变采样周期网络控制系统的H∞控制

时延以及数据包丢失是导致网络控制系统性能降低的重要原因.利用既是时钟驱动又是事件驱动的传感器,可以使时延与采样周期具有相同的长度,这样降低了建模随机时延的保守性.通过把具有时变采样周期的网络控制系统建模为切换系统,并利用线性矩阵不等式,本文给出了保证系统渐进稳定的充分条件,同时设计了系统的H∞控制器,仿真结果表明了本文所提出的变采样周期方法的有效性.     

变采样网络控制系统的最优保性能控制

针对具有时变有界采样周期和时延的网络控制系统,首先将其建模成一类离散动态区间系统.在此基础上,对一个给定的二次型性能指标,研究了系统的保性能控制问题,基于线性矩阵不等式(LMI)给出最优保性能控制器设计方法.利用LMI工具箱,求解十分方便.仿真结果表明该方法的有效性.     

基于Levinson-Durbin算法的变采样周期调度

由于资源受限而产生的网络时延是多回路网络控制系统面临的最严重问题之一,该时延具有随机、时变的特性,它将导致控制效果不理想,甚至使得系统不稳定。针对该问题,本文提出了基于中间插件的变采样周期调度策略,通过动态调整各控制回路的采样周期来实现网络资源的动态分配,以有效地减小网络时延,保证系统的稳定性。仿真结果表明,将该策略应用到资源受限的网络控制系统中,可以较大程度地减小随机时变时延对控制性能产生的负面影响,使得控制系统工作稳定,并有效地提高网络控制系统整体的控制性能。     

基于自抗扰技术的网络化无刷直流电机控制系统时延补偿

采用自抗扰控制技术解决网络化无刷直流电机转速控制系统的时延补偿问题. 首先, 建立含有时变网络诱导时延的无刷直流电机控制系统模型, 并将时变时延引起的不确定动态描述为系统模型的不确定性; 然后, 设计自抗扰控制器, 对时延引起的不确定动态进行动态线性化补偿, 从而消除时变时延对系统性能的影响; 最后, 通过仿真研究表明了所设计的自抗扰补偿方法的有效性和优越性.

     

基于MMTMV方法的多变量时变扰动系统性能评估

工业控制系统性能评估关系到工业生产安全与企业绩效. 工业过程扰动频繁且存在时变特性,多变量时变扰动系统缺少统一有效的性能评估方法. 本文提出了基于多模型混合时变最小方差(Multi-model mixing time-variant minimum variance, MMTMV)的多变量系统性能评估方法. 首先,根据扰动作用起止时间设定混合权重,基于多模型混合的思想利用混合权重与每一时变扰动特性设计多变量MMTMV控制器. 然后,利用多变量MMTMV控制器得出各被控变量输出方差,将多变量MMTMV控制器下被控变量的平均方差作为性能评估的基准. 最后,本文通过在裂解过程和精馏过程中的控制性能评估应用,验证了多变量MMTMV评估方法的有效性.     

区间化时变时延的网络化切换系统建模与控制

研究了具有从传感器到控制器和控制器到执行器存在双边时变时延的网络控制系统指数稳定性的问题.首先将时延变化范围划分为多个等分区间,然后采用增广矩阵的方法建立了参数不确定的离散时间切换闭环系统模型.同时基于平均驻留时间分析方法,给出了系统满足指数稳定的条件,接着进一步的建立了时延区间划分个数与系统状态指数衰减率的定量关系.该方法有效降低了系统设计的保守性,一定程度上减少了系统状态收敛的时间.最后通过数值仿真验证了所提方法的有效性.     

自适应Smith补偿器在基于IP的网络控制系统中的应用

在基于IP网络的网络控制系统(NCS s)中,网络诱导时延变化显著且往往大于一个采样周期.本文引用数据通信中应用广泛的网络回程时间来估计NCS s中时变的全回路网络诱导时延,并提出了一种新的自适应Sm ith补偿器.仿真结果表明,该补偿器能够有效地消除网络诱导时延变化对控制性能的负面影响;结合该自适应Sm ith补偿器所设计的控制系统能够获得很好的控制性能与较强的鲁棒性.     

基于多模型混合最小方差控制的时变扰动控制系统性能评估

在实际工业过程中,控制系统经常会受到时变扰动的影响,致使针对单一扰动模型设计的最小方差控制准则不再适用于评估时变扰动控制系统的性能. 当多个扰动信号同时出现时,采用常规多模型切换方法会发生间歇切换进而产生较大的暂态误差,不能准确评估系统当前性能. 针对上述问题,本文提出了一种基于多模型混合最小方差控制准则的性能评估方法. 首先根据每个扰动模型分别制定最小方差控制器,组成多模型最小方差控制器,然后在每个时间点混合多模型最小方差控制器,并将在其作用下的输出方差作为最终的性能评估基准,该方法既 充分考虑到每个扰动的特性,又避免了常规多模型切换方法因间歇切换而产生的暂态误差对评估结果准确性带来的影响,实现了准确、可靠地评估时变扰动控制系统的性能. 通过仿真,验证了基于多模型混合最小方差控制准则的性能评估方法的有效性.     

多时变扰动下的PID控制性能评估

时变扰动是影响控制系统性能的主要因素之一。针对存在多个时变扰动的情况,提出了一种基于多模型加权的PID最小可达方差控制性能评估方法。首先,根据每个扰动的特性设计子PID最小可达方差控制器;然后,基于扰动作用时间构造权重以设计多模型加权控制器,再以此控制器作用下系统输出所能达到的最小方差作为基准评估PID控制系统的性能。最后,通过仿真实例验证所提方法的有效性。     

利用自适应编码调制的无线网络控制系统的分析和设计

研究了利用自适应编码调制的无线网络控制系统的分析和设计, 自适应编码机制引入无线网络能够提高衰退信道的能量效率, 增加数据传输率. 进一步, 通过等价时延的概念来描述无线传输信道中的时变速率, 干扰和路由特性. 基于时变的网络条件给出了等价时延的上下界. 无线网络控制系统被建模为具有时变输入时延的离散系统. 通过新的时滞系统技术给出了该闭环无线网络控制系统可稳定化的充分条件. 最后, 数值算例表明了所提控制策略的有效性.     

具有Markovian时延与丢包的离散系统的状态估计

网络化控制系统中经常会因网络带宽有限而导致数据包在网络中传输时产生时延甚至丢失.本文主要研究具有Markovian时延与丢包的离散线性系统的状态估计问题.通过在估计器端设置适当长度的缓存器,把具有多状态Markovian时延与丢包的离散定常系统建模成数据包到达过程为两状态Markovian模型的离散时变系统,并基于跳跃线性估计器的思想提出了一类特殊的估计器,即限定接收历史估计器 (FRHE).在最大时延已知时,给出了可选增益的最优RHE设计策略.该策略虽然是次优,却能提供简便的计算.通过与时变Kalman估计器 (TVKE)的仿真对比,表明所提策略的有效性.     

变周期RP-EKF时延纯方位角目标跟踪算法

针对声传感器纯方位目标跟踪应用,提出了一种基于静态多模型的距离参数化变周期扩展卡尔曼滤波算法,将时延影响转换为模型的可变周期,并通过参数在线估计的方法,估计该可变周期.距离参数化方法将整个距离空间分成若干个区间,分区间对距离进行估计,进而搜索出目标与观测平台之间的正确距离值.仿真结果表明变周期距离参数化扩展卡尔曼滤波算法能有效解决经典扩展卡尔曼滤波算法在纯方位角目标跟踪时可能出现的滤波发散现象,并能处理声音信号的传输时间延迟问题.     

鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.     

多传感器时滞系统信息融合最优Kalman滤波器

基于线性最小方差最优加权融合估计算法,对多传感器的离散线性状态时滞随机系统,给出了一种非增广分布式加权融合最优Kalman滤波器.推导了状态时滞系统任两个传感器子系统之间的滤波误差互协方差阵的计算公式.它与状态增广加权融合滤波器具有相同的精度.与每个传感器的局部滤波器相比,分布式融合滤波器具有更高的精度.与状态和观测增广最优滤波器相比,具有较小的精度.但避免了增广所带来的高维计算和大的空间存储,可减小计算负担.仿真例子验证了其有效性.     

基于凸空间收缩滤波的噪声不确定时滞系统状态估计

针对受未知但有界噪声干扰的噪声不确定时滞系统, 提出了一种基于凸空间收缩滤波的系统状态估计方法. 首先, 利用凸空间定义包裹系统真实状态的可行集, 求解下一时刻的凸空间体形状矩阵; 随后从凸空间收缩角度, 利用当前时刻噪声和扰动构造带空间, 得到满足状态预测和量测更新条件的凸空间结构; 进而, 依据时滞系统约束条件构造线性规划不等式方程组, 利用线性规划求解该凸空间, 得到包裹状态可行集的最紧致凸空间体; 最后, 通过数值仿真与电池化成工艺变换器案例仿真, 验证了本文所提方法解决不确定时滞系统状态估计问题的有效性和准确性.     

Joint state and multi-innovation parameter estimation for time-delay linear systems and its convergence based on the Kalman filtering

This paper studies the joint state and parameter estimation problem for a linear state space system with time-delay. A multi-innovation gradient algorithm is developed based on the Kalman filtering principle. To improve the convergence rate, a filtering based multi-innovation gradient algorithm is proposed by using the filtering technique. The analysis indicates that the parameter estimates given by the proposed algorithms converge to their true values under the persistent excitation conditions. A simulation example is given to confirm that the proposed algorithms are effective.     

时延线性系统参数估计的一种新方法—Fourier级数法

本文提出了一种用Fourier级数来对时延线性系统进行参数估计的新方法,通过Fourier级数对系统变量的展开,并引入时延分析方法,进而利用最小二乘法得到参数的估计值,并用例子说明了展开项数对估计精度的影响,以及与方块函数用于参数估计作了比较,以体现该法特点。     

带时延补偿的图像雅可比矩阵在线估计方法

传统的在线估计图像雅可比矩阵的方法没有考虑时延因素,因此具有较大的估计误差。为了补偿时间延迟,提出一种新的带时延补偿的图像雅可比矩阵估计方法。该方法利用卡尔曼滤波估计特征点在图像空间中当前时刻的位置和速度,进而计算当前时刻较为准确的图像雅可比矩阵估计值。仿真和实验结果表明,该方法显著地提高了系统的性能,从而验证了提出的带时延补偿的图像雅可比矩阵在线估计方法的可行性和优越性。     

一种新的码片内多径时延估计方法

根据信道冲激响应的稀疏特性,提出了一种频域的时延估计压缩感知模型,将时延估计问题转化为基于欠采样数据的稀疏向量估计问题.利用离散傅里叶变换(Discrete Fourier transform,DFT)矩阵的子矩阵所满足的受限等距性(Restricted isometry property,RIP)以及信道冲激响应的稀疏特性充分降低了时延估计所需数据量的要求.分析了本文模型具有码片内多径分辨能力以及良好抗噪性能的原因,并与多信号分类(Multiple signal classification,MUSIC)和旋转不变技术的信号参数估计(Estimation of signal parameters via rotational invariance technique,ESPRIT)算法的时延估计性能进行仿真比较.仿真结果表明,本文提出的方法不需要预知多径的条数,对码片内多径时延具有较高的估计精度,其时延估计性能在特定条件下优于MUSIC和ESPRIT算法.     

不确定时滞离散非线性系统的鲁棒耗散滤波

研究了一类带参数不确定性和非线性动态的离散时滞系统的鲁棒耗散滤波问题.所给系统中的不确定项是时变未知且范数有界.基于Lyapunov稳定性方法,先对参数已知而带有非线性动态的时滞离散系统,给出渐近稳定判据,然后讨论鲁棒耗散滤波器的存在条件及设计方法.在此基础上进一步考虑参数不确定性情形,将鲁棒耗散滤波器问题转化为参数确定的情况.从而将鲁棒耗散滤波器的设计问题转换为线性矩阵不等式的求解问题.最后给出仿真例子验证所得结果的有效性.