远程控制系统互联网传输时延预测算法的研究

由于互联网传输时延的存在,远程控制系统的稳定性很难保证,互联网时延的精确预测在改善远程控制系统的动态性能方面扮演着重要的角色。从网络通信的原理出发,分析了互联网传输时延的构成以及其不确定性特征后,提出了采用随机过程AR模型预测不确定性的互联网传输时延的方法。最后通过预测时延仿真实验表明该方法的有效性。     

基于互联网的远程控制中网络时延测试与研究

不确定性的网络时延导致了远程控制品质降低,成为影响网络化控制系统性能的关键因素.因此,对网络时延的特性分析以及精确的预测对改善远程控制的动态性能起到重要的作用.在对互联网时延进行了大量的测试的基础上,分析了网络时延的原因以及规律,提出了一种基于误差修正的改进BP神经网络来预测互联网不确定性时延的方法.通过实验比较,证明了该预测方法的有效性.     

基于AR模型与神经网络预测互联网时延

在分析了互联网传输时延的组成和特性后,提出了采用AR模型和自适应线性神经网络模型预测不确定性的互联网传输时延的方法。仿真结果证明AR模型和自适应线性神经网络模型提供了两种有前途的互联网时延预测方法,相比于AR模型,自适应线性神经网络有更好的预测效果。     

基于因特网的远程控制系统控制算法的研究

以液压系统为被控对象，对在因特网环境下的远程控制系统提出了具有挑战性的研究。实验结果表明，当采用根据Smith补偿器原理进行设计的动态补偿器及恰当的时延预测算法时，可以使没有加入网络延时环节前就稳定的原系统，在加入网络后恢复稳定性，使采用因特网的机械运动的远程控制成为可能。但是由于网络传输环节的不确定性时延和采样信息处理器的数据报使用策略使传输后的控制信号发生变形，从而使系统存在稳态误差。在采用具有最佳参数库的模糊控制器对远程控制系统进行控制后，系统的控制品质得到了改善。     

机器人遥操作系统中信息延时的预测研究

分析了互联网传输时延的组成和特性后,提出了用BP神经网络和Elman神经网络预测网络传输时延,仿真结果表明BP神经网络和Elman神经网络提供了两种有前途的互联网时延预测方法,但Elman神经网络有更好的预测效果.     

远程控制系统中实时采样信息的研究

基于TCP/IP网络的远程控制系统有广阔的应用前景。控制系统中TCP/IP网络传送实时采样信息时发生的时延和时延的不确定性是影响该系统实用化的关键。通过在网络环境下进行的传输实时采样信息试验表明,如果时延小于控制系统的采样周期,那么它的影响可以忽略不计;如果大于采样周期,不确定性时延会使控制系统发生空采样、多采样及实时采样信息失真,这些现象对整个远程控制系统的影响以及相应的控制策略是今后研究的重点。     

基于UDP传输协议的网络时延仿真研究

在基于UDP传输协议的各种网络中,数据包传输的时延是随机的,为了能够研究不同的控制算法对远程控制系统的影响,就必须保证远程控制系统中网络时延环节的一致性,为此必须对网络时延进行仿真.使用结构数组对网络时延进行了仿真.将数据报的信息存放在与其网络时延相对应的结构数组元素中,在每个采样点系统只使用结构数组相应元素中的信息,实现了对数据包网络时延的仿真.在基于时间驱动工作方式的控制系统中,可以采用这样的方法实现UDP传输协议下的网络时延仿真.     

基于因特网的远程控制系统的基础研究

在基于因特网的远程控制系统中，由于网络信息传输的时延及其不确定性会降低控制系统的性能，甚至使系统无法控制。文中提出一种新的动态补偿器的结构，通过实时检测网络时延，由补偿器中的变结构调节器对系统的动态特性进行补偿，避免了预报精度对补偿的影响，改善了采用因特网的远程控制系统的控制性能。指出了下一步的研究方向。     

BP网络在远程控制调速系统中的应用研究

针对由于网络传输中客观存在延时或故障,造成基于Internel的远程控制系统控制指令或状态信息的丢失或者延时到达目的地的情况,采取了智能方法弥补。为了解决不确定性变化的网络延时对基于互联网的双闭环直流调速系统性能的影响,在系统中增加基于改进BP算法的预测环节,以改善系统的动态性能和保持系统的稳定性。仿真研究表明,增加BP预测环节法实现简单,能够在保证系统稳定性的同时缩短系统的过渡过程。     

基于核方法的移动机器人远程控制时延预测与分析*

构建了基于Internet的移动机器人控制平台,针对该平台中网络时延的非线性特性,提出了利用线性核和RBF核方法对网络时延序列样本进行回归建模和预测。比较了核方法、BP神经网络和RBF神经网络算法预测误差,表明在移动机器人远程控制中,核方法对网络时延序列预测具有更好的函数逼近能力和较高的预测精度,从而可根据预测时延调节移动机器人控制指令和状态信息的网络传输,保证系统的可靠性,提高移动机器人的控制性能。