拒绝服务攻击下的数据驱动弹性预测控制
系统与控制
2021-10-26 v1 系统与控制
摘要
针对线性时不变（LTI）系统在拒绝服务（DoS）攻击下的弹性控制研究在新兴信息物理应用中日益受到关注。在以往工作中，设计基于预测器的弹性控制器需要显式的系统模型。这些模型可以是先验给定的，或通过先前的系统辨识步骤获得。近期的研究努力集中于基于预先收集的输入-输出轨迹（即无需显式系统模型）的数据驱动控制。本文中，我们朝着DoS攻击下随机LTI系统的数据驱动镇定迈出初步一步，并开发了一种纯粹由数据依赖条件驱动的弹性模型预测控制（MPC）方案。所提出的数据驱动控制方法达到了与基于模型的控制方法同等的弹性水平。例如，在噪声和DoS攻击的温和假设下实现了局部输入到状态稳定性（ISS）。为恢复全局ISS，进一步提出了两种修正方案，代价是降低对DoS攻击的弹性或增加计算复杂度。最后，给出一个数值例子以验证所提控制方法的有效性。
引用
@article{arxiv.2110.12766,
title = {Data-Driven Resilient Predictive Control under Denial-of-Service},
author = {Wenjie Liu and Jian Sun and Gang Wang and Francesco Bullo and Jie Chen},
journal= {arXiv preprint arXiv:2110.12766},
year = {2021}
}