摘要:在“双碳”目标的推动下, 新能源和新型负荷的大规模接入为电力系统协同优化调度带来了新的挑战. 多智能体系统中的分布式协同优化方法以其低实施成本、高可扩展性、鲁棒性以及隐私保护等优势, 提供了应对新型电力系统协同调度问题的创新解法. 鉴于此, 对国内外分布式协同调度算法的最新理论进展进行系统综述, 阐明分布式方法相较于集中式方法的优势. 特别是从网络结构的角度, 重点分析无向图和有向图下各类分布式协同优化算法的基本原理、优势与局限性. 此外, 探讨新型电力系统协同调度在分布式网络下面临的通信、可再生能源和负荷的不确定问题和现有的解决方案, 以及一些非凸协同调度模型的数学描述. 基于现有研究结论对新型电力系统协同调度的发展趋势进行展望, 为该交叉领域的研究者提供更全面的信息和新的研究视角.

摘要:双电机驱动电动汽车能够实现前后独立转矩分配, 进而可以获得更高的能量回收效率. 针对双电机驱动电动汽车, 提出一种基于双延迟深度确定性策略梯度算法(TD3)进行改进优化的制动能量回收策略. 该策略能在保障制动安全性和舒适性的同时, 实现制动能量回收的最大化. 首先, 构建基于深度强化学习的能量回收决策框架, 并设计一个综合考虑能量回收效果、安全性和舒适性的奖励函数; 然后, 采用TD3算法求解该决策过程, 并提出改进的优先经验回放机制, 以加速策略的收敛速度; 最后, 引入平衡探索的噪声策略, 增强算法探索与利用的能力. 通过Matlab/Simulink平台验证, 所提出算法在满足制动安全性和舒适性的前提下, 能够更高效地分配制动力, 有效地提高制动能量回收效率.

摘要:随着电池技术的逐渐成熟和新能源的快速发展, 电动汽车(EV)已成为未来电网的重要组成部分, 其作为辅助调频资源的汇聚调度已成为当前研究热点. 为了更好地管理和利用EV资源的潜力, 聚合商应运而生. 首先, 考虑EV集群参与调频服务的主观意愿度和客观出行行为, 研究评估得到EV集群的可调频容量, 并在此基础上讨论聚合商参与日前市场(DAM)竞价的策略; 然后, 引入可信性理论来描述竞标过程的不确定性, 同时构建聚合商参与竞标的收益模型并改写, 提出一种基于可信性理论的三目标结构优化模型; 最后, 采用NSGA-II算法对模型进行求解. 仿真结果表明, 该模型能够在为聚合商提供多样化的竞价策略选择的同时, 提高其参与辅助调频服务的经济可行性和稳定性.

摘要:针对直流微电网储能系统中存在的荷电状态(SOC)不均衡、电流分配精度差以及直流母线电压偏差等问题, 提出一种提高均流精度的直流微电网分布式储能SOC加速均衡控制策略. 在基于双曲正切函数的自适应下垂控制中引入基于指数函数的变加速收敛因子, 能够在限制下垂系数范围的基础上加快实现储能间的SOC均衡; 为减小线路阻抗对电流分配的影响, 对各个变换器进行虚拟压降均衡控制, 同时对补偿量实施自适应调节, 以达到减小线路阻抗对SOC均衡效果影响的目的; 对母线电压进行二次电压补偿, 解决下垂惯性导致的母线电压偏差问题; 此外, 给出基于系统特征方程的稳定性分析, 在理论上保证了直流微电网的稳定运行. 最后, 通过Matlab/Simulink对所提控制策略的有效性进行验证, 结果表明所提控制策略可有效提升SOC均衡速度和均流精度, 使母线电压稳定维持在额定值.

摘要:多无人机应急电力巡检的时间十分有限, 在选择关键巡检目标时需要考虑各目标的故障概率差异, 同时为提升巡检效率, 可以引进换电站降低无人机续航能力不足的影响. 针对上述特点, 将考虑多换电站的多无人机应急电力巡检路径规划问题建模为多站点多航次团队定向问题, 并设计一种融合软演员-评论家模型的遗传算法(SAC-GA). 首先, 在遗传算法中加入两类局部搜索算子, 以优化多无人机访问目标的选择和缩短无人机飞行路径距离. 其次, 提出一种基于SAC模型的参数调优机制, 利用SAC模型基于最大熵学习策略的优势, 在遗传算法迭代过程中, 根据历史学习经验和种群的状态动态生成合适的交叉、变异概率以及染色体再插入中的权距比. 实验结果表明, 算法在小规模实验和大规模实验上均具有明显优势, 并通过消融实验验证SAC-GA中局部搜索算子的有效性和参数调整方法的优越性. 最后, 通过案例分析验证算法在不同应急场景下的有效性.

摘要:在有限带宽网络下, 针对受未知有界噪声和测量删失双重影响的二维(2-D)系统, 研究基于记忆事件触发机制的系统集员滤波问题, 旨在保证滤波性能的同时有效节约网络资源. 首先, 构建由F-M II局部状态空间模型描述的2-D系统, 并采用Tobit模型与饱和策略刻画及处理测量删失特性; 其次, 利用系统历史测量信息, 提出一种新的记忆事件触发机制, 以决定数据是否传输, 从而降低其传输频率; 再次，设计记忆事件触发依赖的集员滤波器, 借助2-D数学归纳法和S-过程给出其存在的充分性判据; 然后, 通过求解一组凸优化问题, 获得确保滤波误差限制在最小椭球内的滤波器增益; 最后, 以热交换过程为例, 验证所提出滤波方案的实用性与优越性.

摘要:提出一种基于扰动估计和无微分模型参考自适应控制 (DF-MRAC) 的钻柱振动抑制方法, 克服地层变化对钻柱振动抑制的影响. 首先, 设计一种基于扰动估计和无微分模型参考自适应控制的钻柱振动抑制方案, 处理状态相关的钻头-岩石作用扰动对钻柱振动抑制的影响, 通过广义扩张状态观测器 (GESO) 估计包含地层信息的钻头-岩石作用扰动; 然后, 将没有钻头-岩石作用扰动的钻柱振动模型作为参考模型, 进行基于扰动估计和无微分模型参考自适应控制方法的钻柱振动抑制控制器参数设计, 克服地层变化对钻柱振动抑制的影响; 最后, 通过仿真实验验证所提方法在处理地层变化对钻柱振动抑制影响方面的有效性, 相比GESO和MRAC方法, 所提基于DF-MRAC的钻柱振动抑制方法能够更加快速和稳定地抑制钻柱振动.

摘要:为了实现精确的电流跟踪控制, 提出一种基于自组织递归情感神经网络(SORENN)的有源电力滤波器分数阶快速终端滑模控制(FOFTSMC)方法. 首先, 针对有源电力滤波器系统, 设计一种分数阶快速终端滑模控制器, 由于分数阶的存在引入了更多的自由度, 使得系统更具有适应性和鲁棒性; 其次, 基于大脑情感学习模型和尖峰自组织机制构建并介绍一种新颖的类脑神经网络SORENN, 以此解决分数阶快速终端滑模控制器依赖于精确系统参数的问题, 从而提升其控制性能; 同时, 与其他的一般神经网络相比, SORENN由于尖峰自组织机制的加入, 解决了普通神经网络无法在线进行网络结构更新的问题, 实现了网络结构的在线优化并且减轻了计算负担, 从而提高了网络的学习速率和逼近能力; 然后, 依据Lyapunov稳定性定理对所提出控制方法的稳定性与收敛性进行证明; 最后, 通过对该混合智能控制方法进行诸多仿真与实验研究, 揭示了其卓越的控制性能.

摘要:研究虚假数据注入攻击下, 非线性信息物理系统中攻击检测的报警响应问题. 首先, 建立一种模糊模型, 用于处理信息物理系统的非线性特性, 首次在模糊模型中引入分布式融合策略来检测虚假数据注入攻击, 能够应对更复杂的现实场景, 并提高检测准确性和可靠性, 从而提升报警响应速度; 然后, 为实现实时在线异常检测, 部署的传感器通过通信网络将数据传输至监控中心, 考虑到带宽限制, 采用多个有限级对数量化方法减少数据包大小, 从而提高传输效率; 接着, 通过凸优化方法设计最优的分布式融合方案, 以提高在量化误差存在时的检测精度; 最后, 以质量-弹簧-阻尼系统为例, 验证了所提出方法相比于单传感器系统能够更快速地响应攻击, 展现出显著的优势.

摘要:为确保应急物资的持续供应和有效分配, 使应急物资供应链在供应商失效时仍能保持一定的供应能力并快速响应, 继而恢复到良好的运行状态, 从而提升应急管理效率, 将韧性理论引入自然灾害应急物资供应链决策中. 基于韧性预防策略(产能储备与多源采购)、韧性响应策略(备用供应商)及韧性恢复策略(原供应商产能修复), 在政企联合模式的前提下, 建立以供应链总成本最小和供应链总韧性值最大为目标的灾前灾后两阶段混合整数随机规划模型. 通过算例求解得到不同情景和多种不确定因素下的应急物资供应链相关决策方案, 并通过对比分析和灵敏度分析证明模型的有效性与韧性策略的适用性. 结果表明: 韧性策略可以有效提升应急物资供应链应对供应中断的预防能力、响应能力与恢复能力; 韧性预防策略更适用于供应链失效程度较小的情况; 供应商失效时间越长、失效情景越严重, 备用供应商发挥的作用越大, 反之则原供应商产能修复发挥的作用更大.

摘要:针对传统灰色关联分析模型无法测度因素间交互作用且未考虑数据噪声的问题, 基于奇异值分解提出灰色交互作用关联分析模型. 首先, 通过引入交互作用矩阵, 利用奇异值分解方法, 结合贡献率准则来确定关键奇异值; 然后, 构建单一因素和交互作用的灰色关联系数, 并最终得到单一因素和考虑交互作用的灰色关联度, 所提出模型能够满足规范性、对称性、数乘变换不变性等性质, 并克服对象排列顺序对于关联度的影响; 最后, 将所提出模型应用于黄河流域碳排放单一因素和交互作用驱动因素分析, 识别出关键影响因子, 通过实例分析结果表明所提出模型的合理性和有效性. 稳定性和置换检验分析进一步验证了所提出模型的稳健性.

摘要:针对灰色关联分析对于非等间隔含噪序列数据精度低或不适用等问题, 首先, 提出从含噪数据重构本征函数及其高阶导函数的惩罚样条光滑法, 以弱化序列数据分布间隔和观测误差的影响; 然后, 设计能够综合静态关联性和动态关联性的函数型关联度, 并论证其规范性、接近性、分解形式和实践应用准则; 最后, 将所提出模型应用于火炮身管烧蚀磨损截面特征分析. 结果表明: 所提出方法能够准确辨识烧蚀磨损截面与弹丸初速减退的关联关系, 且优于对比模型, 验证了所提出方法的可靠性和有效性.

摘要:弯道车道线因其复杂的几何和视觉特征, 检测难度相较于直线车道线高. 针对现有弯道车道线检测算法普遍存在的识别精度不足问题, 提出一种基于多尺度特征融合和组合结构损失优化的深度学习弯道车道线检测方法, 旨在高效且准确地提取和识别弯道车道线. 首先, 在图像预处理中, 采用区域特定的裁剪策略, 根据车道线在图像中的相对位置, 通过选定的裁剪比例保留图像关键区域, 这种方法可有效减少环境干扰, 并提升模型预测速度; 然后, 基于优化的图像输入, 构建一个深度学习模型, 该模型整合ResNet34主干网络、特征金字塔网络(FPN)以及动态卷积模块, 利用多尺度特征融合技术能够显著提升车道线检测的准确性; 接着, 为了进一步优化检测效果, 引入一种新型组合结构损失函数, 该函数融合位置损失和形状损失, 不仅优化了车道线位置估计, 还增强了在弯道中的形状连续性; 最后, 在CULane数据集的弯道场景测试中, 所提出方法达到了85.54的$F_1 $评分, 验证了其高准确性和鲁棒性.

摘要:针对约束多目标进化算法存在难以平衡种群收敛性与多样性的问题, 提出一种基于平均矢量角和动态缩减机制的约束多目标进化算法(CMOEA-BAD). 该算法设计主种群和辅助种群, 它们分别独立进化, 以求解原始问题和辅助问题. 对于主种群, CMOEA-BAD将理想点与最低点的角度信息相结合构成平均矢量角, 并将该角度融入约束支配原则进行个体选择, 以平衡种群的多样性与收敛性. 对于辅助种群, 设计一种种群规模动态缩减机制, 通过动态地调整辅助种群的规模来降低其在进化过程中所占用的计算资源, 以加快算法的收敛速度. 为验证所提出算法的性能, 将所提出算法在MW和DTLZ测试问题上与PPS、BiCo、NSBiDiCo、MFOSPEA2以及CMOES算法进行比较分析, 并应用于实际工程问题中. 实验结果表明, 所提出算法不仅能够有效平衡种群的收敛性与多样性, 还可以显著提高算法的收敛速度. 算法整体运行时间缩短了28%, 综合性能更优.

摘要:为充分利用码头资源, 减少集卡在港时间, 缓解码头拥堵问题, 考虑闸口与堆场作业的相互影响, 将集装箱码头集疏港作业视为两阶段混合流水作业, 优化集卡作业指派和作业顺序. 首先, 将集卡视为工件, 每个集卡需要依次经过第1阶段闸口作业和第2阶段堆场作业, 完成集卡进港提/送箱作业; 然后, 考虑堆场作业中场桥安全距离、场桥不可跨越等现实约束, 建立基于混合流水作业组织的码头集疏港作业调度优化模型; 接着, 结合问题特点设计搜索算子, 应用基于$Q\text{-}{\rm learning} $的改进变邻域搜索算法进行求解; 最后, 通过数值实验验证所提出算法的有效性, 将所提出策略与传统策略进行对比, 实验结果显示: 所提出基于混合流水作业组织优化策略能够降低17.78%的设备间作业时间不平衡度, 并降低3.70%集卡最大流程时间.

摘要:密度峰值聚类算法(DPC)能够识别任意形状的类簇, 但存在两大明显不足: 一是在密度分布不均的数据集中不能正确发现稀疏集群的聚类中心; 二是剩余点分配策略容易引起连锁反应导致数据点归类错误. 为此, 提出一种基于双向代表点(BRP)和相互$K $近邻(MKNN)的密度峰值聚类算法, 称为BRPMK-DPC. 首先, 设计一种基于正向$K $近邻代表点和逆向逆$K $近邻代表点的局部密度计算方法, 好处是可以在密度分布不均的数据集中高效识别正确的聚类中心; 其次, 提出一种相互$K $近邻的剩余点分配方法, 在分配过程中具有自适应性, 避免衍生类DPC算法采用固定$K $值带来的劣势; 最后, 在人工合成数据集和真实数据集上进行测试, 实验结果表明所提出的算法不仅能够高效识别密度不均集群的聚类中心, 而且在大部分数据集上的聚类性能优于其他7种对比算法.

摘要:围绕海上基地的攻防可看作一个多阶段序贯对抗过程, 通常可建模为不完美信息零和博弈. 针对海上基地防护安全博弈问题, 构建不完美信息序贯博弈模型, 分析博弈模型各要素; 围绕近似纳什均衡策略的快速求解, 提出可配置反事实遗憾最小化(CogCFR)算法, 利用基类CFR算法与元控制器可动态控制CFR的超参数; 以海上多个海上基地防护为试验背景, 利用CogCFR求解海上基地防护资源分配策略. 针对有限理性对手, 提出考虑约束的单侧信任域鲁棒对手利用策略更新方式. 实验结果表明: 可配置反事实遗憾最小化相比动态加权反事实遗憾最小化计算时效性更强、参数更少; 算法具有较好的应用可行性和领域泛化性, 可为序贯交互类博弈对抗问题策略求解提供参考.

摘要:现有的不平衡数据回归算法需要多次计算样本间的距离, 当样本数量较大时, 处理效率较低. 粒球模型可将样本集合迭代划分为多个粒球, 以降低样本规模. 但是, 当前的粒球模型依赖于样本类别标签, 不适合回归任务. 鉴于此, 首先, 利用粒球内样本区域的网格划分, 定义粒球的填充度, 提出一种网格自组织粒球模型(GSOGB), 能够同时处理回归任务和分类任务; 然后, 在此基础上, 给出粒球内样本在邻域内的过采样策略, 提出基于网格自组织粒球模型的不平衡回归方法(GSOGB-SMOTER). 实验结果表明: 所提出GSOGB在12个分类数据集上优于现有粒球模型; 所提出GSOGB-SMOTER在10个不平衡回归数据集连续目标值域的5个等长分区的MSE指标上略优于文献中的7种算法, 且具有鲁棒性和更高的运行效率, 能够快速处理较大规模数据的不平衡回归.

摘要:无人机航拍图像具有尺度差异大、背景干扰和目标模糊等特点, 给小目标检测带来诸多挑战. 针对这些问题, 提出一种高效的无人机航拍小目标检测算法. 首先利用空洞卷积增大感受野、保持细节分辨率的特点, 设计并行空洞卷积模块; 其次设计注意力上下采样分支模块, 利用闸门机制对提取到的特征进行选择, 强化特征表达; 最后结合小目标检测头设计并行空洞卷积注意力金字塔网络, 对多尺度特征进行特征融合. 在VisDrone2023数据集和DOTA数据集上, 所提出算法在小目标检测的平均准确率均值均优于其他主流算法, 相较于基线方法在平均准确率均值上提升7.3 %, 参数量减少0.58 M, FPS提升11.2, 达到43.5, 验证了所提算法的高效性. 在复杂场景ExDark数据集上, 所提出算法在平均准确率均值上优于其他低光增强模型和暗检测器, 相较于PE-YOLO在平均准确率均值上提升2.4 %, 验证了所提算法的鲁棒性和实用性.

摘要:在非结构化任务环境中, 多个移动机器人通过协同重构形成组合体机器人是提升机器人任务适应性的重要手段, 然而, 关于组合体机器人实际应用部署建模和控制方面的进展仍然不足. 鉴于此, 首先, 基于非完整约束和拉格朗日方法, 建立任意重构尺度下组合体机器人的运动学和动力学模型: 在运动学层级, 设计基于自适应边界补偿安全围栏的平滑避障策略, 保障在运动过程中的安全性; 在动力学层级, 通过引入自适应协作容错机制, 保障组合体机器人系统转矩分配的合理性, 避免性能下降, 以增强运动过程中的容错能力. 然后, 提出一种新型的滤波扩张状态观测器, 该观测器可通过抑制噪声引起的高频振荡现象, 实现未知集总扰动下对速度的鲁棒跟踪控制. 最后, 搭建真实的组合体机器人实验平台, 进一步验证所提出方法的容错性、鲁棒性和安全性.

摘要:移动机器人的路径规划和避障问题已成为近年来的研究热点. 现有的基于深度$Q $网络算法在RPP问题上取得了一定的效果. 然而, 该算法在训练过程中存在动作选择随机性过大、收敛速度慢等问题. 此外, 现有的算法较少涉及动态环境的定量分析. 鉴于此, 提出一种基于双深度$Q $网络的路径规划算法. 首先, 设计一种特别的时序输入结构, 能够采集更加丰富的动态语义信息, 可以更好地适应动态场景的路径规划; 然后, 设计一种独特的经验分配策略, 这种策略可在不同的训练阶段分配不同经验池中的经验, 以改善网络的训练效率; 最后, 在静态和动态环境中对所提出算法进行验证. 与改进前的方法相比, 所提出方法训练时间减少了50%, 路径规划的成功率提高了9.6%.

摘要:针对一类新的动态泊位与岸桥起重机分配问题, 综合考虑潮汐影响、异类船舶靠泊区域约束等现实因素, 同时优化不同船型船舶的靠泊时间、靠泊位置以及分配的具体岸桥, 最小化船舶延误成本和泊位偏离成本. 首先, 将上述问题构建为一个混合整数线性规划模型; 然后, 通过动态时间-泊位-岸桥表和岸桥起重机编号有向无环图解决船舶间时空不能重叠和岸桥不可交叉的复杂约束, 提出融合问题特征的自适应变邻域搜索算法, 设计基于问题特性的岸桥数量和靠泊类型邻域结构算子并融合船舶靠泊顺序扰动算子以提升算法寻优能力; 最后, 基于福州江阴港实例的大量数值实验结果表明: 所提出算法的求解结果与商业求解器CPLEX获得的最优解平均偏差为3.24%, 验证了所提出模型和算法的可行性; 针对大规模问题, 所提出算法平均仅需33.51 s即可求得高质量的近似最优解, 与现有可变邻域下降算法获得的方案相比, 所获得的方案平均可节约38.69%的成本.

摘要:视觉惯性里程计(VIO)是卫星拒止环境下的高效导航定位方法, 但是由于传感器噪声和累计误差的存在, 不可避免地会产生漂移而影响导航定位精度. 针对上述问题, 提出一种融合距离梯度的单目视觉-惯性-UWB紧耦合导航定位方法. 通过构建超宽带(UWB)测距传感器的测量距离及其梯度信息的残差模型, 利用因子图优化方法实现VIO与UWB的信息融合, 特别是距离梯度信息的引入, 能够实现速度信息的修正, 从而以多传感器紧耦合融合的方式进一步抑制导航系统的漂移并改善导航定位精度. 将所提出方法在EuRoc公开数据集以及实际的无人机平台上进行多种飞行模式的实验验证, 实验结果表明: 所提出方法具有良好的可行性和导航定位性能, 与使用相同测量信息的同类方法比较, 导航精度能够提升13.7%.

摘要:在碳限额与交易政策下, 构建一个由生产外包的原始设备制造商(OEM)和竞争的合同制造商(CM)构成的竞合供应链系统, 考虑溢出效应, 通过对比企业不减排投资、CM减排投资、OEM减排投资以及联合减排投资4种场景, 对供应链减排投资策略选择问题展开研究. 研究结果表明: 首先, 相较于不投资, CM总能从投资中获益. 多数情况下CM选择联合投资, 但是, 当竞争占主导时, 会选择单独投资. 对于OEM而言, 搭便车并非总是有利可图, 联合投资能够显著提升其效益. 其次, 竞合关系中合作占主导或竞争较弱时联合投资为CM和OEM的均衡策略. 再次, 碳交易价格、溢出系数会影响企业在竞争与合作间的倾向性, 调节企业间的竞合关系, 进而影响供应链企业的决策行为. 最后, 通常情况下供应链减排投资能够获得更好的环境绩效, 但是, 当单位产品的初始碳排放量很大时, 会出现“减排努力困境”.

摘要:针对四旋翼无人机轨迹跟踪过程中存在的速度测量值未知和多源干扰不确定性影响等问题, 提出一种基于自适应降阶广义参数估计器GPEBO的复合非奇异快速终端滑模控制方案. 首先, 考虑系统的位置和姿态回路特性, 在系统重新参数化后构建线性回归方程将系统的状态估计转化为参数估计; 然后, 通过引入动态回归扩展以及混合理论设计有限时间收敛的自适应降阶GPEBO来重构速度测量值未知和估计集总干扰; 接着, 基于重构的状态构建动态非奇异快速终端滑模面并基于估计的集总干扰信息结合非奇异快速终端滑模算法分别在位置和姿态回路设计有限时间收敛的复合非奇异快速终端滑模控制器; 然后, 采用基于Lyapunov方法证明闭环系统的有限时间收敛. 仿真结果表明, 所提出方法相较于基于扩张状态观测器的复合控制方案具有更快的收敛速度和更好的抗干扰能力.

摘要:针对优化融合图像的空间细节和光谱细节问题, 提出一种双二阶注意力空谱细节补偿的全卷积网络(FCN), 分别从高光谱图像和多光谱图像中提取光谱特征和空间特征, 并将双模态特征融合, 同时注重在细节补偿的约束下将融合后的特征重构为所需高空间分辨率高光谱图像. 所提出的双二阶注意力残差模块侧重提取图像的空间细节信息和通道细节信息, 通过通道梯度表征通道关系的二阶统计量提取通道结构特征, 利用物理可解释的图像结构张量表征空间关系的二阶统计量捕捉图像的高频细节, 并对损失函数增加拉普拉斯损失与光谱角映射损失来进一步提高融合图像与参考图像的纹理与光谱相似性. 通过在两组模拟数据集上的融合实验与多种方法进行对比分析, 并从分类角度间接验证融合图像的质量. 结果表明: 融合图像在各指标上的性能最佳, 融合图像的分类精度能够间接反映所提出网络具有良好的融合效果. 在两组真实数据集上的实验进一步验证了所提出方法具有良好的泛化能力.

摘要:针对遭受虚假数据注入(FDI)攻击的多四旋翼飞行器系统, 提出基于命令滤波器的预设时间一致性跟踪控制算法. 首先, 引入命令滤波器并构建误差补偿机制, 在避免“复杂度爆炸”的同时移除滤波误差对系统的影响; 其次, 基于系统真实状态与受损状态之间的联系, 引入坐标变换并结合Nussbaum函数控制方法和自适应控制技术, 解决FDI攻击产生的未知控制增益问题; 接着, 利用Lyapunov稳定性理论证明系统预设时间稳定、闭环系统中的所有信号有界以及多四旋翼飞行器的一致性跟踪误差在预设时间内收敛到原点附近的邻域内; 最后, 通过仿真算例验证所提出控制算法的有效性.