基于神经预测器的无人水面航行器编队控制：在非周期性拒绝服务攻击下的非合作博弈方法

《IEEE Transactions on Vehicular Technology》：Neural Predictor-Based Formation Control for Unmanned Surface Vehicles Under Aperiodic DoS Attacks: A Noncooperative Game Approach

　　本文提出一种基于非合作博弈的无人艇 formations 控制策略，可在拒绝服务攻击下稳定搜索并跟踪纳什均衡。通过神经网络加速学习近似未知参数，设计分布式控制策略实现局部信息协调运动，仿真验证其有效缓解攻击影响并确保精确 formations 跟踪。

　　

摘要：

本文研究了一种基于非合作博弈的无人水面舰艇（USVs）编队控制策略，以应对拒绝服务（DoS）攻击。提出了一种具有弹性的纳什均衡（NE）估计器，该估计器能够在非周期性DoS攻击存在的情况下稳定地搜索和追踪NE解。为了提高预测精度，引入了结合加速学习的神经网络来高效逼近USV模型的未知参数。在非合作博弈框架内，设计了一种基于NE策略寻优的分布式控制策略，使每艘USV能够利用本地信息与邻近USV协调运动。仿真结果表明，所提出的控制方法在恶劣的网络环境中表现出强大的性能，有效减轻了DoS攻击的负面影响，并确保了USV编队和跟踪的精确控制。

引言

无人水面舰艇（USVs）是自主或远程操作的海洋航行器，无需船上人员操作即可在水面上导航和执行各种任务[1]、[2]。这些舰艇配备了传感器、通信系统和控制算法，使其能够执行复杂的任务[3]。USVs在海洋环境中被越来越多地用于环境监测、搜救、海洋监视、海洋学研究和海军防御行动等任务[4]。近年来，由于对高效安全海洋操作的需求不断增加[5]、[6]，人们对自主海洋系统的关注日益增加。对USVs的持续研究有望进一步提升其能力[7]，扩展其应用范围，并解决与自主性、决策制定和操作安全相关的挑战。