网络化预测控制系统的设计和实现

网络预测控制器主要包括一个含在线辨识器的预测控制产生器和一个网络延时补偿器.他可以在没有同步延时策略的情况下克服网络控制中前向通道和反馈通道中的随机延时和丢包现象.本文通过对网络化直流电机控制系统进行在线仿真和实物实验.证明该算法的有效性.     

网络控制系统补偿器设计及稳定性分析

为解决网络延时对网络化控制系统性能的影响, 从控制的角度提出基于系统模型的补偿器设计方案以解决网络延时问题. 通过对广义预测控制算法GPC状态空间形式的推导, 设计具有多步预测功能的网络控制器, 实现前向通道的延时补偿; 构造具有延时补偿功能的状态观测器以补偿反馈通道延时. 分析了使用上述延时补偿策略所构成的闭环网络控制系统的稳定性. 通过对不同网络延时补偿的仿真实验, 证实了该补偿算法能有效改善控制系统性能并保持系统的稳定.     

基于广义预测控制和模糊推理的机器人网络控制

机器人远程控制的研究是当今世界的一个前沿课题。控制系统的实时性是非常重要的，虽然控制网络中传送的数据包通常较短、发送／接收频率较高，但是有限的网络带宽就使数据传输过程中不可避免地存在着延迟，而且随着网络协议、负载等诸多延时因素的影响，该延迟会随机变化。这就容易导致较大的超调量和较长的调节时间，以及数据丢包，严重影响生产过程的控制品质而且会大大降低系统的稳定性。针对如图1所示的机器人网络控制系统，本文先采用改进的最小二乘辨识方法，辨识获得对象模型参数。然后，针对网络延时，数据丢包，充分利用GPC算法输出预测和滚动优化的优点，加以解决。对于模型失配以及外界干扰造成的误差，通过模糊推理对误差进行补偿校正。     

网络控制系统的预测补偿

针对网络控制系统中存在长时延和数据丢包的情况,通过在控制器节点前设置缓冲器,并设计预估控制产生器和时延补偿器,提出了一种预测补偿控制方案,有效地克服了长时延、数据丢包和时序错乱问题对实际网络控制系统稳定性所造成的影响．证明了采用上述控制方案时闭环网络控制系统的稳定性,最后提供的仿真实例验证了该控制方案的有效性．     

基于MPC网络控制系统的设计与稳定性分析

针对网络延时的问题,本文提出了一种改进的模型预测控制方法.该方法是利用MPC(模型预测控制)预测的将来控制信号来补偿前向通道出现的延时或中断,同时用一个预测器来补偿反馈通道延时.文中描述了它们的控制特性并讨论了该网络控制系统的稳定性,并用实例仿真验证该方法的可行性和有效性.     

基于因特网远程控制的Smith补偿和缓冲技术

本文对基于因特网的远程控制系统框图进行化简,使前向延时和反馈延时合并为总延时,这样系统只需设计一个补偿器,系统设计得到了简化,并采用smith补偿器进行补偿控制,改善了系统品质。对于网络延时的不确定性,在现场控制的计算机内采用了缓冲技术,将不确定延时转化为固定延时,即使在不进行网络延时的预测,也能达到较好的控制效果。     

永磁同步电机多步模型预测电流控制球形编码研究

传统多步模型预测电流控制遍历所有开关序列, 并寻求成本函数最小, 使得运算量较大. 球形编码算法将成本函数转换为开关序列对应的矩阵二范数平方, 并采用事件触发机制动态精简计算量. 仿真结果表明: 基于球形编码的多步模型预测电流控制性能良好, 与传统方法完全等价, 控制效果相当. 基于STM32H743单片机平台, 球形编码和传统方法单控制周期执行时间实验结果表明: 对于多步预测, 球形编码算法可减少单控制周期执行时间, 2步预测减小至96.78%, 3步预测减小至87.99%, 4步预测减小至73.41%, 5步预测减少至63.63%, 在控制性能与传统方法相当的条件下, 提高系统实时性能     

基于网络的运动控制系统预测控制研究

针对一类基于网络的运动控制系统中存在的时延和丢包问题进行研究。对于网络运动控制系统存在数据时延和丢包的情况,建立网络运动控制系统模型。在此模型下,对预测函数控制算法进行分析,设计了预测函数控制产生器和数据延时预测补偿器,并研究相应的补偿策略。仿真分析表明算法的合理性和有效性。     

基于FPGA与ARM的多路时序控制系统设计与实现

介绍了基于FPGA与ARM7的多通道、多时间范围的同步时序控制系统,采用FPGA实现20路高精度的信号延时输出控制,通过ARM7的数据总线接口实现了ARM与FPGA的数据交互;重点介绍了系统的硬件电路设计、ARM与FPGA总线的设计和FPGA内部程序模块的设计;各通道的输出信号类型与延时时间等参数均可以通过人机接口现场配置,也可以通过上位机软件来配置;该设计可以保证各通道信号通过外触发信号为基准来进行延时输出,系统的延时时间精度小于2μs;ARM7处理器芯片采用PHILIPS公司的LPC2214,FPGA采用Altera公司Cyclone系列的EP1C12Q240;采用硬件描述语言Verilog HDL来设计延时模块,延时精度达到1μs;该系统在靶场测试中验证了其正确性和有效性。     

MT-R机器人网络控制系统的设计与仿真

研究网络控制机器人的有效实时控制问题.针对目前控制信息因网络延时而引起数据丢失,降低实时控制效果,通过模仿TCP协议动态调整超时间隔算法的思想,对网络动态延时进行预测,为了提高系统的稳定实时控制,提出了基于因特网远程控制的预测步数可变的改进广义预测控制算法.采用WinSock、队列、缓冲和多线程等技术,基于VC++软件设计了远程控制仿真系统,利用因特网的机器人远程控制系统环境进行仿真.结果表明可为机器人远程控制的研究建立了实验条件,并对同类项目的研究具有一定的参考价值.     

基于网络模型的综合多速率采样预测控制器

针对网络控制系统(NCS)中存在的网络延迟和数据丢包问题以及网络控制系统的多采样率特性,将预测控制器和网络延迟补偿器相结合,提出一种基于网络模型的综合多速率采样预测控制器.预测控制器利用多步预测、滚动优化、反馈校正控制策略补偿了传感器-控制器传输延迟,网络延迟补偿器补偿了控制器-执行器传输时延和一些未知网络延迟.仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,提高了网络资源利用率并且保证闭环网络控制系统渐近稳定.     

ADAPTIVE DYNAMIC MATRIX CONTROL FOR NETWORK‐BASED CONTROL SYSTEMS WITH RANDOM DELAYS

Random transfer delays in network‐based control systems (NCSs) degrade the control performance and can even destabilize the control system. To address this problem, the adaptive dynamic matrix control (DMC) algorithm is proposed. The control algorithm is derived by applying the philosophy behind DMC to a discrete time‐delay model. A method to estimate the network‐induced delays is also presented to facilitate implementation of the control algorithm. Finally, an NCS platform based on the TrueTime simulator is constructed. With it, the adaptive DMC algorithm is compared with the conventional DMC algorithm under different network conditions. Simulation results show that the proposed adaptive DMC algorithm can respond to various network conditions adaptively and achieve better control performance for NCSs with random transfer delays.     

基于神经网络Smith预估器的预测控制

针对非线性系统时滞问题,给出了一种新型的单神经元Smith预测控制算法.神经网络的预测控制器由不完全微分的单神经元自适应PID控制器和神经网络的Smith预估器组成.预估器对输出进行多步预测,控制器超前动作以消除时滞对系统的影响.不完全微分的单神经元自适应PID控制器通过改进的Hebb学习规则实现其权值调节,通过权系数的在线调整实现自适应控制.仿真实验证明了该方法具有较快的响应速度和较好的响应性能.     

Elman网络在Smith预测控制中的应用

Smith预测控制在实际应用中的难点在于很难得到实际系统精确的数学模型. 通过Elman网络拟合传统Smith估计器的模型误差, 并对其进行补偿. 实验结果表明, 这种基于Elman网络补偿模型的Smith预测控制充分利用了神经网络的非线性拟合能力, 只要对纯滞后环节精确建模, 就可以完全抵消纯滞后环节对控制品质及系统稳定性的不利影响. 这种方法使得Smith预测控制可以用于模型不易精确确定的系统.     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.     

神经网络预测远程控制系统中信息延时的研究

针对网络控制系统中前向通道和反馈通道同时存在随机延迟及延时不确定的问题,通过实例分析了随机延时对闭环控制系统影响的根源,提出了通过基于神经网络的预测控制方法解决存在网络随机延时的控制系统闭环控制的可行性。仿真结果表明该方法能够反映并预测该测量数据所代表的网络路径之间的时延特性,并能在基于Internet的闭环控制系统的设计中有效地替代实际网络进行研究;而所用的方法具有快速、准确的特点,能用于在线学习网络模型并对网络的时延值进行预测,为基于Internet的远程闭环控制提供了新的思路。     

分布式网络高机密数据采集智能控制方法研究

针对传统控制方法受到网络时延影响而导致控制效果较差的问题,提出了分布式网络高机密数据采集智能控制方法研究。根据网络化控制体系结构,将LPC2292型号控制器引脚作为输入功能基础配置,并设置通信通道,完成高机密数据采集。将采集到的数据存储到数据库中进行综合控制,按照ARM静态存储控制机制进行时序读写,利用函数静态内联空隙AT91Sysx写入方式对出现时延的数据重新写入,根据网络时延计算结果,将数据读出,由此完成分布式高机密数据采集的智能控制。通过实验对比结果可知,智能控制方法控制效果最高可达98%,大大提高网络数据高效采集能力。     

基于动态矩阵的随机时延丢包网络控制系统

针对网络控制系统(NCS)中存在的时延可能大于一个采样周期,以及网络传输存在丢包可能的情况,提出了改进的动态矩阵控制(DMC)算法,通过在线纠正系统的阶跃响应系数来处理时延造成的系统误差,并通过建立缓存器,当数据传输过程中出现丢包时利用动态矩阵算法计算控制量及未来输出预测值的冗余信息来替代丢失的实时信息,减少丢包对系统性能的影响.最后通过基于TrueTime的实时仿真系统研究,对比了不同时延及丢包率情况下改进算法与传统动态矩阵控制算法的效果,表明随着时延和丢包率的增大,改进动态矩阵算法的优势明显,从而验证了该方法的有效性.     

基于改进型Elman网络的锅炉预测控制算法研究

针对锅炉燃烧系统非线性、多变量、大延时、强耦合等特点,将预测控制和改进型Elman神经网络相结合,提出了一种基于改进型Elman网络的预测控制算法.该算法可以克服传统PID控制方法对多变量对象控制效果差、抗干扰能力弱等缺点.选取链条炉燃烧系统作为研究对象,仿真结果表明:该算法具良好的控制效果和较强的抗干扰能力.     

改进的动态矩阵控制算法在发酵罐温度控制中的应用

啤酒发酵是一类复杂的生化反映过程,其温度控制具有大时滞特性。由于机制复杂、环境多变,温度对象难以建立精确的数学模型,常规控制方式难以胜任此类系统的控制,并且当存在不可预测的干扰时,控制效果更难保障。针对这一问题,以啤酒发酵罐的温度为控制对象,将动态矩阵控制(DMC)引入该温度控制,基于DMC一步控制的思想,引入时间最优控制对DMC控制量进行改进,形成快速响应的预测控制算法。应用结果表明该算法有效提高了系统对干扰的抑制能力,具有较好的应用价值。