近期，我校恒达平台陳蓓副教授課題組在滑模控製領域取得多項研究成果，以第一作者和通訊作者在國際控製領域重要學術期刊《IEEE Trans. Cybernetics》（計算機科學1區top, IF=10.089）發表論文“Input-to-state stabilization of stochastic Markovian jump systems under communication constraints: genetic algorithm-based performance optimization”，在《International Journal of Robust and Nonlinear Control》（工程技術2區top, IF=3.771）發表論文“Dynamic event-triggered sliding mode security control for Markovian jump systems: Learning-based iteration optimization method”和“Sliding mode switched control for Markovian jump systems against intermittent denial-of-service attacks”👰🏻♂️。
網絡通信技術的飛速發展和日益普及👰🏿♂️⚽️，給社會發展帶來便利的同時，也因為網絡的開放性受到不可避免的惡意攻擊和威脅，而網絡資源的共享性和帶寬限製🛴，也會引起數據擁塞，導致傳輸時滯和信息丟失🧃，從而直接影響控製系統性能。因此，受限於有限網絡資源限製和無線通訊傳輸易侵入性，網絡化Markov跳躍系統實際應用面臨關鍵問題：如何降低網絡通訊負擔🌦⛹🏿，並提高控製器對抗攻擊的能力🫲🏿。針對上述問題🧑🏼🦰，課題組開展了信息受限下Markov跳躍系統滑模控製問題研究，具體包括：
一、建立了通訊受限下信道依Markov鏈隨機調度的滑模控製策略🧝🏻🍤：利用隨機調度協議對通訊信道進行調度🏀，建立了信道調度協議下信息補償機製🧜🏻♂️🌈，解決了調度協議下滑模控製器的設計問題🏋🏿♀️，保證了有限網絡資源約束下控製系統的動態性能，拓寬了Markov建模方法的應用領域。成果[1]發表在《IEEE Trans. Cybernetics》（1區top, IF=10.089）（2021, DOI: 10.1109/TCYB.2021.3066509）。
二、建立了通訊受限與虛假數據註入攻擊下基於事件觸發的滑模控製策略👫🏼：針對存在虛假數據註入攻擊和系統狀態不可測的Markov跳躍系統，為了減少冗余數據傳輸🧔♀️，引入動態事件觸發機製調控系統狀態傳輸，設計了基於控製模態估計的動態事件觸發異步滑模控製器，給出了閉環系統隨機一致有界的充分條件，證明了均方意義下滑模面鄰域可達性，並基於GA優化算法求解控製增益🤳🏼🤾🏿♂️。成果[2]發表在《International Journal of Robust and Nonlinear Control》（2區top, IF=3.771）(2021, DOI: 10.1002/rnc.5471)。
三🍘、建立了間歇性拒絕服務攻擊下的滑模控製策略：針對間歇性拒絕服務攻擊和系統狀態不可測下的Markov跳躍系統✌🏽，根據拒絕服務攻擊的不同狀態設計了同步/異步切換型滑模控製器，保證在攻擊和系統狀態不可測的情況下，也可以實現閉環系統的指數均方穩定性👧🏽。成果[3]發表在《International Journal of Robust and Nonlinear Control》（2區top, IF=3.771）(2021, DOI: 10.1002/rnc.5901)。
四、將上述成果拓展到直流微電網系統👴🏼，以滑模控製方法解決虛假數據註入攻擊下一類直流微電網系統的鎮定問題🌾。第一作者為碩士研究生樓琦凱🤜🏽🤹🏽，通訊作者為導師陳蓓，成果[4]發表在國內控製領域重要學術期刊《控製與決策》(2021, DOI:10.13195/j.kzyjc.2021.0606)。
上述工作獲得國家自然科學基金面上項目（62173222👩🏿🚒，主持）🤦♀️、青年項目（61803255，主持）、上海市自然科學基金面上項目（18ZR1416700，主持）和科技創新2030-“新一代人工智能”重大項目（2020AAA0109301，參與）資助。
註：分區及IF數據源自中科院SCI分區2020年12月最新基礎版
論文鏈接：
[1]https://www.researchgate.net/publication/350704932_Input-to-State_Stabilization_of_Stochastic_Markovian_Jump_Systems_Under_Communication_Constraints_Genetic_Algorithm-Based_Performance_Optimization/citations
[2] https://onlinelibrary.wiley.com/doi/10.1002/rnc.5471
[3] https://onlinelibrary.wiley.com/doi/10.1002/rnc.5901
[4] http://kzyjc.alljournals.cn/kzyjc/article/abstract/2021-0606
