重载工业机械臂在全球工业领域的重型装备制造、协同搬运、精细装配以及复杂环境重型装备安全作业等方面具有不可替代的作用,已成为解决大负载作业的工作效率、生产安全、降低人工成本等重大需求问题的核心装备。随着机器人技术和物联网技术的快速发展,机械臂系统固有的安全漏洞和脆弱性不断被利用,增加了信息安全风险和网络物理入侵威胁。关于重载工业机械臂系统安全研究相对不足,破坏机械臂在网络协议、系统数据和物理过程等方面的数据逻辑可能带来严重的安全威胁。本文针对已有研究工作的不足之处,发掘重载机械臂潜在的攻击方式,提出一种数据逻辑攻击方式,并评估其攻击效果。然后,根据潜在攻击方式的特点,设计相应的检测方法,以弥补现有检测方法的不足。具体而言,本文围绕重载工业机械臂中数据逻辑攻击与检测开展研究工作。通过分析重载工业机械臂重载机械臂机械结构特性、功能及动力学特性等,设计了攻击影响分析模型,利用在网络协议、系统模型和物理过程等方面的脆弱性,提出了一种数据逻辑攻击方式。然后根据重载工业机械臂潜在脆弱性和数据逻辑攻击实施特点,研究了基于深度学习和动态模型融合的检测机制。最后通过硬件在环的联合仿真及物理系统实验对提出的攻击方式和检测机制进行了有效性验证。本文的主要研究内容及取得的成果如下:(1)提出了一种重载工业机械臂力/位同环控制算法及攻击影响分析模型。通过分析重载工业机械臂结构特征,推导了运动学和动力学模型。基于遗传神经网络(Genetic Neural Networks,GNN)对力控制参数的进行辨识优化,建立基于GNN的力/位同环控制算法抑制刚柔耦合效应引起的振动误差,仿真结果表明,机械臂振动幅度缩小了 125.6%。在此基础上,建立了 Matlab与Adams的重载机械臂联合仿真系统。随后根据GNN力/位同环控制算法中力位信息,对机械臂系统准确性、完整性、安全性和可用性等因素建模,提出了一种针对重载工业机械臂的攻击影响分析模型(Attack Impact Model,AIM),能够量化分析针对重载工业机械臂的攻击影响。(2)提出一种重载工业机械臂数据逻辑攻击方式。基于网络通信、系统模型和物理过程在数据逻辑方面的脆弱性,提出了一种新型的重载工业机械臂数据逻辑攻击方式,分析了网络协议数据逻辑攻击、系统数据完整性逻辑攻击和过程逻辑攻击的攻击原理,并建立了对应攻击模型。然后,基于硬件在环的联合仿真系统对三类攻击场景下的八种典型攻击函数进行了建模和仿真实验。实验结果表明,数据逻辑攻击方式严重破坏系统力与位姿状态。根据AIM对实验数据进行处理和分析,得到相应攻击效果和量化排序,实验结果验证了数据逻辑攻击方式的有效性。(3)提出了一种基于深度学习算法和动态模型融合的检测机制。通过优化深度信念网络数据处理和模型设计过程,结合重载机械臂运动学及动力学进行建模,提出了基于改进深度信念网络(Improved Deep Belief Networks,IDBN)和动态模型的融合检测机制。随后开展性能评估试验,IDBN算法性能测试结果表明提出的IDBN检测算法在测试集上的分类准确率均高于SVM、BP和DBN三种方法的分类准确率检测精度,达到96.2%,在动态模型验证中检测精度达到94.0%,实验结果证明了所提出的检测机制的有效性。最后在主从站硬件在环联合仿真系统中对数据逻辑攻击进行了检测,平均检测时间仅为0.24s,平均检测准确率为92.7%。实验结果证明了所提机制对新型数据逻辑攻击检测的有效性。(4)设计实现了数据逻辑攻击与检测物理实验测试平台。物理实验系统主要包括重载工业机械臂、西克位移传感器、STM32开发板、可编程逻辑控制器(Programmable Logic Controller,PLC)、数据编码器、人机交互(Human Computer Interaction,HCI)手柄。在详细阐述重载工业机械臂测试系统组成及开发环境的基础上,介绍了测试实验系统攻击与检测基本功能实现。随后,对数据逻辑攻击和基于深度学习与动态模型融合的检测机制开展了物理攻防实验,通过实验现象与结果分析,验证了数据逻辑攻击及检测机制的有效性。