執行器攻擊下自主無人車輛模糊滑模安全控制

孫洪濤，王 晨，趙慶堂，王志文

（1.曲阜師范大學 工學院，日照 276826，中國；2.濰柴雷沃智慧農業科技股份有限公司，濰坊 261200，中國；3.蘭州理工大學 電氣工程與信息工程學院，蘭州 730050，中國）

伴隨著5G、人工智能等新型信息技術的高速發展，汽車已經從簡單的、機械的交通工具轉變為與新一代電子信息技術相結合的重要載體。自主無人車輛(autonomous unmanned vehicle，AUV)通過裝載先進傳感器、控制器、執行器等裝置，并融入先進通訊網絡技術，為用戶提供了舒適的駕乘體驗，AUV 將成為未來交通系統的重要組成部分[1]。

隨著車聯網技術的普及，一些網絡安全問題也逐漸顯現。例如，SUN Hongtao 等[2]研究了一種無人地面車輛處于傳感器攻擊下的情況，當發生傳感器攻擊時車輛轉向角、橫向加速度以及橫擺角速度發生了明顯的抖動現象。YANG Fan[3]考慮了一種虛假數據注入攻擊下的車隊通信問題，處于虛假數據注入攻擊下的車隊系統通信資源利用率明顯降低，因此AUV 的發展面臨網絡安全的嚴重挑戰。由于AUV 接入網絡通訊環境，從而更加容易遭受到網絡黑客發起的惡意攻擊，所以解決AUV 中的網絡攻擊問題是保證車輛正常行駛的關鍵[4]。

在近幾十年中，拒絕服務(denial of service，DoS)攻擊[5]和虛假數據注入(false data injection，FDI)攻擊[6]是2 種主要發生在AUV 中的網絡攻擊類型。當裝載電子控制單元(electronic control unit，ECU)的AUV 通過控制器局域網總線技術(controller area network-bus，CAN-BUS)傳輸實時信息時，DoS 攻擊會在瞬間傳輸大量無用的信息去阻止ECU 產生車輛下一步的控制指令并且會浪費有限的通信資源。針對DoS 攻擊，已提出一些處理方法，事件觸發控制方法[7]、模型預測控制方法[8]。然而，DoS 攻擊在通訊網絡中只會導致數據包丟失，所以在網絡控制系統中相對容易被檢測到。與DoS 攻擊不同的是屬于欺騙攻擊的FDI 攻擊，因其難以檢測性受到人們的廣泛關注[9]。FDI 攻擊會對系統的穩定性造成難以預料的危害，一旦行駛中的AUV 受到FDI 攻擊的影響[10]，后果將不堪設想。

路徑跟蹤是智能駕駛中的一個基本控制問題，對AUV 中的路徑跟蹤控制在過去就得到了廣泛的研究[11-12]。李耀華等[13]提出了一種最優預瞄控制策略保證了車輛路徑跟蹤過程中的穩定性。LUAN Zhongkai 等[14]為保證隨機網絡延遲環境下無人駕駛汽車系統穩定性和跟蹤精度設計了一種自適應模型預測控制算法。但以上策略在設計中都具有一定的保守性，少有考慮AUV 處于復雜網絡通訊環境下，進行路徑跟蹤時可能會受到網絡攻擊或者外部干擾的情況。特別是當AUV 在行駛過程中，如果此時網絡黑客成功通過無線通訊網絡施加惡意攻擊信號，如執行器攻擊信號[15]，極有可能導致車輛發生意外事故，造成嚴重的經濟損失以及危害到人身安全。為了保證路徑跟蹤控制性能的同時有效的增加車輛行駛過程中魯棒性，降低外部干擾以及網絡攻擊帶來的安全影響，所以設計一種安全魯棒協同控制策略對于AUV的路徑跟蹤控制系統具有十分重要的意義。

眾所周知，滑模變結構控制策略具有結構簡單、響應快速且對外界干擾和參數攝動具有強魯棒性的特點，因此在AUV 中得到了廣泛的研究[16-18]。但抖振現象的發生一直都是滑模變結構控制策略發展緩慢的主要原因之一。由于模糊邏輯能夠比較容易地將人的控制經驗通過模糊規則融入控制器中，所以通過設計模糊規則，可實現滑?？刂浦卸墩瘳F象的消除。

因此，本文將執行器攻擊信號看作外部干擾，針對AUV 路徑跟蹤過程中發生執行器攻擊導致跟蹤性能下降等問題，提出了滑模變結構控制和模糊控制規則相結合的控制方案，通過MATLAB/Simulink 和CarSim 聯合仿真實驗驗證所設計的控制策略能夠使得執行器攻擊下的AUV 保持良好的路徑跟蹤控制性能，實現安全魯棒穩定運行。

1 自主無人車輛數學建模

1.1 車輛動力學建模

假設車輛沿x軸的前進速度vx保持不變，車輛只沿y軸做側向運動與繞z軸的橫擺運動，忽略懸架系統、輪胎載荷變化等影響。因此，可將AUV 等效為一個二自由度車輛動力學模型，如圖1 所示。

圖1 二自由度車輛動力學模型

由圖1 可知，車輛二自由度平面運動模型[19]可以表示為

其中：m為整車質量；vx為縱向車速；Iz為汽車繞z軸的轉動慣量；Cf為前輪等效側偏剛度；Cr為后輪等效側偏剛度；α為質心到前軸距離；b為質心到后軸距離；β為質心側偏角；ω為橫擺角速度；δ為前輪轉角。

定義系統的狀態向量x(t) = [βω]T，控制向量u(t) =δ，可得AUV 的路徑跟蹤控制模型的狀態空間表達式為

1.2 執行器攻擊下路徑跟蹤控制模型

考慮傳感器、控制器和執行器之間的通信網絡連接，以及車輛路徑跟蹤控制過程，繪制出的復雜網絡環境下執行器攻擊的AUV 路徑跟蹤控制架構，如圖2所示。從圖中可以看出，系統的控制動作是由執行器發起的，其性能可能受到惡意攻擊或者擾動的影響。

圖2 執行器攻擊下AUV 路徑跟蹤控制架構

假設執行器攻擊信號為σa[t,x(t)]，考慮執行器攻擊信號下的實際控制輸入為

如果σa[t,x(t)]不等于零時，控制變量，t＞ 0 表示執行器攻擊信號已成功注入控制信號中。當σa[t,x(t)]恒等于零時，這時，t＞ 0，表示此時無執行器攻擊行為。

假設1：假設執行器攻擊信號σa[t,x(t)]已經劫持從電子控制單元傳輸到執行器的控制信號，并將車載控制模塊的控制指令成功篡改，且將被破壞的控制指令傳輸到車輛執行機構中。

假設2：假設本研究中考慮的執行器攻擊信號滿足

σa[t,x(t)]為已知的正函數。結合系統動力學模型，見式(5)，執行器攻擊下AUV 路徑跟蹤控制系統的狀態空間表達式為

其中，k為控制器增益。

此時，如果執行器攻擊信號已成功劫持控制信號，并將被破壞后的控制指令傳輸到車輛執行機構中，極大可能導致路徑跟蹤過程中的AUV 產生危險的安全事故。所以，接下來根據模糊滑?？刂撇呗宰陨砉逃械聂敯粜?，設計一種模糊滑模安全控制策略來緩解執行器攻擊帶給AUV 路徑跟蹤控制的不利影響并解決抖振現象，在保證跟蹤性能的同時提高AUV 行駛過程中的安全性。

根據系統需要，本研究被控系統可表示為

其中，ζ(ω) =A21β+A22ω。

2 路徑跟蹤滑?？刂破髟O計

2.1 滑?？刂破髟O計

所設滑?？刂品桨缚偣卜譃? 部分，首先是給出滑模面的設計，確保AUV 路徑跟蹤控制系統到達滑動模態后，能夠實現漸近穩定且保持良好的跟蹤性能；其次是提出AUV 路徑跟蹤滑?？刂破髟O計方法，保證在一段時間內，系統狀態軌跡到達滑模面，并在接下來的過程中一直保持滑動模態。

本節對車輛橫擺角進行控制，取誤差為

其中：e為實際橫擺角速度與理想橫擺角速度的差值，ω為實際橫擺角速度，ωd為理想橫擺角速度。

對式(6)所示系統(本研究被控系統式)設計如下滑模面：

其中：λ為滑模面系數，λ＞ 0。

對(8)式進行求導可得

當滑模運動發生在滑模面時，此刻

所設滑?？刂破?/p>

2.2 穩定性證明

定理1：對于給定的正實數λ、η和滑?？刂破髟鲆姒?t)，如果滑?？刂破髟O計成式(11)所示系統，則可保證本研究被控系統(式(6)所示)全局漸近穩定。

證明：定理1 的證明將會使用到Lyapunov 穩定性理論，為了確?；Ｃ娲嬖诘谋匾獥l件，選取Lyapunov 函數

對Lyapunov 方程V求導

將所設控制器模型式(11)帶入得到

由于η＞ 0 是一個正實數，V＞ 0，V≤0，因此，所設計的AUV 路徑跟蹤滑?？刂坡蓾M足穩定性要求。其中，к(t)為切換項增益，目的為消除執行器攻擊帶來的不利影響，但較大的執行器攻擊信號需更大的切換項增益補償，以至于產生抖振現象從而導致路徑跟蹤無法滿足行駛要求。

3 模糊控制規則設計

在滑?？刂破髂Ｐ退闶?11)中，切換項增益к(t)是造成滑?？刂圃O計中抖振存在的主要原因。к(t)用于補償執行器攻擊信號σa[t,x(t)]，以保證滑模存在性的滿足條件。由于本研究執行器攻擊信號帶有隨機性，所以，σa[t,x(t)]的數值大小難以確定并且是隨時間變化的，如想要降低滑?？刂浦卸墩竦陌l生，則此時AUV 電子控制單元中所設計的滑?？刂破髟鲆鎽彩菚r變的且可隨執行器攻擊信號數值變化而變化。

模糊控制由于不需要精確的數學模型且魯棒性能良好，相比于其他控制方法，它能夠很好地利用專家經驗設計模糊規則進而使系統達到設計要求，所以本節采用模糊規則實時調節切換項增益已達到路徑跟蹤要求。

3.1 模糊控制算法

AUV 路徑跟蹤控制中滑模到達條件為s(t)?(t) ＜ 0，當路徑跟蹤系統到達滑模面后，需要保持在滑模面上。由式(11)可知，к(t)為保證系統運動得以到達滑模面的增益，其值必須足以消除執行器攻擊帶來的影響，才能保證滑模存在條件s(t)?(t) ＜ 0 成立。

AUV 路徑跟蹤模糊規則：

由上述模糊規則可設計s(t)?(t) 和к(t)之間關系的模糊系統，在該系統中s(t)?(t)為模糊滑?？刂破鞯妮斎?，其模糊集論域為[-2, 2]；к(t)為模糊滑?？刂破鬏敵?，其模糊集論域為[-2, 2]。系統輸入/輸出的模糊集分別定義為：

其中：NB、NM、NS、ZO、PS、PM、PB 分別表示 負大、負中、負小、零、正小、正中、正大。

因車輛失穩時需要系統快速做出決策，三角函數是模糊化和去模糊化最快的隸屬度函數，故為了提高控制系統的運算速度和反應能力而選擇三角形隸屬度函數，其輸入/輸出的隸屬度函數如圖3 所示。

為了讓к(t)盡可能合理的變化，隸屬度函數的閾值主要界定依據為s(t)?(t) 值的大小。當s(t)?(t) 為NB時，為了讓系統更加快速調節至穩定狀態，應更快速增大к(t)，可使к(t)的模糊值為NB。當s(t)?(t) 為NM 時，則需快速調整к(t)模糊值為NM 。當s(t)?(t) 為NS 時，通過實驗發現，當к(t)模糊值為NS，抖振效果抑制明顯 。當s(t)?(t) 為PB 時，為了讓系統更加快速調節至穩定狀態，應更快速增大к(t)，可使к(t)的模糊值為PB。當s(t)?(t) 為PM 時，應快速調整к(t)模糊值為PM。當s(t)?(t) 為PS 時，通過實驗發現，模糊值為PS，抖振效果抑制明顯 。當s(t)?(t) 為ZO 時，模糊值應為ZO。因此，本系統模糊規則設計如表1 所示。

表1 模糊規則設計表

本系統具體模糊閾值界定規則表設計如表2 所示。

采用積分法對к(t)的上界進行估計：

其中，J為比例系數根據專家經驗確定。

經過模糊規則訓練后的滑?？刂破鳎?/p>

3.2 方向盤轉角設計

當系統穩定時?(t) = 0，可得：

基于單點預瞄駕駛員理論[20]方法研究，可得理想橫擺角速度ωd為

其中：Δf表示預瞄偏差，tp表示預瞄時間。

令= 0，結合模糊滑模安全控制律設計可得關于前輪轉角表達式為

可得方向盤轉角表達式為

其中：isw為方向盤轉角傳動比。

為提高AUV 路徑跟蹤穩定性與安全性，采用飽和函數替代符號函數，飽和函數形式為

其中， Δ 為飽和函數的邊界層 。

4 仿真驗證

本節通過MATLAB/Simulink 和CarSim 聯合仿真實驗平臺驗證所提模糊滑模安全控制策略在路徑跟蹤時受到執行器攻擊情況下的有效性，MATLAB/Simulink 和CarSim 聯合仿真框圖如圖4 所示。

圖4 MATLAB/Simulink 和CarSim 聯合仿真框圖

CarSim 所選車輛型號為C-class，Hatchback，具體車輛工況參數如表3 所示：

表3 車輛仿真參數

4.1 單移線工況

以表1 中車輛工況為主要仿真參數，單移線工況下AUV 路徑跟蹤初始化車速設為72 km / h，在CarSim 車輛仿真軟件中進行單移線實驗道路設置，設定路面附著系數為0.8，預瞄時間為0.6 s，執行器攻擊信號設計為σa[t,x(t)]= 1 000 tanh(β2)。

圖5 為執行器攻擊下AUV 單移線路徑跟蹤仿真結果對比。其中，Sy為橫向位移，Sx為縱向位移。由圖5a和5b 可知，無執行器攻擊情況下實際行駛軌跡與目標軌跡擬合程度高，橫向偏差ΔSy未超過(±0.5) m。但從圖中可看出存在執行器攻擊情況位移可達到3.8 m 左右。橫向偏差幅值變化更為明顯，在50～100 m 過彎處，最大橫向偏差較無執行器攻擊情況下增大0.26 m。由圖5c 和圖5d 可知，當存在執行器攻擊時車輛轉彎處方向盤轉角δsw和質心側偏角β數值都有增大并且出現突變現象，方向盤轉角在受到攻擊時數值最大增加80.7%，質心側偏角β最大增加253.5%。由此說明，當存在執行器攻擊時，AUV 路徑跟蹤精度降低，方向盤轉角以及質心側偏角無法滿足實驗要求。

圖5 執行器攻擊下AUV 單移線路徑跟蹤仿真結果

為解決執行器攻擊對于路徑跟蹤過程的安全影響，通過設計一種滑模安全控制策略以緩解執行器攻擊帶給AUV 路徑跟蹤控制的影響。根據圖5a—圖5b 可知，當發生執行器攻擊時，路徑跟蹤效果良好、滿足實驗要求。從圖5c—圖5d 可知，在AUV 發生執行器攻擊情況下方向盤轉角和質心側偏角數值增大以及突變現象得以緩解，基本可恢復至無執行器攻擊時狀態，說明增加滑?？刂坪笙到y魯棒性增強，即使發生執行器攻擊現象，系統依然保持原始狀態，并且路徑跟蹤效果得到改善；但是還可以看出，當滑?？刂破髯饔脮r，方向盤轉角以及質心側偏角都發生了嚴重的抖振現象，由于抖振現象的存在導致AUV 路徑跟蹤控制效果大幅度降低，對AUV 路徑跟蹤帶來了不利的影響。

由圖6a—圖6b 可知，在模糊規則作用下，AUV路徑跟蹤控制過程中的方向盤轉角和質心側偏角抖振現象明顯消除，并且與無執行器攻擊情況時方向盤轉角和質心側偏角波形一致。通過圖6c—圖6d 可知，在模糊規則控制作用下，不僅抖振現象得以消除，橫向偏差較滑?？刂茣r數值有所減小，路徑跟蹤效果符合實驗要求。由實驗結果可得，對于單移線工況下AUV 路徑跟蹤過程中發生執行器攻擊的情況，所設計模糊滑模安全控制策略具有很好的魯棒性，能夠緩解執行器攻擊對于AUV 路徑跟蹤控制帶來的不利影響，并且可以解決滑?？刂浦写嬖诘亩墩瘳F象，很好的實現路徑跟蹤控制效果。

圖6 單移線工況下模糊滑?？刂婆c滑?？刂菩Ч?/p>

4.2 雙移線工況

較單移線工況路徑跟蹤仿真結果分析，進行車輛路徑跟蹤雙移線道路設置，車速、路面附著系數及預瞄時間與單移線情況相同，執行器攻擊信號值為σa[t,x(t)] = 15 000 tanh(β2)。

由圖7a—7b 可知，在雙移線工況時，可明顯看出存在執行器攻擊情況下車輛路徑跟蹤效果變差，橫向位移最大處可達3.85 m，橫向偏差幅值變化明顯，在90～120 m 過彎處，最大橫向偏差較無執行器攻擊情況下增大0.292 8 m；可見在滑模安全控制策略作用下，執行器攻擊造成的不利影響得以改善，系統基本可以恢復到原始狀態，路徑跟蹤效果變好。

圖7 執行器攻擊下AUV 雙移線路徑跟蹤仿真結果對比

由圖7c—7d 可知，隨著AUV 跟蹤路徑的復雜化程度提高，存在執行器攻擊時車輛的方向盤轉角以及質心側偏角有明顯的幅值突變和波動情況發生。特別是在4～5.5 s 時，質心側偏角最大幅值可達0.81°，最大增加213.2%，方向盤轉角最大幅值可達-85.67°，最大增加79.4%。由此可得，雙移線工況下當執行器攻擊發生時， AUV 路徑跟蹤控制效果變差，跟蹤精度更低。另外，還可以看到，在滑模安全控制策略作用下，質心側偏角和方向盤轉角與無執行器攻擊發生時基本相同并且方向盤轉角和質心側偏角幅值突變及波動情況得以改善。由此表明，在滑?？刂茥l件下系統魯棒性增強，當發生執行器攻擊時，系統狀態可保持與原始狀態相同。但從圖6 中也可看出滑?？刂圃谠黾酉到y魯棒性的同時也存在抖振現象的發生，導致AUV 路徑跟蹤穩定性變差。

從圖8a—8b 可看出，在模糊控制作用下，質心側偏角與方向盤轉角抖振現象得以解決并且較滑?？刂茣r更加符合實驗要求。從圖8c—8d 可知，在模糊控制下，系統跟蹤精度提高，橫向偏差數值減少。結果表明，執行器攻擊對于雙移線工況下AUV 路徑跟蹤控制過程的安全影響更加嚴重，但在模糊滑模安全控制策略作用下，路徑跟蹤效果良好，魯棒性能增強，滿足實驗要求，進一步驗證了該策略的優越性。

圖8 雙移線工況下模糊滑?？刂婆c滑?？刂菩Ч麑Ρ?/p>

5 結 論

針對自主無人車輛路徑跟蹤過程中發生執行器攻擊的問題，提出了一種模糊滑模安全控制策略以緩解執行器攻擊對于車輛前輪轉角造成的不利影響, 并且解決了路徑跟蹤過程中抖振現象的發生。搭建MATLAB/Simulink 和CarSim 聯合仿真實驗，分別在單移線、雙移線工況下對所設計模糊滑模安全控制策略進行路徑跟蹤有效性驗證。得到如下主要結論。

1) 相較于自主無人車輛路徑跟蹤過程中無執行器攻擊發生的情況，當執行器攻擊事件發生時，車輛路徑跟蹤精度降低，單移線、雙移線工況下最大橫向偏差為0.26 m 以及0.29 m。質心側偏角和方向盤轉角都受到不同程度影響，單移線工況下分別增大253.5%和80.7%，雙移線工況下分別增大213.2%和79.4，隨著工況復雜程度的不斷提高影響變的更加嚴重。

2) 所設計滑模安全控制策略無論在單移線、雙移線工況下都能夠很好地緩解執行器攻擊造成的不利影響，路徑跟蹤過程中質心側偏角和方向盤轉角出現突變以及波動等現象得到很好的改善，但是抖振現象的發生使得路徑跟蹤效果變差，無法滿足實驗要求。

3) 由于模糊控制規則的加入，抖振現象得以消除并且路徑跟蹤效果較無模糊控制作用下更好，路徑跟蹤最大誤差減少5.6%、6.2%，方向盤轉角減少73.9%、75.4%，質心側偏角減少249.9%、213.9%，路徑跟蹤效果更加符合實驗要求

4) 由于本研究現階段只完成仿真驗證，下一步將結合ROS 阿克曼智能車完成實物驗證，使得所提控制理論更加具有說服力。