面向网络诱导时延和数据包丢失补偿的网络化广义预测控制

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, 考虑了网络化广义预测控制问题. 基于多个数据打包传送的通讯方式以及网络诱导时延和数据包丢失预先可知的假设, 提出了一种采用最小预测步长和预测控制增量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, 给出了相应的网络化模型预测算法和网络化滚动优化算法, 对于被控对象参数未知或缓慢变化的情况, 给出了基于递推最小二乘辨识改进算法的网络化反馈修正算法, 通过仿真验证了所提出网络化算法的有效性.     

网络化最优预测状态估计

当网络诱导时延和数据包丢失确定可知时,提出了一种网络化最优预测状态估计器设计方法,能够补偿网络诱导时延和数据包丢失对估计性能的影响,理论分析表明了随着网络诱导时延或数据包丢失的增加,该估计器在获得明显补偿效果的同时预测估计偏差略微递增,并给出了估计系统的稳定性条件,最后通过仿真和实验验证了所提出方法的有效性和理论分析的正确性.     

基于群决策考虑属性效用一致性的DEA他评交叉效率公共权重排序法

针对一类主从式异构线性网络化多智能体系统,考虑每个智能体的反馈通道和前向通道中存在随机网络诱导时延和数据包丢失问题,采用预测控制方法,提出一种基于观测器的网络化多智能体协同输出跟踪控制方案.在该方案中,主智能体在每一时刻基于自身滞后输出和系统参考信号,计算一组控制预测序列和输出预测序列,前者用以主动补偿主智能体控制回路中的随机网络诱导时延和数据包丢失,后者被发往从智能体;从智能体在每一时刻基于主智能体发送过来的输出预测序列和自身滞后输出,计算一组控制预测序列,用以主动补偿从智能体控制回路中的随机网络诱导时延和数据包丢失;随后推导闭环网络化多智能体控制系统的稳定性,并通过实验验证该方案的有效性和可行性.     

球杆系统的网络化控制设计与实现

网络诱导时延和数据包丢失、错序等问题会严重影响网络化控制系统的性能甚至使系统不稳定.对于球杆系统这样具有开环不稳定和典型的非线性特征的系统来说尤其明显.为了解决这一问题,采用网络化预测控制算法(Networked Predictive Control,NPC)来设计球杆网络化控制系统.介绍了网络化预测控制算法的设计,球...     

面向数据包丢失补偿的网络化广义预测控制

针对网络化控制系统中存在的数据包丢失,考虑了基于状态空间模型的网络化广义预测控制问题;在假设反馈通道和控制通道的数据包丢失过程确定可知的情况下,提出了一种采用预测器和预测控制器分别补偿反馈通道和控制通道的数据包丢失对系统性能影响的方法,通过把广义预测控制问题转化为滚动线性二次型最优跟踪问题,基于动态规划给出了网络化广义预测控制器的设计方法,并基于Ricoati差分方程非负定解的单调性,给出了末端加权矩阵保证系统稳定性的充分条件,最后通过仿真验证了所提出方法的有效性.     

具有时延和数据包丢失的网络控制系统稳定性

针对单数据包传输情况,将同时存在网络诱导时延和数据包丢失的网络控制系统建模为具有事件约束的异步动态系统,依据Lyapunov稳定性原理,提出了同时存在网络诱导时延和数据包丢失的网络控制系统指数稳定的网络诱导时延条件和数据包丢失条件,对条件进行了实例仿真验证,仿真结果表明该条件是有效的.     

网络化控制系统的预测控制方法设计

网络化控制系统(NCSs)是一种通过实时化网络进行数据传输的控制系统.控制系统中的传感器、控制器、执行器等往往通过网络连接起来形成闭环控制系统.然而实际系统中由于带宽限制等客观因素,存在有因网络诱导延迟而引起的系统性能下降问题.考虑了前向通道,反馈通道中同时存在网络诱导时延情况下的网络预测控制(NPC)设计问题,提出了一种新的网络预测控制方法,用以克服网络诱导时延对系统性能带来的影响.     

基于模型预测控制的网络控制系统设计

网络随机时延和数据包丢失问题,直接影响了网络控制系统的性能指标.针对上述问题,提出了一种基于模型预测控制的网络控制设计方法,根据网络数据传递次序重新设计了DMC的控制时序,使其更适用于网络环境下的实时控制.仿真结果表明了该方法的有效性.     

基于SSA-BP神经网络的网络控制系统延时预测

针对存在信号传输诱导时延的网络化控制系统,利用Matlab truetime2.0对控制系统进行建模,通过以往系统时延采样数据,对当下网络控制系统时延值进行神经网络预测,得到控制系统实时时延值,使之成为无延迟系统,消除传输时延对系统控制稳定性的影响.基于网络控制系统时延不确定特性提出基于麻雀搜索算法(Sparrow S...     

具有时变通信受限非线性信息物理系统的网络化预测控制

针对具有时变通信受限的一类非线性信息物理系统,本文采用网络化预测控制策略,对于时变通信时延和数据丢失,不是使用常规的被动方式抑制,而是进行主动补偿.为了使补偿时变通信受限的方式简单、主动和通用,提出了一种新颖的网络化非线性预测控制方法.所设计的网络化非线性预测控制器能达到具有与无网络的本地闭环控制系统完全相同的期望控制...     

Networked min–max model predictive control of constrained nonlinear systems with delays and packet dropouts

This article investigates a class of constrained nonlinear networked control systems (NCSs) subject to external disturbances, input and state constraints and network-induced constraints. From a practical perspective, the network-induced constraints considered include the time delays and packet dropouts on both the sensor-to-controller (S-C) channel and the controller-to-actuator (C-A) channel simultaneously. The min–max model predictive control method is proposed to design the control packets by incorporating the external disturbances into the optimisation problem. Moreover, the input-to-state practical stability of the resulting nonlinear NCS is established by constructing a novel Lyapunov function. Finally, the simulation results and the comparison studies are presented to demonstrate the effectiveness and improvement of the proposed method.     

网路化双线性系统的预测控制优化算法研究

本文对一类离散时间双线性系统进行网络化预测控制研究.针对控制系统网络信道传输引起的前向通道和反馈通道时延问题,基于双线性系统结构特性提出2种逐步优化算法对非凸优化问题进行求解,进而得到未来时刻的预测控制序列.仿真实例说明所求预测控制序列可以主动补偿网络引起的时延问题,从而说明所提出预测控制算法的有效性.     

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。     

Predictive control and scheduling codesign in network control systems

A codesign approach combining predictive control compensation and network scheduling is presented in this paper to overcome the adverse influences of stochastic time delays and packet losses encountered in network-based real-time control systems. The state estimation and control prediction compensation algorithms are used for the random network delays in the feedback and forward channels, and the stability criteria are analyzed. The proper sampling rate is given with network scheduling to meet the desired system performance, while the network-induced delay is tolerated. Simulations show that the codesign approach works well with the bounded network delay.     

网络控制系统的模型建立及稳定研究

随着互联网技术的发展,以太网逐渐被引入到工业控制领域.对于一个网络控制系统,网络带来的控制系统时滞和丢包是不可避免的,因此,在对网络控制系统的建模中,必需重点考虑时延和丢包的影响.分析了网络控制系统的时延特征,并将数据丢包的网络控制系统建模成具有事件率约束的异步动态系统.对网络控制系统模型用传统的PID算法对系统进行仿真控制,在存在系统随机时延和不存在随机时延的两种情况下,仿真分析了网络控制系统的稳定性,仿真结果进一步验证了网络控制系统保持稳定的丢包范围.     

Adaptive predictive functional control for networked control systems with random delays

Nowadays, more and more field devices are connected to the central controller through a serial communication network such as fieldbus or industrial Ethernet. Some of these serial communication networks like controller area network (CAN) or industrial Ethernet will introduce random transfer delays into the networked control systems (NCS), which causes control performance degradation and even system instability. To address this problem, the adaptive predictive functional control algorithm is derived by applying the concept of predictive functional control to a discrete state space model with variable delay. The method of estimating the network-induced delay is also proposed to facilitate the control algorithm implementing. Then, an NCS simulation research based on TrueTime simulator is carried out to validate the proposed control algorithm. The numerical simulations show that the proposed adaptive predictive functional control algorithm is effective for NCS with random delays.     

Design of networked control systems with bounded arbitrary time delays

This paper is mainly concerned with the model predictive control (MPC) of networked control systems (NCSs) with uncertain time delay and data packets disorder. The network-induced time delay is described as bounded and arbitrary process. For the usual state feedback controller, by considering all the possibilities of delays, an augmented state space model of the closed-loop system, which characterizes all the delay cases, is obtained. The stability conditions are given according to the Lyapunov method based on this augmented model. The stability property is inherited in MPC which explicitly considers the physical constraints. A numerical example is given to demonstrate the effectiveness of the proposed MPC.