[发明专利]一种网络化运动控制系统异常检测方法

说明书

本发明公开了一种网络化运动控制系统异常检测方法，首先通过将潜在安全隐患对系统造成的不利影响视为一个组合的未知扰动信号，其次设计具有非线性切换项的终端滑模观测器和等价输入干扰估计器，同时改进估计器的结构以解耦其与观测器的设计过程，对未知扰动信号进行实时估计，并使得估计误差是有限时间收敛的，进而通过计算不同工况下扰动估计误差的相似性度量指标，并结合阈值判断方法，最终实现对网络化运动控制系统潜在安全隐患的检测与识别。本发明技术方案有效改善了网络化运动控制系统的在线异常检测性能。

技术领域

本申请属于网络化控制系统安全防护技术领域，具体涉及一种网络化运动控制系统异常检测方法。

背景技术

随着计算机网络技术的快速发展和控制系统智能化转型需求的日益增长，网络化控制系统在制造业、建筑业、航空航天和智能家居等领域得到了广泛的应用。其中，网络化运动控制系统作为网络化控制系统在制造业中的典型应用，极大地改善了传统运动控制系统存在布线复杂、系统耦合性强和扩展性能差等多方面不足。然而，将计算机网络技术引入运动控制系统实则是一把双刃剑。计算机网络技术给运动控制系统带来资源共享和高效通信等网络红利的同时，也打破了早期运动控制系统的封闭性，使得网络化运动控制系统不仅面临来自设备故障和失效等传统功能安全威胁，更会受到以中间人攻击、蠕虫病毒和木马等网络攻击为主的信息安全威胁，进而影响运动控制系统的整体控制性能，严重时甚至会造成系统不稳定，限制了网络化运动控制系统的进一步应用与推广。因此，亟须研究适用于网络化运动控制系统的安全防护措施，从而确保其安全、稳定运行，并进一步助力网络化控制系统的发展和落地。

异常检测技术作为一种主动安全防护措施，可以有效识别监测数据中由于网络入侵或系统故障而引起的不符合预期正常行为定义的模式，近年来受到越来越多的关注和重视。目前，针对网络化控制系统的异常检测方法大都是从计算机领域角度出发的，主要包括统计学习、机器学习和深度学习等数据驱动方法。虽然，此类方法具有对设备数学模型依赖性低、检测精度高等优点，但在工程实践中，往往因为方法学习复杂度高、模型可解释性差和难以移植的问题，无法直接适用于对实时性要求高且工艺复杂的网络化控制系统。此外，大量现有的异常检测方法缺乏考虑网络化控制系统本身的动态特性，往往需要大量的异常样本用于训练模型以获得高精度的检测结果，难以满足零样本或少样本等工业场景的异常检测需求。

事实上，对于一个网络化运动控制系统而言，若能准确获得其动态系统的数学模型，可以通过基于模型的扰动估计方法设计扰动估计器，进而准确估计出由网络入侵或系统故障等外部干扰引起的非线性动态，并最终达到主动安全防护的目的。相比于数据驱动的方法，基于模型的扰动估计方法无需大量的负样本且支持在线检测，更适用于对实时性要求高的网络化运动控制系统。在过去的几十年里，已经涌现了大量的扰动估计技术，主要包括基于未知输入观测器、扰动观测器、扩张状态观测器和等价输入干扰方法等。其中，基于等价输入干扰方法能够同时处理匹配扰动和非匹配扰动，且不需要对象的逆模型，是一种有效且新颖的干扰估计方法。然而，现有等价输入干扰方法大都是从线性角度设计的，限制了其在处理非线性扰动方面的估计性能，同时系统的估计误差是线性收敛的，使得其无法进一步满足在线异常检测的需求，加之观测器和估计器的设计通常是耦合的，增加了其在工程应用中的设计难度。因此，如何进一步改进等价输入干扰估计方法，解耦其观测器和估计器的设计过程，同时使其具备非线性扰动估计能力，并改善其估计误差的收敛性能，对于提升潜在功能安全隐患和信息安全隐患的网络化运动控制系统的异常检测精度和效率具有重大实际意义。

发明内容

为了改进现有等价输入干扰估计方法在处理观测器与估计器设计、非线性扰动估计以及在线异常检测方面的不足，本申请提出了一种网络化运动控制系统异常检测方法，首先通过将潜在安全隐患对系统造成的不利影响视为一个组合的未知扰动信号，其次设计具有非线性切换项的终端滑模观测器和等价输入干扰估计器，同时改进估计器的结构以解耦其与观测器的设计过程，对未知扰动信号进行实时估计，并使得估计误差是有限时间收敛的，进而通过计算不同工况下扰动估计误差的相似性度量指标，并结合阈值判断方法，最终实现对网络化运动控制系统潜在安全隐患的检测与识别。