网络化系统作为一种典型的复杂系统,是近些年来随着通信、计算和控制技术的加速融合而兴起的一个多学科研究领域,被广泛应用于智能电网、物联网、工业互联网等现代化复杂控制系统。网络化系统通过网络进行信息传输和交换,可以完成资源共享、远程监控、协同控制与优化调度等复杂任务,具有高可靠性、高灵活性以及可扩展的优势,因此吸引了研究者们的广泛关注。状态估计作为网络化系统的一个重要模块,主要功能是为网络化系统控制提供准确且实时的系统状态。然而,由于通信网络的介入,数据传输时不可避免的会发生时延、丢包以及通信带宽受限等网络诱导现象,进而影响系统状态估计器的估计性能和稳定性。同时,网络的开放性使得控制系统容易受到外部攻击的威胁,网络化系统本身的脆弱性在面临网络攻击时存在巨大的安全隐患和风险,可能造成经济损失、设施损坏甚至严重的生命安全威胁。此外,网络化系统的状态估计过程一直是攻击者中意的主要入侵对象之一,复杂、恶意的网络攻击会影响状态估计器的运行,导致性能退化、运行中断甚至故障等;另一方面,网络攻击常常和丢包、时延、带宽受限等网络通信问题相互影响,致使攻击行为更加复杂且难以被检测和防御,进而导致传统状态估计和安全机制的分析和设计方法面临着诸多挑战和困难。综上所述,本论文针对网络化系统,考虑诸如传输时延、丢包、通信带宽受限等网络诱导现象以及网络攻击问题,开展攻击环境下的状态估计问题研究,并且针对网络攻击进一步开展攻击检测和攻击防御方法研究,旨在增强网络化系统的安全性能并改善网络化系统的估计性能,具体研究内容总结如下:1)研究测量丢失下网络化系统的分布式状态估计问题。考虑多重测量丢失和状态不等式约束,设计了一种改进的分布式卡尔曼滤波器来估计系统的状态。首先,采用节点间状态变换方法构建分布式网络化系统模型;然后,通过将多重测量丢失建模成满足伯努利分布的随机变量并构造一个测量丢失矩阵,进一步结合卡尔曼滤波算法设计了改进的分布式状态估计算法;最后,考虑状态不等式约束,采用粒子群优化算法和最大概率方法求解状态约束下网络化系统的分布式估计问题。2)研究随机网络攻击下网络化系统的分布式一致性估计问题。首先,考虑一种发生在分布式估计器之间的随机网络攻击,利用一个满足零均值高斯过程的随机变量和一个满足二元分布的攻击决策变量构造随机攻击模型;在此基础上考虑通信带宽约束,设计了最优的事件触发分布式卡尔曼一致性滤波器来提高分布式估计器的估计性能;然后,基于可扩展性考虑,通过近似方法推导次最优估计器;最后,基于李雅普诺夫方法给出了设计估计器的稳定性分析,并且设计了网络攻击和事件触发机制的协同设计条件,进一步分析了随机网络攻击对估计算法和事件触发机制的影响。3)研究攻击能量受限时网络化系统的分布式一致性估计问题。首先,考虑攻击者攻击能量或资源受限问题,利用一种固定概率的随机策略设计有限能量下的攻击行为,并且从能量和资源角度考虑,分别设计了攻击能量充足/受限时网络化系统的分布式一致性估计算法;其次,基于方差约束方法处理非线性网络化系统的线性化误差,进而计算出不同能量充足/受限攻击下估计误差协方差矩阵的上界;然后,通过最小化上界矩阵的迹,推导给定一致性增益矩阵下的滤波增益矩阵;最后,基于李雅普诺夫方法,给出了能量充足/受限攻击下分布式一致性估计算法的稳定性定理。4)研究具有攻击检测机制的网络化系统状态估计问题。首先,为了表征数据包内部分测量数据时延现象,利用满足伯努利分布的随机变量构造测量时延矩阵,并且结合标准卡尔曼滤波算法,设计了一种改进的测量时延下的状态估计器,从而获得系统的最优状态估计;然后,考虑网络攻击和测量时延同时发生,为了干扰攻击检测过程,设计了不完美数据注入式攻击策略;在此基础上,考虑测量时延和网络攻击相互影响,为了有效甄别出攻击向量,利用卡方检测机制和历史安全估计信息,设计了新的攻击检测方法。5)研究具有攻击防御机制的网络化系统分布式状态估计问题。首先,为了有效抵御估计器之间发生的网络攻击,利用自身节点的测量信息作为基准设计保护决策变量;然后,为了保证分布式估计器的估计精度同时抵御虚假数据注入攻击,通过假设状态变量的历史估计信息不受攻击影响,利用安全历史估计值构建针对虚假数据注入攻击的防御机制;此外,考虑所设计分布式估计器在网络化系统中的扩展性,提出一种具有攻击防御机制的次最优分布式卡尔曼一致性滤波器;最后,利用李雅普诺夫方法,给出了具有防御机制的分布式估计器稳定的充分条件。