一种基于三轮阿克曼转向模型的安全制造技术

本发明专利技术公开了一种基于三轮阿克曼转向模型的安全

【技术实现步骤摘要】
一种基于三轮阿克曼转向模型的安全Tobit滤波方法


[0001]本专利技术属于滤波领域，涉及一种安全滤波方法，具体涉及一种具有虚假数据注入攻击以及删失测量的三轮阿克曼转向模型的安全
Tobit
滤波方法
。

技术介绍

[0002]三轮阿克曼转向模型通常用于描述具有三个车轮并具备前轮转弯功能的车辆的运动特性
。
它是阿克曼转向原理在三轮车辆上的应用
。
三轮阿克曼转向模型对于改进车辆设计
、
开发控制算法以及推动自动驾驶技术具有重要意义
。
如何对基于三轮阿克曼转向模型的参数进行估计依旧是一个研究热点
。
[0003]考虑到由于传感器测量饱和现象而引起的删失测量经常出现在各种实际应用中，因此研究具有删失测量的三轮阿克曼转向模型具有实际意义
。
注意到在信息传输的过程中，攻击者可以通过网络部件以一种不可预测和隐蔽的方式将攻击行为引入系统中，进而使得系统性能遭到损坏
。
其中，虚假数据注入攻击会向系统注入虚假数据，以破坏系统的完整性
、
可靠性和信任度，因此被认为是最重要的攻击行为之一
。
[0004]现有的滤波方法无法解决同时具有以上现象的三轮阿克曼转向模型的安全滤波问题，若采用传统的滤波方案对三轮阿克曼转向模型进行状态估计将会使得滤波性能大打折扣
。

技术实现思路

[0005]为了解决基于三轮阿克曼转向模型的具有虚假数据注入攻击以及删失测量等现象的安全滤波问题，本专利技术提供了一种基于三轮阿克曼转向模型的安全
Tobit
滤波方法
。
[0006]本专利技术的目的是通过以下技术方案实现的：
[0007]一种基于三轮阿克曼转向模型的安全
Tobit
滤波方法，包括如下步骤：
[0008]步骤一
、
基于由车辆坐标
、
车辆路径角偏差
、
线速度以及转向角组成的五维状态变量，建立具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型，所述具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型为：
[0009][0010][0011][0012][0013]式中，
x
h
＝
[x
h y
h η
h κ
h ζ
h
]T
，
T
表示为矩阵的转置；
sin(
·
)、cos(
·
)
以及
tan(
·
)
分别代表“·”的正弦函数
、
余弦函数以及正切函数；
x
h
、y
h
、
η
h
、
κ
h
以及
ζ
h
分别表示三轮阿克曼转向模型在第
h
时刻的车辆的原始坐标
、
车辆路径角偏差
、
线速度和转向角；
E
代表三轮车前轮到后轴的距离，
Δ
s
为采样间隔，
x
b
和
y
b
代表车内安装的传感器测量信标位置；
ω
h
和
v
h
分别代表在第
h
时刻具有零均值且协方差矩阵为
Q
h
＞0和
R
h
＞0的过程噪声和测量噪声，
D
h
是一个五维的已知时变矩阵；是在第
h
时刻具有5个节点的未经删失的测量输出
(
也可以称为潜变量
)
；是在第
h
时刻具有5个节点的经过删失之后的输出向量，
Θ
h
＝
diag{
θ
1,h
,
θ
2,h
,
…
,
θ
5,h
}
，其中
diag(
·
)
表示对角线上的元素是“·”的对角矩阵，
θ
i,h
(i
＝
1,2,...,5)
是用来判断第
i
个节点在第
h
时刻是否发生删失的伯努利随机变量，并且满足
Prob
代表事件发生的概率值，为第
i
个节点在第
h
时刻的未删失概率，
Ψ
(
·
)
为标准正态分布的分布函数，为三轮阿克曼转向模型的状态在第
h
‑1时刻的一步预测，为的第
i
个元素，为基于三轮阿克曼转向模型的测量输出所对应的非线性函数在第
h
‑1时刻的一步预测形式，
τ
i
(i
＝
1,2,...,5)
为的第
i
个元素，代表删失阈值向量，为第
h
时刻的测量噪声协方差矩阵
R
h
的第
(i,i)
个元素，
I
是五维单位矩阵；
y
h
是在第
h
时刻遭受虚假数据注入攻击之后产生的实际测量值，
ξ
h
是满足条件的虚假数据，为
ξ
h
的转置，是一个大于0的虚假数据上界，
Γ
h
＝
diag{
γ
1,h
,
γ
2,h
,
…
,
γ
5,h
}
，
γ
i,h
(i
＝
1,2,
…
,5)
是用来判断攻击者是否攻击传感器节点的伯努利随机变量，并且满足为第
i
个节点在第
h
时刻的攻击概率；
[0014]步骤二
、
对步骤一所建立的三轮阿克曼转向模型进行安全
Tobit
滤波器设计，通过所设计的安全
Tobit
滤波器实现对三轮阿克曼转向模型的状态估计，所述安全
Tobit
滤波器的具体结构为：
[0015][0016][0017]式中，为三轮阿克曼转向模型的状态在第
h
时刻的一步预测，为基于三轮阿克曼转向模型的状态的非线性函数在第
h
时刻的滤波形式，为三轮阿克曼转向模型的状态在第
h
时刻的滤波，为第
h+1
时刻的滤波，
K
h+1
为第
h+1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于三轮阿克曼转向模型的安全
Tobit
滤波方法，其特征在于所述方法包括如下步骤：步骤一
、
基于由车辆坐标
、
车辆路径角偏差
、
线速度以及转向角组成的五维状态变量，建立具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型，所述具有虚假数据注入攻击和删失测量的三轮阿克曼转向模型为：击和删失测量的三轮阿克曼转向模型为：击和删失测量的三轮阿克曼转向模型为：击和删失测量的三轮阿克曼转向模型为：式中，
x
h
＝
[x
h y
h η
h κ
h ζ
h
]
T
，
T
表示为矩阵的转置；
sin(
·
)、cos(
·
)
以及
tan(
·
)
分别代表“·”的正弦函数
、
余弦函数以及正切函数；
x
h
、y
h
、
η
h
、
κ
h
以及
ζ
h
分别表示三轮阿克曼转向模型在第
h
时刻的车辆的原始坐标
、
车辆路径角偏差
、
线速度和转向角；
E
代表三轮车前轮到后轴的距离，
Δ
s
为采样间隔，
x
b
和
y
b
代表车内安装的传感器测量信标位置；
ω
h
和
v
h
分别代表在第
h
时刻具有零均值且协方差矩阵为
Q
h
＞0和
R
h
＞0的过程噪声和测量噪声，
D
h
是一个五维的已知时变矩阵；是在第
h
时刻具有5个节点的未经删失的测量输出；是在第
h
时刻具有5个节点的经过删失之后的输出向量，
Θ
h
＝
diag{
θ
1,h
,
θ
2,h
,...,
θ
5,h
}
，其中
diag(
·
)
表示对角线上的元素是“·”的对角矩阵，
θ
i,h
是用来判断第
i
个节点在第
h
时刻是否发生删失的伯努利随机变量，代表删失阈值向量，
I
是五维单位矩阵；
y
h
是在第
h
时刻遭受虚假数据注入攻击之后产生的实际测量值，
ξ
h
是满足条件的虚假数据，为
ξ
h
的转置，是一个大于0的虚假数据上界，
Γ
h
＝
diag{
γ
1,h
,
γ
2,h
,...,
γ
5,h
}
，
γ
i,h
是用来判断攻击者是否攻击传感器节点的伯努利随机变量；
i
＝
1,2,...,5
；步骤二
、
对步骤一所建立的三轮阿克曼转向模型进行安全
Tobit
滤波器设计，通过所设计的安全
Tobit
滤波器实现对三轮阿克曼转向模型的状态估计，所述安全
Tobit
滤波器的具
体结构为：体结构为：式中，为三轮阿克曼转向模型的状态在第
h
时刻的一步预测，为基于三轮阿克曼转向模型的状态的非线性函数在第
h
时刻的滤波形式，为三轮阿克曼转向模型的状态在第
h
时刻的滤波，为第
h+1
时刻的滤波，
K
h+1
为第
h+1
时刻的增益矩阵，
y
h+1
是在第
h+1
时刻遭受虚假数据注入攻击之后产生的实际测量值，时刻遭受虚假数据注入攻击之后产生的实际测量值，是第
i
个节点在第
h+1
时刻的未删失概率，为基于三轮阿克曼转向模型的测量输出所对应的非线性函数在第
h
时刻的一步预测形式，时刻的一步预测形式，其中
φ
(
·
)
为标准正态分布的概率密度函数，标准正态分布的概率密度函数，为的第
i
个元素，为第
h+1
时刻的测量噪声协方差矩阵
R
h+1
的第
(i,i)
个元素，个元素，表示的转置；步骤三
、
计算三轮阿克曼转向模型在第
h
时刻的预测误差协方差矩阵的上界所述三轮阿克曼转向模型在第
h
时刻的预测误差协方差矩阵的上界表达式为...

【专利技术属性】
技术研发人员：胡军，杨硕，班立群，刘玉锋，于浍，徐龙，赵丹绮，周奥展，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：