考虑领导者-跟随者多智能体系统,其中包含一个领导者和
N
N
N 个跟随者。领导者编号为0,跟随者编号为
i
=
1
,
2
,
.
.
.
,
N
i = 1,2,...,N
i=1,2,...,N。
跟随者的动态方程可以描述为
x
˙
i
(
t
)
=
A
x
i
(
t
)
+
B
u
i
(
t
)
+
B
f
f
(
x
i
(
t
)
,
t
)
y
i
(
t
)
=
C
x
i
(
t
)
(2-1)
\begin{aligned} \dot{x}_i(t) &= A x_i(t) + B u_i(t) + B_f f(x_i(t), t) \\ y_i(t) &= C x_i(t) \end{aligned} \tag{2-1}
x˙i(t)yi(t)=Axi(t)+Bui(t)+Bff(xi(t),t)=Cxi(t)(2-1)
其中,
x
i
(
t
)
∈
R
n
\red{x_i(t)} \in \R^n
xi(t)∈Rn 表示第
i
i
i 个智能体的状态,
y
i
(
t
)
∈
R
m
\red{y_i(t)} \in \R^m
yi(t)∈Rm 表示第
i
i
i 个智能体的测量值,
u
i
(
t
)
∈
R
q
\red{u_i(t)} \in \R^q
ui(t)∈Rq 表示第
i
i
i 个智能体的控制作用。
由于领导者没有入邻居节点,因此其动态方程为
x
˙
0
(
t
)
=
A
x
0
(
t
)
+
B
f
f
(
x
0
(
t
)
,
t
)
(2-2)
\begin{aligned} \dot{x}_0(t) &= A x_0(t) + B_f f(x_0(t), t) \end{aligned} \tag{2-2}
x˙0(t)=Ax0(t)+Bff(x0(t),t)(2-2)
由于智能体之间的信息交换是通过通信网络实现的,并且具有较强的开放性,因此容易受到外部恶意攻击。假设观测器通信网络以及控制器通信网络都可能被攻击者攻击。此外,假定智能体之间的信息传输是同步的,时间间隔为
t
k
t_k
tk,且满足
t
k
+
1
−
t
k
=
δ
,
k
∈
N
0
t_{k+1} - t_k = \delta, \quad k \in \N_0
tk+1−tk=δ,k∈N0
2.1.2 拒绝服务攻击模型
2.2 安全估计与一致性分析
考虑如下基于观测器的控制器
u
i
(
t
)
=
c
K
∑
j
∈
N
i
+
a
i
j
(
x
^
j
(
t
)
−
x
^
i
(
t
)
)
(2-3)
\begin{aligned} u_i(t) &= c K \sum_{j \in N^+_i} a_{ij} (\hat{x}_j(t) - \hat{x}_i(t)) \end{aligned} \tag{2-3}
ui(t)=cKj∈Ni+∑aij(x^j(t)−x^i(t))(2-3)
其中
x
^
i
(
t
)
∈
R
n
\red{\hat{x}_i(t)} \in \R^n
x^i(t)∈Rn 表示第
i
i
i 个跟随者的观测器状态,
c
\red{c}
c 是耦合系数,
K
∈
R
q
×
n
\red{K} \in \R^{q \times n}
K∈Rq×n 是控制增益。
设计观测器结构如下:
{
x
^
˙
i
(
t
)
=
A
x
^
i
(
t
)
+
B
u
i
(
t
)
+
θ
H
∑
j
∈
N
i
+
a
i
j
(
ω
j
(
t
)
−
ω
i
(
t
)
)
+
B
f
f
(
x
^
i
(
t
)
,
t
)
t
≠
z
r
x
^
i
(
t
)
=
ζ
i
(
t
)
t
=
z
r
(2-4)
\left\{\begin{aligned} \dot{\hat{x}}_i(t) &= A \hat{x}_i(t) + B u_i(t) + \theta H \sum_{j \in N^+_i} a_{ij} (\omega_j(t) - \omega_i(t)) + B_f f(\hat{x}_i(t), t) &\quad t\ne z_r \\ \hat{x}_i(t) &= \zeta_i(t) &\quad t = z_r \end{aligned}\right. \tag{2-4}
⎩⎨⎧x^˙i(t)x^i(t)=Ax^i(t)+Bui(t)+θHj∈Ni+∑aij(ωj(t)−ωi(t))+Bff(x^i(t),t)=ζi(t)t=zrt=zr(2-4)
其中
{
z
r
,
r
∈
N
0
}
\red{\{z_r, r \in \N_0\}}
{zr,r∈N0} 表示
σ
−
1
\sigma -1
σ−1 个连续成功传输间隔后的紧邻的传输时刻所组成的序列,也就是状态重置时刻。
θ
\red{\theta}
θ 表示耦合强度,
H
∈
R
n
×
m
\red{H} \in \R^{n \times m}
H∈Rn×m 表示观测器增益。
ω
i
(
t
)
=
C
x
^
i
(
t
)
−
y
i
(
t
)
\omega_i(t) = C \hat{x}_i(t) - y_i(t)
ωi(t)=Cx^i(t)−yi(t)
ζ
i
(
t
)
\red{\zeta_i(t)}
ζi(t) 表示第
i
i
i 个局部状态重置器。
对于线性多智能体系统,状态重置机制的形式如下
{
ζ
˙
i
(
t
)
=
A
ζ
i
(
t
)
+
B
u
i
(
t
)
t
≠
s
m
ζ
i
(
t
)
=
ζ
i
(
t
−
)
+
R
η
i
(
t
−
)
t
=
s
m
(2-5)
\left\{\begin{aligned} \dot{\zeta}_i(t) &= A \zeta_i(t) + B u_i(t) &\quad t \ne s_m \\ \zeta_i(t) &= \zeta_i(t^-) + R \eta_i(t^-) &\quad t = s_m \end{aligned}\right. \tag{2-5}
{ζ˙i(t)ζi(t)=Aζi(t)+Bui(t)=ζi(t−)+Rηi(t−)t=smt=sm(2-5)
η
i
(
t
−
)
=
C
ζ
i
(
t
)
−
y
i
(
t
)
\eta_i(t^-) = C \zeta_i(t) - y_i(t)
ηi(t−)=Cζi(t)−yi(t)
η
(
t
−
)
\red{\eta(t^-)}
η(t−) 表示
η
(
t
)
\eta(t)
η(t) 的左极限。