐私泄露问题是分布式协同控制面临的另一重要挑战。在传统平均一致性协议中,各智能体需直接交换其真实状态值,这使得敏感状态信息易被内部或外部窃听者截获。因此,如何在保证一致性控制性能的同时保护智能体状态隐私,已成为领域内研究的热点。
4、针对隐私保护问题,已有研究提出了多种方法。一类方法基于加密技术,如采用shamir秘密共享或同态加密对交互信息进行加密。然而,由于差分移动机器人系统计算资源有限且需频繁交互,此类方法在实际系统中难以部署。另一类方法引入差分隐私,通过向真实状态中添加噪声来掩盖隐私信息,但该类方法本质上会在一致性值中引入偏差,无法实现精确一致性,难以满足高精度控制需求。近年来,基于可观测性的隐私保护方法以及状态分解机制被相继提出,前者在特定攻击模型下仍存在脆弱性,后者则主要针对离散时间系统设计,难以直接推广至连续时间系统。
5、综上所述,现有隐私保护一致性方法多面向理想多智能体系统,且主要在离散时间或连续时间单一框架下设计,缺乏针对连续时间差分移动机器人系统在非周期采样通信约束下的系统性研究。同时,现有方法对外部窃听者的防护能力有限,难以兼顾精确一致性、通信效率与隐私安全三方面的需求。
6、因此,面向非周期采样数据下的连续时间差分移动机器人系统,设计一种能够实现精确平均一致性并有效抵御外部窃听威胁的隐私保护控制方法,具有重要的理论意义和工程应用价值。
技术实现思路
1、本发明针对上述背景技术中所存在的技术问题,提出非周期采样差分移动机器人隐私保护一致性控制方法。
2、为了达到上述目的,本发明采用的技术方案为:
3、s1、将差分移动机器人系统建立t-s模糊系统;
4、s2、获得t-s模糊系统在参考状态分解下的分布式控制器;
5、s3、利用随机矩阵遍历系数证明随机权重矩阵乘积收敛;
6、s4、利用参考状态分解和随机权重生成机制证明任意攻击者无法唯一或高概率地反推节点初始状态;
7、s5、最后利用极点配置法和riccati方程设计控制器增益并保证系统的稳定性与隐私性能。
8、作为优选,步骤s1给出差分机器人的运动学方程,表达形式为:
9、,
10、其中,是车辆实际位置的惯性坐标,是车辆转向角,是车辆的角速度,然后根据t-s模糊规则,给定前提变量,,如果角度属于模糊集并且速度属于模糊集,则系统状态方程可以表示为线性子系统:
11、,
12、其中隶属度函数满足以下条件:
13、
14、并且加权函数,;因此线性子系统可以进一步表示为:
15、,
16、其中,,,。
17、作为优选,步骤s2的具体实现包括:
18、考虑一个强连通图,由n个差分移动机器人组成,将每一个差分移动机器人视为一个节点,其中节点集合定义为,边集合为,若,则表示从i到j的有向传输通道,使得i可以向j传递信息;
19、考虑第i个连续时间差分移动机器人系统,可描述为:
20、,
21、其中,为第i个差分移动机器人的系统状态,分别是第i个差分移动机器人的模糊化后的系数矩阵,输入矩阵和输出矩阵,是系统的输入,是系统的输出;
22、考虑到第i个连续时间差分移动机器人系统中每个智能体的t-s模糊动态特性,分布式控制器应以模糊并行分布式补偿形式实现,具体形式如下:
23、,
24、其中,是待设计的局部反馈增益,控制增益由调节器方程决定,满足且,,是隶属函数,是参考状态,且,在时间处右连续,即,且,此外对于任意的m>0,满足均匀分布,并初始化一下参考子状态:,,,其中m为预定义的值;和分别表示从智能体i到智能体j的节点之间的通信耦合权重和局部保留权重,当k=0时,节点i生成权重,,然后进行归一化,使得;对于,,服从,随后对这些权重进行归一化,使得。
25、作为优选,步骤s3的具体实现为:
26、定义,并且,从而以模糊并行分布式补偿形式实现的分布式控制器可以进一步推出:
27、,
28、其中,,,并且,从而进一步得到:
29、;
30、定义,即列概率矩阵的乘积,是列概率矩阵,对于一个列鞅矩阵,其遍历系数由以下公式给出:,当差分移动机器人所形成的拓扑为强连通时,遍历系数收敛于零,并且随着以模糊并行分布式补偿形式实现的分布式控制器的运行,局部参考平均值以概率为一收敛于,此外和状态输出趋于相同的值。
31、作为优选,步骤s4的具体过程为:
32、在定义的强连通图g中一个内部窃听者遵循指定的协议,并从交换的消息中推断出相邻节点的敏感数据;
33、对于多个内部窃听者,将共享接收到的信息,从而推断出其他节点的私密信息;
34、在采样时间时,任意所拥有的信息被定义为:,在通讯拓扑强连通与调和方程成立的前提下,若节点i的初始状态在以模糊并行分布式补偿形式实现的分布式控制器下对内部窃听者集合a而言未能实现隐私保护,则其入度和出度邻居的并集完全包含于a中,即,集合a中的内部窃听者能够从自身的观测结果中以渐近方式唯一推断出;
35、假设与s3相同前提,在以模糊并行分布式补偿形式实现的分布式控制器下,若其入站和出站邻居的并集不完全包含于集合a中,即,则初始状态将受到来自任何内部窃听者集合a的保护,集合a中的内部窃听者无法仅凭自身观测结果唯一确定,由于,故计算可得,进一步可以推出,因此当时,a在渐进意义下唯一确定;
36、定义外部窃听者不知道所采用的私有方案,但知道网络拓扑和所有节点间权重,可以拦截所有传输的数据,并通过以下方法推断每个节点的私有信息:,外部窃听者通过截取传输的数据并进行计算来估计初始值:,其中,为的混淆版本,通过收集的数据,窃听者可以利用恢复每个节点的初始值;
37、在以模糊并行分布式补偿形式实现的分布式控制器下,可保护节i免受外部窃听者的干扰,对于任意且,存在以及,使得,其中,,估计误差不能保证保持在任何有限的边界r内。
38、作为优选,步骤s5的具体实现为:
39、通过极点放置法,调整控制器的极点位置,以达到设计要求的系统响应,确定所需的系统性能指标;根据系统模型和性能指标,计算或选择控制器的极点位置,然后通过根轨迹设计来确定合适的极点位置;
40、控制器实现,将设计好的控制器结构实现为实际代码将控制器配置在差分移动机器人;首先根据设计的控制器结构和参数,编写控制算法的代码并将控制器配置在差分移动机器人;确保控制器与系统的接口和通信协议兼容,以实现网络化控制要求;
41、系统的仿真测试和调试,通过仿真验证控制器设计的有效性和稳定性,以确保系统在不同工况下的良好性能;利用matlab对设计的控制器进行测试,通过分析仿真结果,评估控制系统的闭环响应、稳定性和性能指标;
42、部署和优化,将优化后的控制器部署到实际网络化控制系统中;定期监测和优化控制器,以确保系统始终保持良好的控制性能;将验证过的控制器部署到实际的网络化控制系统中;监测和记录系统运行数据,定期进行控制器调整和优化,以适应系统变化和性能需求。
43、与现有技术相比,本发明的优点和积极效果在于,通过引入可变采样间隔的非周期通信协议,有效降低了系统平均采样频率与冗余数据传输量,缓解了无线网络拥塞及延迟丢包等非理想条件对协同控制性能的影响。同时,采用推求和框架下的状态分解技术,将各机器人参考状态拆分为两个随机分量,仅公开部分分量用于邻居交互,从而在不引入任何噪声干扰的前提下,实现无偏的精确平均输出一致性,并从根本上杜绝外部窃听者通过截获通信链路逆向还原任意机器人初始状态的可能性,弥补了现有加密方案计算复杂度过高、差分隐私方案牺牲精度以及离散时间方案不适用于连续时间系统的多重缺陷,为资源受限的差分移动机器人集群在复杂网络环境下的安全高效协同提供了可靠技术支撑。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com