[发明专利]一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法

权利要求书

1.一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：所述方法包括如下步骤：

步骤1，针对网络化多Euler-Lagrange系统在进行通信时，通信信道受到欺骗攻击进行建模；

步骤2，设计网络化多Euler-Lagrange系统的控制输入力矩，包括局部反馈控制项和脉冲控制项，给出脉冲一致性控制准则，使得网络化多Euler-Lagrange系统在受到欺骗攻击时，实现位置上的均方意义下的有界一致性。

2.根据权利要求1所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤1中，在第j个Euler-Lagrange系统向其邻居发送数据时，发送的是第j个Euler-Lagrange系统输出量式中，常数λ＞0，分别为Euler-Lagrange系统的广义坐标、速度向量，N为网络化多Euler-Lagrange系统中个体数量。

3.根据权利要求2所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤1中，第j个Euler-Lagrange向其邻居发送数据的通信信道受到虚假数据注入的欺骗攻击，其模型为：

式中，r_j(t)是第j个Euler-Lagrange的传递给其邻居个体的信息，y_j(t)是强加在通信信道中未知且时变的不依赖于智能体状态的虚假数据，是第i个Euler-Lagrange系统从其邻居第j个Euler-Lagrange系统接收到的信息，γ_ij是服从Bernoulli分布的相互独立的随机变量，其概率分布满足E{γ_ij(t)＝1}＝ω_ij,E{γ_ij(t)＝0}＝1-ω_ij。

4.根据权利要求3所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤1中，第i个Euler-Lagrange系统无法从其接收到的信息中分辨出第j个Euler-Lag染个系统的输出信号r_j(t)与攻击信号y_j(t)。

5.根据权利要求1所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤2中，设计网络化多Euler-Lagrange系统的控制输入力矩为：

式中，参数k_i＞0，α＞0，γ＞0，u＞0，Ni表示第i个Euler-Lagrange系统的邻居个体集合，是用于估计第i个Euler-Lagrange系统非线性不确定部分的神经网络估计权值矩阵的估计值，θ_i(·)是神经网络的激活函数，δ(t)为狄拉克脉冲控制函数，u_i(t)是脉冲控制项，增益α＞0。

6.根据权利要求5所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤2中，控制器参数满足如下条件：

α＞0,ε＞0,γ＞0,u＞0,ζ＞0,δ＞0

2δk_min-1＞0

式中，k_min＝min{k_i}，μ＝ζ+ε^-1，是第i个Euler-Lagrange系统惯性矩阵的下界，是第i个Euler-Lagrange系统惯性矩阵的下界，L是网络化Euler-Lagrange系统的Laplace矩阵，λ_min(L+L^T)是矩阵L+L^T的最小特征值，λ_max(LL^T)是矩阵LL^T的最大特征值，h₂是最大的脉冲间隔。

7.根据权利要求6所述的一种欺骗攻击下多Euler-Lagrange系统实现无领导者一致性方法，其特征在于：步骤2中，受到欺骗攻击的网络化多Euler-Lagrange系统的一致性误差q_i(t)-q_j(t)的范数的界为：

式中，σ是Euler-Lagrange系统受到的外界扰动的有界值和神经网络估计误差的界之和，I_n是n×n的单位阵，λ_max(Π)表示矩阵Π的最大特征值，