一种拒服攻击下遥操作机器人限时控制方法及系统
本发明涉及机器人控制和遥操作机器人系统控制,特别是指一种拒服攻击下遥操作机器人限时控制方法及系统。
背景技术:
1、随着单主多从遥操作系统在工业协作、远程作业等场景中的广泛应用,其在复杂网络环境下的安全与控制性能备受关注。此类系统依托通信网络实现主端与多从端机械臂间的信息交互,通过双向数据传输完成主从协同控制,是实现远程作业的重要技术载体。
2、现有研究针对遥操作系统的网络攻击防护与控制性能优化已开展大量工作,通过构建通信拓扑模型、设计状态观测器与滑模控制策略,为提升系统在网络环境下的稳定性与跟踪精度提供了有效支撑。相关技术方案为遥操作系统的抗干扰控制提供了理论与实践基础,推动了该领域技术的发展。
3、然而,现有方案在拒绝服务攻击场景下,难以同时兼顾通信拓扑修复、状态估计与预设时间收敛控制的协同实现,在极端网络条件下的系统鲁棒性仍有提升空间。
技术实现思路
1、为了解决现有方案在拒绝服务攻击场景下,难以同时兼顾通信拓扑修复、状态估计与预设时间收敛控制的协同实现,在极端网络条件下的系统鲁棒性仍有提升空间的技术问题,本发明提供了一种拒服攻击下遥操作机器人限时控制方法及系统。
2、本发明实施例提供的技术方案如下:
3、本发明实施例的第一方面提供的一种拒服攻击下遥操作机器人限时控制方法,包括:
4、s1:获取单主多从遥操作系统的机械臂状态数据;
5、s2:基于机械臂状态数据,通过动态标签系统,识别与主端失去连通性的孤立节点,确定孤立节点集合;
6、s3:根据孤立节点集合中各节点的网络重要度指标,执行通信链路重构,生成修复后的通信拓扑;
7、s4:基于机械臂状态数据和修复后的通信拓扑,构建主端观测器和从端观测器,并提取主端状态估计值和从端聚合状态估计值;
8、s5:基于主端状态估计值与从端聚合状态估计值之间的状态偏差,并结合预设时间调节函数,构建预设时间滑模面;
9、s6:通过神经网络,对遥操作系统中的集总扰动进行在线辨识,获得扰动估计值;
10、s7:根据预设时间滑模面、扰动估计值以及预设时间控制律,生成控制输入;
11、s8:将控制输入施加至主机械臂和从机械臂,以实现从机械臂对主机械臂的协同跟踪。
12、本发明实施例的第二方面提供的一种拒服攻击下遥操作机器人限时控制系统,包括:
13、处理器;
14、存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如第一方面所述的拒服攻击下遥操作机器人限时控制方法。
15、本发明实施例的第三方面提供的一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的拒服攻击下遥操作机器人限时控制方法。
16、本发明实施例提供的技术方案带来的有益效果至少包括:
17、在本发明实施例中,针对现有技术难以兼顾通信拓扑修复、状态估计与预设时间收敛控制协同实现,极端网络环境下系统鲁棒性不足的问题,本方法先依托动态标签系统识别孤立节点并重构通信链路,保障网络正常连通;再基于修复拓扑搭建主、从端观测器,完成状态估计与聚合;接着结合状态偏差与预设时间调节函数构建滑模面,搭配神经网络辨识集总扰动,依托预设时间控制律生成控制输入并作用于机械臂。本方案将拓扑修复、状态观测、扰动补偿与限时控制有机结合,有效提升拒绝服务攻击场景下系统鲁棒性与协同跟踪性能。
1.一种拒服攻击下遥操作机器人限时控制方法,其特征在于,包括:
2.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述s2具体包括:
3.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述网络重要度指标为基于节点连接关系计算得到的pagerank值。
4.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述s3具体包括:
5.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述s4具体包括:
6.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述预设时间调节函数具体为用于构建所述预设时间滑模面的非线性调节函数。
7.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述神经网络具体为径向基函数神经网络。
8.根据权利要求1所述的拒服攻击下遥操作机器人限时控制方法,其特征在于,所述s6具体包括:
9.一种拒服攻击下遥操作机器人限时控制系统,其特征在于,包括:
10.一种可读存储介质,其特征在于,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如权利要求1至8任一项所述的拒服攻击下遥操作机器人限时控制方法。
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