CN110850817A - 一种网络化工业控制***的安全估计方法 - Google Patents
一种网络化工业控制***的安全估计方法 Download PDFInfo
- Publication number
- CN110850817A CN110850817A CN201910994731.5A CN201910994731A CN110850817A CN 110850817 A CN110850817 A CN 110850817A CN 201910994731 A CN201910994731 A CN 201910994731A CN 110850817 A CN110850817 A CN 110850817A
- Authority
- CN
- China
- Prior art keywords
- node
- estimator
- estimation
- industrial control
- control system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 15
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 9
- 230000017105 transposition Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract 1
- 241000700605 Viruses Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种网络化工业控制***的安全估计方法。现有方法只能定时定点的对***状态进行监测,难以准确地反映***的实时运行状态。本发明首先建立网络化工业控制***状态估计的模型,然后建立安全估计的误差***模型,最后求解估计器增益矩阵。本发明方法采用基于事件触发策略的复杂网络估计方法,考虑网络攻击对于***的影响,通过扩展卡尔曼滤波方法设计递归状态估计器,利用求解两个黎卡提差分方程来确定状态估计器的增益矩阵。基于事件触发策略,减轻了大量信息传输造成的网络负担和能量消耗,构造的估计器可以在遭受网络攻击的情况下,实现对***状态及时准确的估计,为网络化工业控制***的安全估计、监测及控制提供及时有效的方法。
Description
技术领域
本发明属于自动控制技术领域,涉及一种网络化工业控制***的安全估计方法,考虑了重要工业控制***可能受到的网络攻击,可用于现代大型网络化工业控制***的安全运行和估计。
背景技术
现代工业控制***的结构越来越复杂,而且逐渐向网络化方向发展,促使计算机网络与控制网络相结合,在拓宽工业控制领域的同时,也给工业控制***的安全运行带来了巨大的挑战。例如,全球范围内病毒和木马对工业控制***的攻击事件频发,其影响范围、经济损失和持续时间都是普通的网络安全事件远不能比的,不仅在经济上造成了巨大的损失,而且也给国家安全带来了严重威胁。
虽然,工业控制***中通常都包含了监测装置,但其应用往往存在局限性,只能定时定点地对***状态进行监测,难以准确地反映***的实时状态,尤其在遭遇突发情况时无法进行及时有效的预警。因此,对于遭受网络攻击的复杂网络化工业控制***,急需提出一种有效的新方法进行安全估计,确保对重要的工业控制***进行安全有效的监控。
发明内容
本发明的目的是针对目前我国网络化工业控制***在网络攻击下难以及时准确地进行状态估计的问题,提供一种基于复杂网络的工业控制***安全估计方法。
集散控制***(DCS)广泛用于现代工业生产过程,它通常采用分级递阶结构,每一级又由若干个子***组成。对不同的子***而言,它需要实现若干指定的有限目标。选取DCS***的某一子***作为一个节点,则该***的不同子***构成了一个典型的复杂网络结构。DCS ***中的各部分利用通信网络连接,所以相邻的子***之间存在着信息流通,节点之间存在耦合关系,这表现为复杂网络的外部耦合特性。对于其中的某一节点,主要控制参数包括温度、压力、浓度、流量和流速,不同参数之间也可能存在耦合关系,例如流量和流速,这五个不同参数之间的耦合关系构成了复杂网络的内部耦合。
为节约网络资源,减轻网络通信通道的负担,本发明采用基于事件触发策略的复杂网络安全估计方法,考虑到可能遭受的网络攻击对于工业控制***状态的影响,利用扩展卡尔曼滤波方法设计递归的状态估计器,通过求解两个黎卡提(Riccati)差分方程来确定状态估计器的增益矩阵,为网络化工业控制***遭受网络攻击下的安全估计和运行提供及时有效方法。
本方法的具体步骤是:
步骤(1).建立网络化工业控制***状态估计的空间模型;
基于复杂网络模型建立网络化工业控制***状态的动态方程:
表示k时刻节点i的状态向量,k=0,1,2…,i∈N,N表示构成复杂网络的节点数;分别表示被控量的温度、压力、浓度、流量和流速,表示n0维的列向量,上标T表示矩阵的转置;
Γ=diag{γ1,γ2,γ3,γ4,γ5}表示复杂网络模型的内部耦合矩阵,diag{·}表示对角矩阵,γl≥0(l=1,2,3,4,5)为已知常数,表示节点i的内部耦合系数;
Ai,k∈R5×5、Bi,k∈R5×1、Ci,k∈R3×5和Di,k∈R3×1均为已知矩阵,符号表示n1×n2维的实矩阵。
根据事件触发通信协议,只有当时,触发条件满足,即传输测量数据;否则,不传输测量数据;
步骤(2).建立安全估计的误差***模型;
(2-1).构造安全估计器:
基于扩展卡尔曼滤波方法,建立估计器模型:
(2-2).建立估计误差***:
步骤(3).求解安全估计器增益矩阵;
(3-2).求解估计误差协方差Pi,k+1|k+1:
得到估计误差协方差Pi,k+1|k+1的一个上界:
εh(h=1,...,6)是在区间(0,1)内的6个任意正标量,上标-1表示矩阵或标量的逆;标量ξi,k+1∈{0,1},当k时刻事件触发条件满足时,ξi,k+1=0;反之,ξi,k+1=1。
(3-3).求解估计器增益矩阵:
求解如下两个黎卡提差分方程:
Ki,k+1即为网络化工业控制***安全估计器的增益矩阵。
本发明方法基于事件触发策略的复杂网络估计方法,可以节约网络资源,减轻网络通信通道的负担。考虑到网络攻击对于***的影响,通过扩展卡尔曼滤波方法设计递归的状态估计器,并利用求解两个黎卡提(Riccati)差分方程来确定状态估计器的增益矩阵。
由于本发明构造的估计器,可以在遭受网络攻击的情况下,实现对***状态进行及时准确的估计,保证***的安全监测和控制,因而称为安全估计器,可为网络化工业控制***的安全估计、监测及控制提供及时有效的方法。
具体实施方式
一种网络化工业控制***的安全估计方法,具体步骤是:
步骤(1).建立网络化工业控制***状态估计的空间模型;
基于复杂网络模型建立网络化工业控制***状态的动态方程:
其中,
Γ=diag{γ1,γ2,γ3,γ4,γ5}表示复杂网络模型的内部耦合矩阵,diag{·}表示对角矩阵,γl≥0(l=1,2,3,4,5)为已知常数,表示节点i的内部耦合系数;
步骤(2).建立安全估计的误差***模型;
(2-1).构造安全估计器:
基于扩展卡尔曼滤波方法,建立估计器模型:
(2-2).建立估计误差***:
步骤(3).求解安全估计器增益矩阵;
(3-1).求解预测误差协方差Pi,k+1|k:
得到预测误差协方差Pi,k+1|k的一个上界:
(3-2).求解估计误差协方差Pi,k+1|k+1:
得到估计误差协方差Pi,k+1|k+1的一个上界:
εh(h=1,...,6)是在区间(0,1)内的6个任意正标量,上标-1表示矩阵或标量的逆;标量ξi,k+1∈{0,1},当k时刻事件触发条件满足时,ξi,k+1=0;反之,ξi,k+1=1。
(3-3).求解估计器增益矩阵:
求解如下两个黎卡提差分方程:
Ki,k+1即为本发明所求的网络化工业控制***安全估计器的增益矩阵。
Claims (1)
1.一种网络化工业控制***的安全估计方法,其特征在于,该方法的具体步骤是:
步骤(1).建立网络化工业控制***状态估计的空间模型;
基于复杂网络模型建立网络化工业控制***状态的动态方程:
其中,表示k时刻节点i的状态向量,k=0,1,2…,i∈N,N表示构成复杂网络的节点数;分别表示被控量的温度、压力、浓度、流量和流速,表示n0维的列向量,上标T表示矩阵的转置;表示k时刻节点i的测量输出值,分别表示输出量的温度、浓度和流量;Γ=diag{γ1,γ2,γ3,γ4,γ5}表示复杂网络模型的内部耦合矩阵,diag{·}表示对角矩阵,γl≥0(l=1,2,3,4,5)为已知常数,表示节点i的内部耦合系数;
wi,k∈R1表示k时刻节点i的过程噪声,方差为Qi,k,即
vi,k∈R1表示k时刻节点i的测量噪声,方差为Ri,k,即E{·}是数学期望的符号;
最终传输到估计器中的数据k∈{st,st+1,...,st+1-1};
步骤(2).建立安全估计的误差***模型;
(2-1).构造安全估计器:
基于扩展卡尔曼滤波方法,建立估计器模型:
(2-2).建立估计误差***:
步骤(3).求解安全估计器增益矩阵;
得到预测误差协方差Pi,k+1|k的一个上界:
(3-2).求解估计误差协方差Pi,k+1|k+1:
其中,
得到估计误差协方差Pi,k+1|k+1的一个上界:
εh(h=1,…,6)是在区间(0,1)内的6个任意正标量,上标-1表示矩阵或标量的逆;标量ξi,k+1∈{0,1},当k时刻事件触发条件满足时,ξi,k+1=0;反之,ξi,k+1=1;
(3-3).求解估计器增益矩阵:
求解如下两个黎卡提差分方程:
Ki,k+1即为网络化工业控制***安全估计器的增益矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994731.5A CN110850817B (zh) | 2019-10-18 | 2019-10-18 | 一种网络化工业控制***的安全估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910994731.5A CN110850817B (zh) | 2019-10-18 | 2019-10-18 | 一种网络化工业控制***的安全估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110850817A true CN110850817A (zh) | 2020-02-28 |
CN110850817B CN110850817B (zh) | 2020-10-23 |
Family
ID=69596546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910994731.5A Active CN110850817B (zh) | 2019-10-18 | 2019-10-18 | 一种网络化工业控制***的安全估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110850817B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112260867A (zh) * | 2020-10-21 | 2021-01-22 | 山东科技大学 | 基于集员估计的事件触发传输复杂网络的状态估计方法 |
CN113037393A (zh) * | 2021-03-15 | 2021-06-25 | 电子科技大学 | 一种基于太赫兹信道容量的事件触发通信***控制方法 |
CN113810906A (zh) * | 2021-02-24 | 2021-12-17 | 浙江工业大学 | 一种针对网络化伺服电机的传感器攻击估计方法 |
CN114884694A (zh) * | 2022-04-06 | 2022-08-09 | 北京北卡星科技有限公司 | 一种基于分层建模的工控网络安全风险评估方法 |
CN115022031A (zh) * | 2022-05-31 | 2022-09-06 | 重庆邮电大学 | 解决fdi攻击对多智能体***影响的安全一致性控制方法 |
CN115859030A (zh) * | 2022-11-29 | 2023-03-28 | 哈尔滨理工大学 | 一种复杂耦合下的两步状态估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166233A (zh) * | 2013-03-13 | 2013-06-19 | 中冶南方工程技术有限公司 | 基于卡尔曼布希滤波的连续时间状态估计方法 |
CN103303237A (zh) * | 2013-06-21 | 2013-09-18 | 湖南大学 | 一种基于遗传神经网络的安全气囊起爆控制方法 |
CN107942653A (zh) * | 2017-10-30 | 2018-04-20 | 南京航空航天大学 | 航空电动燃油泵流量控制***传感器故障鲁棒容错方法 |
CN108036785A (zh) * | 2017-11-24 | 2018-05-15 | 浙江大学 | 一种基于直接法与惯导融合的飞行器位姿估计方法 |
US20190207695A1 (en) * | 2017-12-29 | 2019-07-04 | Khalifa University of Science, Technology, and Research | Methods and Systems For Estimating Offset Skew and Drift |
CN109978055A (zh) * | 2019-03-26 | 2019-07-05 | 京东方科技集团股份有限公司 | 多传感器***的信息融合方法及***、计算机设备及介质 |
CN110119085A (zh) * | 2019-04-03 | 2019-08-13 | 杭州电子科技大学 | 一种Manutec R3型工业机器人动态优化*** |
-
2019
- 2019-10-18 CN CN201910994731.5A patent/CN110850817B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103166233A (zh) * | 2013-03-13 | 2013-06-19 | 中冶南方工程技术有限公司 | 基于卡尔曼布希滤波的连续时间状态估计方法 |
CN103303237A (zh) * | 2013-06-21 | 2013-09-18 | 湖南大学 | 一种基于遗传神经网络的安全气囊起爆控制方法 |
CN107942653A (zh) * | 2017-10-30 | 2018-04-20 | 南京航空航天大学 | 航空电动燃油泵流量控制***传感器故障鲁棒容错方法 |
CN108036785A (zh) * | 2017-11-24 | 2018-05-15 | 浙江大学 | 一种基于直接法与惯导融合的飞行器位姿估计方法 |
US20190207695A1 (en) * | 2017-12-29 | 2019-07-04 | Khalifa University of Science, Technology, and Research | Methods and Systems For Estimating Offset Skew and Drift |
CN109978055A (zh) * | 2019-03-26 | 2019-07-05 | 京东方科技集团股份有限公司 | 多传感器***的信息融合方法及***、计算机设备及介质 |
CN110119085A (zh) * | 2019-04-03 | 2019-08-13 | 杭州电子科技大学 | 一种Manutec R3型工业机器人动态优化*** |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112260867A (zh) * | 2020-10-21 | 2021-01-22 | 山东科技大学 | 基于集员估计的事件触发传输复杂网络的状态估计方法 |
CN112260867B (zh) * | 2020-10-21 | 2022-04-01 | 山东科技大学 | 基于集员估计的事件触发传输复杂网络的状态估计方法 |
CN113810906A (zh) * | 2021-02-24 | 2021-12-17 | 浙江工业大学 | 一种针对网络化伺服电机的传感器攻击估计方法 |
CN113810906B (zh) * | 2021-02-24 | 2024-04-16 | 浙江工业大学 | 一种针对网络化伺服电机的传感器攻击估计方法 |
CN113037393A (zh) * | 2021-03-15 | 2021-06-25 | 电子科技大学 | 一种基于太赫兹信道容量的事件触发通信***控制方法 |
CN113037393B (zh) * | 2021-03-15 | 2022-02-08 | 电子科技大学 | 一种基于太赫兹信道容量的事件触发通信***控制方法 |
CN114884694A (zh) * | 2022-04-06 | 2022-08-09 | 北京北卡星科技有限公司 | 一种基于分层建模的工控网络安全风险评估方法 |
CN114884694B (zh) * | 2022-04-06 | 2023-05-30 | 北京北卡星科技有限公司 | 一种基于分层建模的工控网络安全风险评估方法 |
CN115022031A (zh) * | 2022-05-31 | 2022-09-06 | 重庆邮电大学 | 解决fdi攻击对多智能体***影响的安全一致性控制方法 |
CN115022031B (zh) * | 2022-05-31 | 2023-07-21 | 重庆邮电大学 | 解决fdi攻击对多智能体***影响的安全一致性控制方法 |
CN115859030A (zh) * | 2022-11-29 | 2023-03-28 | 哈尔滨理工大学 | 一种复杂耦合下的两步状态估计方法 |
CN115859030B (zh) * | 2022-11-29 | 2023-06-16 | 哈尔滨理工大学 | 一种复杂耦合下的两步状态估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110850817B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110850817B (zh) | 一种网络化工业控制***的安全估计方法 | |
CN113435604B (zh) | 一种联邦学习优化方法及装置 | |
CN113009825B (zh) | 一种受欺骗攻击的非线性网络化***状态估计方法 | |
CN113741309B (zh) | 一种基于观测器的双动态事件触发控制器模型设计方法 | |
CN112865752B (zh) | 一种混合网络攻击下基于自适应事件触发机制的滤波器设计方法 | |
CN108445759A (zh) | 一种传感器饱和约束下网络化***的随机故障检测方法 | |
CN104734916A (zh) | 一种基于tcp协议的高效多级异常流量检测方法 | |
Zhang et al. | H∞ output-feedback control with randomly occurring distributed delays and nonlinearities subject to sensor saturations and channel fadings | |
CN109190375B (zh) | 分析恶意程序传播规律的方程组及恶意程序扩散预测方法 | |
CN109274678B (zh) | 一种丢包环境下针对车联网恶意攻击的估计方法 | |
CN108847983A (zh) | 基于mqtt协议的入侵检测方法 | |
CN115022031A (zh) | 解决fdi攻击对多智能体***影响的安全一致性控制方法 | |
CN108345711A (zh) | 基于事件驱动的动车组鲁棒传感器间歇故障检测方法 | |
CN110164510B (zh) | 一种城市河道水质的估计方法 | |
CN106454892A (zh) | 一种基于量化和事件的集值卡尔曼滤波方法 | |
CN113411312B (zh) | 非线性复杂网络***基于随机通信协议的状态估计方法 | |
CN106790099A (zh) | 基于网络抗毁熵的指控网络抗毁测度方法 | |
CN113110321B (zh) | 基于事件触发的网络化工业控制***的分布式估计方法 | |
CN110515069B (zh) | 一种用于分布式目标跟踪的自适应一致性信息滤波方法 | |
CN115840363A (zh) | 一种针对信息物理***远程状态估计的拒绝服务攻击方法 | |
CN110910027B (zh) | 基于安全因子的网络安全态势评估方法 | |
CN115328093A (zh) | 一种双时间尺度工业信息物理***的安全状态估计方法 | |
CN108964969B (zh) | 混合神经网络和ar模型的高速铁路信号***流量预测方法 | |
CN117221075B (zh) | 基于自适应事件触发机制的离散网络化***故障检测方法 | |
CN113848857B (zh) | 一种针对数据丢包的时滞多智能体***故障检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240619 Address after: No. 10 Xiaxia Road, Shangcheng District, Hangzhou City, Zhejiang Province, 310000, 2239 Patentee after: Minglue (Hangzhou) Intelligent Technology Co.,Ltd. Country or region after: China Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang Patentee before: HANGZHOU DIANZI University Country or region before: China |