Iterative Learning Robust Fuzzy Security Predictive Control for Nonlinear Batch Processes with Deception Attacks

Hui Li

doi:10.1109/tfuzz.2026.3733896

Iterative Learning Robust Fuzzy Security Predictive Control for Nonlinear Batch Processes with Deception Attacks

2026-09-15

0

PRE

AI

DOI：10.1109/tfuzz.2026.3733896

原文链接

原文求助

摘要

En 中文

随着工业物联网在现代制造业中的快速集成，非线性批量过程通过信息物理系统实现了变革性发展。网络化控制系统的规模化部署实现了实时协调和智能资源分配，同时也使批量过程暴露于欺骗攻击中，威胁控制的安全性和稳定性。与连续过程不同，批量过程在每个批次内具有时变控制目标和参数，导致固有状态波动或非线性特性，这会掩盖攻击行为。这种现象允许攻击者持续注入虚假数据，降低控制效果，并可能破坏系统稳定性。为解决此问题，提出了一种迭代学习鲁棒模糊安全预测控制策略。该方法引入鲁棒安全不变集，以在欺骗攻击下将状态约束在安全区域内。此外，将攻击相关信息纳入迭代学习机制，实现了控制输入的自适应校正和控制性能的提升。仿真结果验证了所提出方法的稳定性和有效性。

Keyword:

nonlinear batch process

deception attack

robust security predictive control

iterative learning control

Iterative Learning Robust Fuzzy Security Predictive Control for Nonlinear Batch Processes with Deception Attacks

摘要

期刊

机构

引用论文