共查询到19条相似文献,搜索用时 140 毫秒
1.
针对网络控制系统随机时延、时变等特性造成控制效果不理想的问题,提出一种改进的广义预测控制与递推最小二乘法相结合的预测控制策略.上述控制策略将传统的预测控制运用于网络控制系统中,针对网络随机时延的特性,采用改进的广义预测控制算法对随机时延进行补偿.结合分段可变遗忘因子递推最小二乘法对被控对象模型参数进行在线辨识,可以减少网络控制系统参数突变对系统造成的不利影响.仿真结果表明,所提出的预测控制策略可以有效解决网络控制系统随机时延问题,并且在参数突变的情况下也能够获得良好的控制效果. 相似文献
2.
支持向量机在网络广义预测控制中的应用 总被引:2,自引:2,他引:0
在网络控制系统的研究中,支持向量机(SVM) 在网络广义预测控制中的应用具有良好控制效果和稳定性.为提高网络性能,对网络控制系统进行模型预测,并将SVM作为广义预测控制(GPC) 算法中的预测模型,采用支持向量机的广义预测控制算法.进行预估技术和队列机制,对被控对象选择最合适的控制信号,降低了时延对网络控制系统的危害性,并通过Matlab上仿真结果表明,与PID控制相比较,基于SVM的GPC算法在网络控制方面超调量较小,调整时间较短,控制效果更好. 相似文献
3.
4.
5.
针对网络控制系统的时延具有随机、时变的特性,常会出现控制效果不理想的问题提出了动态BP网络误差修正的广义预测控制.在BP神经网络中加入误差动态反馈环节,形成动态补偿的神经网络模型,通过动态BP网络建立误差的预测模型,采用误差预测值对传统广义预测控制的输出预测值进行修正.仿真结果表明,将算法应用到时延网络控制系统当中能取得较好的控制效果. 相似文献
6.
《计算机应用与软件》2015,(8)
针对网络控制系统的时延具有随机、时变等特性,提出一种广义预测与递推最小二乘法相结合的预测控制策略。首先针对网络随机时延性,采用广义预测控制算法对随机时延进行估计,并采用网络延迟补偿器根据当前时刻的最新控制信号对网络系统实现有效控制,然后采用递推最小二乘法对被控对象模型参数进行在线辨识,并采用仿真实验测试其与其他控制策略的优劣。仿真结果表明,该控制策略较好地解决了网络控制系统的随机时延难题,改善了网络控制系统在参数突变情况的性能。 相似文献
7.
基于状态空间模型的网络化广义预测控制 总被引:1,自引:0,他引:1
针对网络化控制系统中存在的网络诱导时延和数据包丢失,考虑了基于状态空间模型的网络化广义预测控制问题,提出一种采用最小预测步长和预测控制向量分别补偿网络诱导时延和数据包丢失对系统性能影响的新方法.分别给出了存在数据包丢失、网络诱导时延以及两者同时存在情况下的控制器设计方法.仿真实验结果验证了所提出算法的有效性. 相似文献
8.
提出了一种应用新方法来解决网络控制系统(NCS)的时延问题;该方法在利用广义预测控制(GPC)基本原理的基础上,提出了克服网络时延的排队策略,并通过浙江大学局域网(ZJULAN)在三缸耦合液位控制系统中取得了很好的应用效果;液位控制的成功应用表明,该方法有很好的实用价值,不仅继承了GPC的鲁棒性,还能非常成功地处理网络时延和丢包等较恶劣的网络情况. 相似文献
9.
网络化控制系统中,各种恒定、时变或者随机的网络时延会导致系统控制性能的下降甚至不稳定。针对基于交换式以太网所造成的随机网络时延问题,结合对系统结构及时延特征的分析,给出了一种基于广义预测控制的控制方法,该方法采用网络时间戳机制和模型的在线辨识,能够准确地测量系统输出并及时对预测值进行在线修正,实现对随机时延的网络化控制系统的有效控制。最后通过仿真验证了该方法的有效性。 相似文献
10.
基于AR模型时延预测的改进GPC网络控制算法 总被引:1,自引:0,他引:1
针对网络随机时延等不确定因数导致网络控制系统的控制性能下降甚至不稳定,提出一种新的网络控制算法.首先建立网络时延的自动回归模型;然后采用参数自校正的最小均方算法对网络时延进行在线预测;最后采用一种考虑时延的改进广义预测控制算法对网络时延进行补偿.仿真实验结果表明,该方法对网络时延具有较好的补偿效果,且在线计算量小,有很好的实时性,同时对干扰和丢包等因素具有良好的鲁棒性. 相似文献
11.
基于ANN的非线性系统GPC算法及仿真研究 总被引:2,自引:0,他引:2
将神经网络(ANN)技术应用于常规GPC算法,设计了基于ANN的非线性系统GPC结构方案,并对其控制原理和控制算法进行研究,基于ANN高度非线性映射等特性,运用数字仿真方法,对所设计的控制结构方案进行仿真研究,仿真结果显示,基于ANN的非线性系统GPC结构方案合理可行,并取得了满意的控制效果. 相似文献
12.
网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。 相似文献
13.
14.
15.
无线传感器和执行器网络通过无线网络(ZigBee)将传感器和执行器与控制器相连,完成分布式传感和执行任务。针对无线网络传输和被控对象延时的不良影响,首先详细介绍了基于TrueTime 2.0的无线网络控制系统在Windows 7和Matlab R2010b环境下的搭建,给出了系统的仿真模型。对控制器节点分别采用常规PID控制和模糊PID控制算法进行仿真研究。仿真结果表明,对于存在延时环节的无线网络控制系统,模糊PID控制可以取得较好的控制效果,系统鲁棒性较强。该研究对物联网智能家居系统的设计具有一定参考价值。 相似文献
16.
针对一类具有网络时滞小于采样周期的网络控制系统提出网络控制的主要问题是网络通信系统模型的不确定性导致控制性能不佳;针对这一问题,采用基于无模型的自抗扰算法,将网络环节和被控对象一同视为控制对象,将网络时滞作为被控对象的不确定性因素,利用扩张状态观测器对不确定性因素进行实时观测估计;Matlab/TrueTime网络控制实验表明:自抗扰控制方法能够有效地减小网络诱导时滞对控制系统的影响。 相似文献
17.
网络控制系统中普遍存在的传输延时严重影响了系统的控制性能。针对这个问题,本文介绍了一个控制器由事件驱动、传感器和执行器由时间驱动的分布式系统模型。控制器采用了GPC控制算法,执行器节点设置控制增量缓冲区,以此来保证在网络存在随机时延情况下输出的控制量均为最优或者次最优,系统仍有良好的控制性能。 相似文献
18.
基于模糊神经网络的交通干线分层递阶控制 总被引:2,自引:0,他引:2
针对城市交通干线协调控制的要求,提出了利用模糊神经网络分层递阶控制的方法。采用两层结构,第一层为控制层。针对单个路口,对下一时间段内路口各个方向的车流量进行预测。并在此基础上计算出下一时间段内各个路口的周期、相序、各个方向上的绿信比;第二层是协调层,综合主干方向的车流状况及各个路口的情况,采用模糊神经网络对各个路口的周期、相位及主干方向的绿信比进行调整。仿真结果表明,该方法优于定时控制,达到了减少车辆的停车次数和延误时间的目的。 相似文献