返回
Resilient Optimal Virtual Synchronous Generator Control Under DoS Attacks
DOI:10.1109/TCSII.2025.3574800.png)
摘要
En 中文
本文利用一种新颖的弹性强化学习(RL)技术,来解决虚拟同步发电机(VSGs)在拒绝服务(DoS)攻击下的无模型最优暂态问题。通过迭代代数Riccati方程(ARE),基于VSGs在DoS攻击下的实时数据建立了一种最优控制策略。此外,利用DoS攻击持续时间的理论上限,采用Lyapunov方法分析了系统弹性。本文引入的弹性混合迭代(RHI)算法消除了先前方法中初始稳定控制的假设,无需精确的系统动力学,并降低了计算需求。最后,通过仿真实验验证了该方法的有效性。
Keyword:
Resilient hybrid iteration
reinforcement learning
data-driven
virtual synchronous generator
DoS attacks
期刊
I
IF:
4.9
论文数:
8.8K
被引数:
2.5W
机构
引用论文
Flexible performance-based robust control for a class of nonlinear systems with input saturation一类具有输入饱和的非线性系统基于柔性性能的鲁棒控制
AUTOMATICA
IF5.9
Value iteration and adaptive dynamic programming for data-driven adaptive optimal control design数据驱动的自适应最优控制设计的值迭代和自适应动态规划
AUTOMATICA
IF5.9
An Unknown Multiplayer Nonzero-Sum Game: Prescribed-Time Dynamic Event-Triggered Control via Adaptive Dynamic Programming未知的多人非零和博弈: 通过自适应动态编程进行规定时间的动态事件触发控制
Adaptive Neural Safe Tracking Control Design for a Class of Uncertain Nonlinear Systems With Output Constraints and Disturbances一类具有输出约束和扰动的不确定非线性系统的自适应神经安全跟踪控制设计
VSG-Based Adaptive Optimal Frequency Regulation for AC Microgrids With Nonlinear Dynamics基于VSG的非线性动态交流微电网自适应最优频率调节

