摘要：聚焦多机器人系统协同寻源问题,即通过驱使多个机器人相互协同寻找未知环境中物理信号放射源的位置.由于执行任务的机器人通常处于户外开放网络环境中,攻击者在网络中生成的虚假数据注入攻击容易导致多机器人系统寻源任务的失败.为在网络攻击情形下仍旧能够追寻到源点,提出一种基于弹性向量趋同的多机器人系统协同多维寻源方法.有别于现有文献在处理多维寻源时将向量分解成各个维度上的标量进而设计基于标量的弹性趋同协议,所提出的多维寻源方法不仅能够有效抵御虚假数据注入攻击完成寻源任务,而且其界定的安全区间相较于传统基于标量信息界定的安全区间更加严格和精准.在假设f-局部有界(f-locally bounded)虚假数据注入攻击模型下,理论分析给出正常机器人在所设计的控制协议下追寻到源点的充分必要条件.仿真结果表明,该方法在分布式多机器人系统协作寻源和抵抗恶意攻击方面具有优越性.

摘要：智能交通系统是集群智能技术的典型应用之一.为解决现有智能交通通信网络脆弱性检测方法复杂度高、实时性差的问题,提出引入深度学习技术对网络脆弱性检测方法进行设计.先利用多智能体网络协同和消息传输机制与智能交通系统车辆间协作通信网络的共通性,将智能交通系统通信图脆弱性检测问题建模为对多智能体网络r-鲁棒值的求解问题.再针对随网络节点数目增多r-鲁棒值求解成NP难问题,设计给出一种融入残差网络的深度学习算法,将鲁棒值求解问题转化为深度学习图分类问题.所提算法可有效应对动态多变的智能交通通信网络并对其实现快速精准的脆弱性检测.最后通过一组典型交通场景的仿真实验验证本文所提方法的有效性.

摘要：本文考虑具有量化输入和输出约束的一类非线性互联系统的自适应分散跟踪控制设计.分别针对量化参数已知和未知两种情况,基于反推(Backstepping)设计法,利用神经网络逼近特性,设计自适应分散跟踪控制策略.通过定义新的未知常量和非线性光滑函数,设计自适应参数估计项来消除未知互联项对系统的影响.进一步考虑量化参数未知的情形,引入一个新的不等式来转化输入信号,并构建新的自适应补偿项来处理量化影响.同时,障碍李雅普诺夫函数的引入,确保了系统输出不违反约束条件.与现有量化输入设计相比,本文所提方法不要求未知非线性项满足李普希兹条件,并且允许量化参数未知.该设计方法保证了闭环系统所有信号最终一致有界,而且跟踪误差能够收敛到原点的小邻域内,同时保证输出不违反约束条件.最后,仿真算例验证了所提方法具备良好的跟踪控制性能.

摘要：本文研究通信范围有限的智能体群组编队问题,探索网络攻击下多智能体系统弹性均值趋同控制策略.现有的工作表明,多智能体系统可通过维持一个所谓r–鲁棒的通信网络,实现分布式弹性趋同控制器的设计.然而,传统的方法中只有当单个智能体的通信范围足够大时,才能使网络满足r–鲁棒这一特定条件.本文利用智能体可移动的特性放宽了对通信范围的要求,通过小组化和模块化的设计思想以及相应的编队策略,让智能体沿预设轨道做周期性运动,从而达成具有r–鲁棒的通信网络,并基于该通信网络提出了一种分布式弹性均值趋同控制方法.此外,分析给出了单模块和多模块情况下多智能体网络达成r–鲁棒的所需条件.最后在仿真实例中,实现了网络攻击下系统状态的均值趋同,实验结果验证了群组编队和均值趋同控制方法的有效性.

摘要：针对多智能体系统通信网络遭受欺骗攻击与隐私窃取问题,本文提出了一种新的具备隐私保护能力的多智能体系统弹性一致性算法.首先考虑到多智能体系统在信息传输环节直接将真实状态信息暴露给外界的问题,设计了一种基于状态分配思想的节点状态信息处理机制,来保证系统中节点状态信息隐私的安全性.其次考虑到外部攻击者对系统收敛的影响,在状态分配机制上进一步引入了检测环节,从而保证系统安全收敛.然后通过数学理论分析证明了算法能够有效保护节点初始状态信息隐私的同时能够保证系统实现弹性一致性收敛.最后通过数值仿真实验与对比实验,进一步验证了本文算法的有效性.

摘要：研究了离散时间多智能体系统存在通信时延条件下的安全一致性问题.本文的目标是设计一种一致性控制算法能够使得网络中各正常智能体抵御敌对智能体的攻击并实现最终状态一致.该算法仅利用个体的自身状态和相邻个体的时延信息作为控制输入,并根据控制器参数、拓扑属性和通信时延,获得了所提算法实现收敛的充要条件.最后,通过仿真实例对理论结果进行了验证.

摘要：本文研究了一类由一阶二阶智能体组成的异构系统安全一致性分析与设计问题.首先从拓扑结构角度,通过设立信任节点机制,显著提升了系统网络拓扑的稳健性.然后,针对邻居中敌对节点的攻击行为,分别设计了一阶二阶智能体的控制策略,并给出了系统实现安全一致性目标的充分条件.最后,通过仿真实例验证了理论结果的有效性.