抗DoS攻击快速镇定
针对一类不确定非线性采样数据网络物理系统，在受平均频率和持续时间约束的拒绝服务攻击下，提出一种基于学习的鲁棒自适应快速指数镇定控制器，通过快速指数镇定方法加速状态收敛，并利用学习算法抑制高增益反馈引起的峰值现象，提升闭环鲁棒性和稳态性能。
Zou, Lang · 柳向斌 · 苏宏业 · 张晓宇
IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024
采用快速指数镇定方法加速系统状态收敛，相比传统镇定控制器能更快达到稳定。
设计学习算法来抑制高增益反馈引起的峰值现象，避免状态出现超出性能边界的过大超调。
在自适应律中采用σ-修正与G+D估计器相结合，增强闭环系统的鲁棒性和稳态性能，可承受几乎任意强度的DoS攻击（通信未完全阻断）。