基于全连接递归神经网络的四旋翼无人机在DoS攻击下的事件触发有限时间轨迹跟踪控制方法
本发明属于四旋翼无人机网络化抗攻击运动控制,具体涉及一种基于全连接递归神经网络的四旋翼无人机在dos攻击下的事件触发有限时间轨迹跟踪控制方法。
背景技术:
1、四旋翼本体具备强耦合、多变量、欠驱动非线性动力学特性,飞行过程中易受气动阻尼、载荷变化带来的参数摄动与外部时变未知扰动影响,高精度轨迹跟踪一直是无人机运动控制的核心难题。当下无人机多采用网络化远程控制架构,控制器与飞行器依靠无线信道传输控制指令,通信带宽资源有限,若持续不间断更新控制信号,极易造成信道拥堵、传输延迟,大幅降低系统实时性。同时无线网络易遭受拒绝服务(dos)攻击,攻击者通过海量冗余数据包挤占信道,引发指令丢包、通信中断,直接破坏闭环控制系统稳定性,严重威胁飞行安全。因此面向dos攻击的无人机鲁棒轨迹跟踪控制也成为无人机领域的研究热点。
2、现有无人机轨迹跟踪控制方案存在诸多亟待解决的技术短板:(1)传统滑模控制存在明显高频抖振,普通终端滑模易出现控制奇异性,且大多仅能保证误差渐近收敛,无法实现有限时间高精度跟踪;同时多数滑模算法未配套轻量化通信调度策略,持续控制更新带来巨大通信开销。(2)常规事件触发控制采用单一指数衰减阈值,随跟踪误差趋近零,阈值无限缩小会引发芝诺(zeno)无限频繁触发,加重信道负担;且现有触发机制未适配dos攻击中断场景,通信阻断后无可靠更新调度策略,系统稳定性难以保障。(3)传统径向基神经网络、普通循环神经网络仅能连续在线迭代,需全程实时计算更新权重,机载算力消耗大;且网络结构反馈维度单一,对四旋翼完全未知耦合动力学的逼近精度有限,难以同步适配事件触发离散更新时序,攻击期间易出现参数漂移。(4)现有抗dos无人机控制研究大多局限于单输入单输出线性系统,极少针对四旋翼多输入多输出强耦合非线性对象,未能将事件触发调度、递归神经网络动态逼近、有限时间滑模、网络攻击容错进行一体化协同设计,无法同时兼顾抗扰、轻量化通信、低计算开销与攻击环境下稳定跟踪多重需求。
技术实现思路
1、为了克服现有技术的缺陷,本发明提出一种基于全连接递归神经网络的四旋翼无人机在dos攻击下的事件触发有限时间轨迹跟踪控制方法,建立融合多扰动与网络攻击的级联动力学模型,设计带恒定下界约束的时变阈值事件触发机制消除芝诺行为,构造实用非奇异快速终端滑模控制器实现无抖振有限时间跟踪,搭建多重反馈fcrnn在线逼近未知动力学并配套攻击冻结式分段权更新规则,结合攻防自适应切换策略保障通信中断下持续稳定跟踪,为网络化无人机抗攻击轻量化高精度飞行控制提供全新解决方案。
2、本发明所采用的技术方案如下:
3、基于全连接递归神经网络的四旋翼无人机在dos攻击下的事件触发有限时间轨迹跟踪控制方法,包括以下步骤:
4、a、建立四旋翼无人机位置与姿态动力学模型,并构建考虑未知非线性动力学、模型参数不确定性、外部扰动及拒绝服务(denial-of-service,dos)攻击影响的无人机控制系统,为轨迹跟踪控制器设计提供系统模型;
5、b、针对通信网络带宽受限及控制信号连续更新导致通信负载较大的问题,设计具有时变阈值的事件触发机制,引入触发下界约束,自适应确定控制信号及神经网络参数的更新时刻,在降低通信资源消耗的同时避免zeno现象发生;
6、c、构建实用非奇异快速终端滑模控制器(practical non-singular fastterminal sliding mode controller,nftsmc),设计滑模面、趋近律及控制律,并结合在线扰动估计实现四旋翼无人机位置与姿态的有限时间轨迹跟踪控制,以提高控制精度并抑制滑模控制抖振;
7、d、构建全连接递归神经网络(fully connected recurrent neural network,fcrnn),利用输入层接收输出层一步延迟反馈、隐藏层神经元自反馈与层内全互连互反馈、输出层向隐藏层输送一步延迟反馈多反馈网络结构,对无人机未知非线性动力学进行在线逼近,并结合事件触发机制设计神经网络权值自适应更新律,在保证逼近精度的同时降低网络计算量及通信开销;
8、e、根据dos攻击状态切换控制策略,在非攻击阶段执行事件触发控制及神经网络在线学习,在攻击阶段保持控制输入及神经网络参数冻结,并在通信恢复后继续执行轨迹跟踪控制,实现四旋翼无人机在dos攻击环境下的有限时间稳定轨迹跟踪。
9、所述步骤a具体操作包括:基于牛顿-欧拉方程建立四旋翼六自由度位置.姿态耦合原始动力学方程组,惯性坐标系下机体质心位置向量定义为π=[x,y,z]t,滚转、俯仰、偏航姿态角向量定义为d=[φ,θ]t,系统独立物理输入包含总升力u1、三轴控制力矩u2,u3,u4,完整动力学方程组构造为:
10、
11、式中m为无人机整机质量,g为重力加速度;jx,jy,jz为三轴转动惯量,ir表征旋翼陀螺耦合与反扭矩效应;ix,iy,iz为平动气动阻尼系数,iφ,iθ,iψ为角运动气动阻尼系数;旋翼总转ωi代表第i个电机转子角速度。
12、针对四旋翼六自由度、四输入欠驱动特性,引入三组虚拟控制量完成位置通道解耦:
13、ux=(cosφsinθcosψ+sinφsinψ)u1
14、uy=(cosφsinθsinψ-sinφcosψ)u1
15、uz=(cosφcosθ)u1
16、定义位置控制输入up=[ux,uy,uz]t,姿态控制输入ua=[u2,u3,u4]t;拆分系统为位置子系统、姿态子系统,子系统统一数学表达为:
17、
18、其中动力学固有项ap,aa,正定控制增益矩阵定义位置集总不确定项dp、姿态集总不确定项da,不确定集统一映射规则为:
19、dp=dp1+dp2+dp3
20、da=dα1+da2+da3
21、dp1,da1代表系统完全未知非线性动力学项,dp2,da2代表质量、转动惯量等模型参数摄动项,dp3,da3代表外部时变气动、风扰等有界外部扰动项;假设dp、dα有界且上界完全未知。
22、构建间歇性dos攻击时序数学模型,设{hn},n∈n为第n次攻击启动时刻序列,τn>0为单次攻击持续时长,第n段攻击时间区间定义全局攻击总时长集合θ(t)=unhn∩[0,t],无攻击正常通信区间γ(t)=[0,t]\θ(t)。
23、引入两条攻击有界约束假设算子:
24、攻击频次约束算子:n(t)为[0,t]内攻击总次数,η为突发攻击容忍参数,τd为攻击平均间隔下界;
25、攻击时长约束算子:|·|为时间勒贝格测度,为短时攻击常数项,i>1为攻击时长衰减系数。
26、融合动力学方程、集总不确定性项、dos攻击时序约束,得到完整网络化四旋翼mimo非线性控制模型,作为后续事件触发、滑模、神经网络控制器一体化设计统一基础模型。
27、所述步骤b具体操作包括:(1)针对无线网络带宽有限、持续不间断下发控制指令会造成信道拥堵、传输时延增大的工程痛点,构造带恒定正下界约束的时变阈值事件触发机制,定义离散事件触发时刻序列{tk},相邻触发间隔tk=tk+1-tk,构建综合复合误差评判函数ξe(t)作为触发判断依据,复合误差函数数学表达式为:
28、
29、式中e(·)代表事件采样误差项,e、分别为系统跟踪误差及其一阶导数,非线性复合项sig η(·)为非线性幂次符号函数。
30、(2)设计分段动态触发阈值max{κexp(-δt),σ},其中κ为指数衰减初始幅值系数,δ为指数衰减速率,σ>0为全局恒定正下界常数;无dos攻击的正常通信区间内,事件触发时刻求解规则为:tk+1=inf{t>tk|ξe(t)>max{κe-δt,σ}}仅当复合误差超过动态阈值时,同步更新四旋翼位置、姿态控制指令与fcrnn神经网络全部权重参数,[tk,tk+1)区间内控制量、网络参数保持恒定,仅在离散时刻完成数据传输,大幅削减无线数据包发送频次,缓解通信带宽占用压力。
31、(3)通过系统误差全局最大变化速率l与阈值下界σ推导最小事件间隔任意两次事件触发间隔严格大于正常数下限,解决传统纯指数阈值随误差收敛无限趋近0、引发zeno无限频繁触发的缺陷;当系统落入dos攻击区间时,切换固定周期触发模式,设置触发间隔上下界约束攻击时段同样强制保证事件间隔存在严格正数下限,全域彻底规避zeno现象,在降低通信资源消耗的同时保障控制更新基础频次。
32、所述步骤c具体操作包括:(1)分别针对位置子系统、姿态子系统构建实用非奇异快速终端滑模面,定义位置跟踪误差e1=πd-π、姿态跟踪误差e2=dd-d,位置滑模面构造为:
33、
34、姿态滑模面构造为:
35、
36、式中α,β,α1,β1均为正加权系数,参数约束满足η1>η2、η3>η4且1<η2,η4<2,sigη(·)为非线性幂次符号函数,通过该滑模面规避传统终端滑模存在的控制奇异问题,同时兼顾快速收敛特性。
37、(2)设计分层复合控制律,位置控制器与姿态控制器均由fcrnn等效逼近项、幂次鲁棒切换项、自适应扰动补偿项三部分叠加构成,位置控制输入:姿态控制输入:其中鲁棒切换控制项定义为为对角正定矩阵,0<ε1,ε2<1,采用幂次趋近律替代标准符号函数,削弱滑模控制高频切换带来的机械抖振。
38、(3)构造在线自适应扰动估计补偿单元,位置自适应补偿项姿态自适应补偿项对应的自适应更新规则为hp,hα为正定前馈增益,为补偿学习率;该补偿项实时吸收fcrnn网络逼近残差、事件触发离散采样误差、位置姿态级联耦合误差等集总残差扰动。
39、(4)基于有限时间稳定引理构造lyapunov函数开展收敛性证明,通过推导可得位置、姿态跟踪误差均可在有限时间内收敛至原点极小邻域,实现四旋翼高精度有限时间轨迹跟踪,同时兼具无奇异、低抖振的控制效果。
40、所述步骤d具体操作包括:(1)构建9个输入层神经元、7个隐藏层神经元、3个输出层神经元的多反馈全连接递归神经网络(fcrnn),网络内置三层递归反馈连接结构,分别为输入层接收输出层一步延迟反馈、隐藏层神经元自反馈与层内全互连互反馈、输出层向隐藏层输送一步延迟反馈;输入层、隐藏层、输出层之间分别配置独立权重矩阵,位置子系统fcrnn与姿态子系统fcrnn采用相同网络拓扑结构,仅输入向量、学习率参数相互区分。
41、(2)定义fcrnn各层输入聚合计算公式:输入层第i个神经元聚合输入为(xi)为外部输入向量分量,woi为输出至输入反馈权重,m-1(·)代表一步时序延迟算子;位置网络外部输入向量姿态网络外部输入向量ep、ea分别为位置、姿态系统事件采样误差向量。
42、(3)隐藏层神经元综合输入构造为式中wi为输入-隐藏层权重矩阵,wd为隐藏层自递归权重矩阵,woh为输出至隐藏反馈权重矩阵;隐藏层激活函数采用sigmoid函数输出层采用线性映射w为隐藏-输出层权重矩阵,网络输出用于拟合nftsmc所需理想等效控制量upnn、uann。
43、(4)设计与事件触发、dos攻击时序匹配的分段式网络权自适应更新律,以位置fcrnn输出权重为例,更新规则定义为:
44、
45、隐藏层输入权重隐藏自反馈权重输出输入反馈权重输出隐藏反馈权重均采用同一段更新逻辑;为对应正向学习率,为各权重对应的雅可比矩阵;姿态fcrnn权重更新逻辑与位置网络完全一致,仅替换姿态对应滑模变量s2与姿态专属学习参数。
46、(4)网络更新执行约束规则:仅在无dos攻击、且到达事件触发时刻tk时执行所有权重梯度迭代更新;处于两次触发间隔时段,或落入dos攻击区间θ(t)时,所有权重更新导数置零,冻结全部网络参数,停止在线学习;通过离散时刻局部迭代实现对四旋翼完整未知耦合非线性、参数摄动、外部扰动的高精度在线逼近,无需持续机载实时计算,同步减少网络权重参数无线传输频次,在保证动态逼近精度的前提下大幅降低机载计算负载与通信开销。
47、所述步骤e具体操作包括:(1)实时监测当前系统通信状态,判别当前时刻是否落入dos攻击区间划分两种运行模式:模式一为的无攻击正常通信工况,模式二为的dos攻击通信中断工况,依据判别结果自适应切换整套控制与神经网络学习调度逻辑。(2)当系统工作于无攻击模式时,启用步骤b设计的时变阈值事件触发判据,当复合误差ξe(t)超出动态阈值max{κexp(-δt),σ}时生成触发时刻tk;在触发时刻同步下发步骤c构造的nftsmc复合控制量,同时执行步骤d给出的fcrnn分段权更新规则,对输入层、隐藏层、输出所有权重完成梯度迭代,持续在线逼近系统未知动力学、补偿集总扰动。(3)当系统处于dos攻击模式时,切换固定周期事件更新策略,触发间隔约束满足执行零阶保持zoh机制,锁定上一次正常通信成功传输的控制信号持续输出至执行机构,全程不置零控制输入,避免无人机升力丢失、姿态失稳;同时将fcrnn全部权重更新导数置零,冻结所有网络参数,暂停神经网络在线迭代学习,杜绝攻击时段无效运算与权重无限漂移问题。(4)当dos攻击结束、时间退出攻击区间通信链路恢复正常后,立刻切回时变阈值事件触发判定逻辑,基于当前实时跟踪误差、采样误差重启fcrnn权重自适应更新流程,持续开展有限时间轨迹跟踪。(5)采用lyapunov函数分段稳定性证明方法,分别推导正常通信区间、dos攻击区间下lyapunov函数变化规律;定义系统发散相关系数w3与收敛相关系数w1,若dos攻击满足时长、频率约束条件系统整体收敛速率大于攻击带来的发散速率,闭环四旋翼无人机系统可在间歇性dos干扰下保持有限时间稳定,实现高精度持续轨迹跟踪。
48、本发明提供的技术方案带来的有益效果是:
49、本发明采用全连接递归神经网络(fcrnn)对四旋翼无人机未知非线性动力学及外部扰动进行在线逼近,并将时变阈值事件触发机制与实际非奇异快速终端滑模控制相结合,实现神经网络权值与控制输入的同步事件触发更新,在保证有限时间轨迹跟踪精度的同时,有效降低通信频率和计算负担。与现有方法相比,本发明不仅能够提高无人机系统对未知模型和外部扰动的自适应能力,而且能够有效抵御拒绝服务(dos)攻击对网络控制系统的影响,兼顾通信资源利用效率、控制精度及系统鲁棒性,为网络化四旋翼无人机安全稳定飞行提供了一种高效可靠的轨迹跟踪控制方案。
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