网络延时对网络控制系统的影响及其控制对策

随着网络控制系统理论及应用研究的不断进展,网络延时对网络控制系统的影响日益突出,它是恶化系统性能、导致信息不能准时到达、引起系统不稳定的重要因素.在对网络控制及其特点进行分析的基础上,研究了网络延时对网络控制系统的影响,并从减少网络延时的网络优化与调度策略、无模型智能控制策略、鲁棒控制策略等方面出发,对网络延时的控制对策进行了分析和探讨,为进一步有效地实施网络控制提供了可靠途径.     

网络控制系统的模糊PID控制仿真研究

通过网络控制系统(NCS)结构的介绍,利用Truetime进行NCS仿真,分析网络延时、数据包丢失和传输速率几个主要因素对网络控制系统控制性能的影响.针对网络控制系统的延时特性,设计模糊PID控制器,利用模糊推理的方法在线整定PID的参数,以实时性要求较高的直流电机为被控对象,利用Truetime工具箱在MATLAB平台上进行控制系统的仿真.最后,与常规的PID控制进行对比可知,该算法的控制效果更好.     

基于改进LS-SVM的网络化预测控制

针对存在网络延时的网络化控制系统,提出一种具有最大预测步数的网络化预测控制策略.首先,分析网络延时的组成,确定网络延时的最小值,并利用自由权矩阵方法计算网络延时最大允许上界,作为最大预测步数;进而,利用改进的最小二乘支持向量机在线预测网络延时;最后,利用基于往返延时的补偿策略选择合适的预测控制量来补偿网络延时的影响.仿真结果表明该控制策略有效.     

网络控制系统的自整定鲁棒数字PID控制

为了有效地抑制网络延时对网络控制系统性能的影响,提出了一种鲁棒数字比例-积分-微分(PID)控制器设计方法.该方法将分布式的网络延时归结为单一延时;在大时变鲁棒数字PID控制方法的基础上,结合二自由度的内模控制结构,实现了控制器参数的数字双PID分离设计.对基于控制局域网络(CAN)总线的典型工业过程进行了仿真实验.结果表明,与最小化模型方法设计的控制器比较,采用设计的PID控制器能补偿网络上的延时,更加有效地抑制负载干扰并提高了系统的动态特性.     

网络控制系统的Smith预估时滞补偿方法

针对网络控制系统中存在网络延时、非线性系统本身滞后以及延时对系统控制的影响,建立了时滞被控对象的网络控制系统模型,并分别从被控对象已知和控制器已知两个方面为出发点,提出了改进的Smith预估时滞补偿方法,无需对网络时延进行在线测量、辨识,并将系统前向通道中的时延因子移到了系统的闭环回路之外.最后,通过仿真实验对比了无时延和有时延两种情况下同一系统的稳定性情况,通过仿真结果验证文中提出的Smith预估补偿方法是可行的,具有实际应用的指导作用.     

基于"黑板"结构的分布式照明控制系统决策方法

目的 研究城市照明系统的智能控制策略，通过先进的控制结构、控制策略和控制方法等手段解决照明系统节能与正常运行问题。方法 借助于多Agent控制理论和数据融会技术，将区域照明控制系统划分成多个独立的控制器（多Agent），多A-gent之间通过网络相连以构成一个控制网络，在多Agent之间基于逻辑上的“黑板”结构来实现传感数据等共享．结果 为分布式照明系统的正确决策与正常运行提供了必备的基础条件．借助于网络上逻辑“黑板”结构的数据共享，提出了分布式照明控制系统群体决策所需要的数据修改、表决、诊断和决策的规则与策略．结论 经在某住宅园区照明控制系统两年多实践证明，采用多Agent等先进的控制结构、控制策略和控制方法会对照明系统的节能与正常运行等带来便利。     

网络控制系统的预测控制算法研究进展

随着智能电网、大数据、云控制系统和遥操作系统等复杂网络控制系统的兴起，网络控制系统具有了广域、宽范围、大数据等新特点。因此，解决网络诱导的时延和数据丢包问题在复杂网络控制系统中更显重要。该文对网络诱导的时延和数据丢包进行了分析，对网络预测控制算法研究现状进行了分析和总结，并展望了网络控制系统未来的发展方向。该文旨在为复杂网络控制系统的预测控制提供理论基础和研究思路。     

控制理论在主动队列管理中的应用

拥塞控制中作用于网络中间节点的主动队列管理策略(AQM)是解决IP网络拥塞问题和保证QoS的重要途径．运用控制理论，首先对TCP拥塞控制机制建模，在此基础上运用经典控制理论对主动队列管理各种策略进行分析，着重对AQM的唯一候选算法——随机早期检测(RED)算法进行分析与探讨，给出针对AQM策略的比例及比例积分控制器设计．针对网络本身是一个复杂、时变与不确定性的系统，智能控制理论更适合这类对象分析，为此，引入的智能控制理论采用模糊控制和神经网络控制对AQM策略进行研究和分析．     

战场指挥控制系统的网络控制特性及其评估

介绍分析了战场指挥控制系统的相关概念、体系结构及其工作过程,阐述了该系统是典型的网络控制论系统,其网络控制是从系统总体最优出发,在选定系统目标和准则的基础上,分析构成系统的各个层次分系统的功能和相互关系,以及系统同环境的相互影响。从控制论的角度,研究战场指挥控制系统的概念体系和系统性质,认识其网络行为和过程规律,可使战场指挥问题明晰化、确定化,并可为该系统建立网络行为过程和数学模型,以此对其网络复杂行为和过程进行分析。最后着重阐述了战场指挥控制系统的控制效能评估,从可观性、可控性、能通性和能达性4个方面来评估该系统的控制效能,以求在其网络控制特性研究的基础之上,寻求解决战场指挥的最佳策略。     

基于神经网络的非线性控制系统

研究基于神经网络的非线性系统控制，对生物反应器过程进行直接自适应神经网络控制，以BP网络为控制器，采用BP算法，控制效果良好．神经网络应用在对非线性系统建模和仿真，给非线性控制系统提供了良好的解决方法．     

计算机网络拥塞控制策略比较研究

由于网络带宽容量的限制、交换单元设备的存储空间和处理能力的限制,当转发数据的速率低于数据包到达的速率时就会发生网络拥塞,会出现数据丢失,延时增加,吞吐量下降,严重时甚至会导致拥塞崩溃。网络拥塞控制是所有网络管理工作者都要面对和急需解决的问题。分析网络拥塞控制策略的原理,比较不同控制策略的优缺点,可以为选择最优控制策略方案提供参考。     

转炉煤气回收系统的PID神经网络控制策略研究

针对转炉炉口差压控制系统非线性、纯滞后和大干扰的特点,通过分析转炉煤气回收过程工艺及炉口差压对煤气回收效果的影响,提出将传统PID与神经网络控制策略相结合的炉口差压控制策略,并在对被控对象的辨识模型进行仿真分析的基础上,将控制策略投入工业应用。结果表明,与传统的PID控制策略相比,此控制策略具有较强的抗干扰能力,可显著改善控制系统的动态性能,并达到较好的煤气回收和烟气减排效果。     

基于动态矩阵控制的网络控制系统时延补偿策略

针对网络控制系统中的网络时延问题,根据预测控制中动态矩阵控制的特点,提出了一种基于动态矩阵控制的网络时延补偿策略。利用动态矩阵控制算法对网络控制系统中的时延信号的未来情况进行预测,用来补偿其在网络传输中的时延,并结合具体的实例进行仿真实验,通过与传统PID控制的比较,进一步验证了该策略的有效性和优越性。     

网络控制传输时延的补偿控制方法研究

针对网络控制系统具有不确定时延的特性,利用广义预测控制算法对不确定时延的超强适应性,同时结合缓冲区、事件时间混合驱动以及时间标志信息提出一种解决网络随机传输时延、时序错乱和数据包丢失的综合补偿控制方案,从而有效地克服系统在实际运行过程中存在的不确定性问题,取得了很好的控制效果．仿真结果验证了该方案的有效性．     

道路交叉口信号的模糊神经网络控制

应用模糊神经网络对交通系统进行控制是一种新的尝试，它可以充分发挥模糊逻辑和神经网络的优势，实现更为有效的控制。提出了一种基于模糊神经网络的道路交叉口交通信号控制方法，根据两相位的关键车流信息来决定绿灯延长时间，形成控制策略。仿真结果表明，与传统的定时控制方法相比，所提出的神经网络控制方法在车辆平均延误时间和排队长度方面都有较大改进，该方法有效、可行。     

时间敏感网络的控制架构

分析了时间敏感网络控制架构的设计需求,从配置对象、架构模型、架构实现等3个方面指出了时间敏感网络（TSN）控制架构的发展现状和面临的技术挑战,围绕需求感知、策略计算、策略部署等核心功能重点研究了基于网关和统一架构的2种实现方式,给出了TSN控制架构的发展趋势,为TSN的应用与推广奠定技术基础.     

网络控制和控制方式

网络的安全问题与网络的管理和控制密切相关，而网络控制问题的研究目前还处于起步阶段；与对一般物理系统的控制不同，对网络的控制将有其自身的特点和规律，网络控制论就是研究和探索这些特点和规律的；网络控制及其控制方式是研究网络控制论的基础，阐述了网络控制的基本概念、控制原则、基本方式和稳定性问题。     

神经网络预测-PID串级控制在同步发电机励磁控制中的应用

为提高发电机励磁控制系统的稳定性,分析了同步发电机的自并励励磁系统的结构和数学模型,介绍了神经网络预测控制的结构和算法,分别基于PID控制、神经网络预测控制和神经网络预测-PID串级控制算法对自并励励磁系统进行了仿真分析.通过仿真结果的对比分析,说明神经网络预测-PID串级控制在励磁控制中的应用提高了励磁系统的动态性、稳定性和抗干扰能力.     

基于模型预测的网络闭环控制研究

研究了远程传输时延不确定情况下闭环控制系统控制稳定性问题,给出了一种基于神经网络的模型预测控制法,仿真实验表明当控制网络存在时延时,随着控制系统时延值的大小和系统其他参数变化,不断的动态调整系统控制参数PID值可以使对工作环境未知的被控对象的控制变得稳定,改善远程闭环控制系统性能,以达到用户期望结果.