首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 203 毫秒
1.
网络控制系统中的时戳预测函数控制   总被引:1,自引:0,他引:1  
传统预测函数控制算法不能有效处理网络控制系统中的随机延迟,为此提出了时戳预测函数控制算法.该算法使用时间戳来估计由网络引入的控制延迟,在预测系统未来输出时明确考虑了该延迟,然后借鉴传统预测函数控制算法的基本策略,得到了适用于网络控制系统的控制规律.进一步由TrueT im e工具箱搭建了网络控制系统仿真平台,对比了时戳预测函数控制算法和传统预测函数控制算法.仿真结果表明随着网络引入延迟的增大,时戳预测函数控制算法给出控制品质明显优越于传统预测函数控制算法.  相似文献   

2.
郭伟  姚少杰 《微计算机信息》2007,23(28):43-44,8
由网络引入的通信延迟能导致系统性能退化甚至不稳定,针对这种网络控制系统中的延迟,引入时间标记的动态矩阵控制算法(TSDMC),建立随同时间标记的通信延迟模型。通过时间标记测量网络延迟,在线校正系统的阶跃响应系数和控制系数.并给出了算法的推导过程。根据仿真的确认,这种新的算法能得到比传统动态矩阵控制算法更好的控制性能,改进了网络控制系统可靠性。  相似文献   

3.
针对网络控制系统中的网络时延问题,引入了一种时延在线估计算法,并根据动态矩阵控制的特点,提出了一种基于分段动态矩阵控制算法的网络时延补偿策略,利用分段动态矩阵控制算法对网络控制系统中的时延信号进行预测,以补偿其在网络传输中的时延.  相似文献   

4.
针对广义预测控制算法需要在线递推求解 Diophantine 方程及矩阵求逆等计算量大的缺陷,对参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制算法.该算法将多变量非线性系统转化为多变量时变线性系统,用三次样条基函数逼近系统广义误差向量中的时变系数,然后利用径向基神经网络来逼近控制增量表达式,并基于广义误差估计值对控制器参数向量即网络权值向量θu和广义误差估计值中的未知向量θe进行自适应调整.仿真结果验证了此算法的有效性.  相似文献   

5.
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.  相似文献   

6.
针对陶瓷窑炉大热容量、大滞后、非线性等特点,提出了一种基于最小二乘支持向量机动态矩阵控制方法;首先,采用保证种群多样性微粒群算法优化的最小二乘支持向量机离线建立被控对象模型;然后在系统运行过程中,用动态矩阵预测算法实现对被控系统的预测控制;并以陶瓷窑炉温度为控制对象,与Smith预估控制以及内模控制算法进行了比较;仿真结果证明了所提控制方法具有很好的动、静态性能和强鲁棒性。  相似文献   

7.
侯立刚  徐利军  苏成利  孙淑杰 《控制工程》2013,20(2):246-249,253
针对常规无模型自适应控制(MFAC)算法只利用了受控系统I/O数据的零阶信息,许多系统内部信息没有充分利用的缺陷,提出了一种基于紧格式线性化的无模型动态矩阵控制方法.该方法利用紧格式线性化方法把非线性系统转化为一组由伪梯度向量描述的线性系统,将动态矩阵控制算法的预测模型和该伪梯度向量相结合,推导出无模型动态矩阵控制的动态模型.在此基础上,利用滚动优化和反馈校正等策略,推导出了无模型动态矩阵控制律的解析式.由于该方法中引入了受控系统I/O数据所带的系统内部信息,极大地提高了预测模型的精确性,增强了系统的鲁棒性,从而有效改善了控制器的控制性能.仿真结果表明该算法具有一定的结构自适应性、良好的伺服性和较强的鲁棒性.  相似文献   

8.
利用BP网络建立非线性系统的数学模型,并将该模型和动态矩阵控制算法相结合对非线性系统进行控制,仿真结果表明该算法对一类时滞非线性具有较好的控制效果。  相似文献   

9.
动态矩阵控制参数的神经网络优化算法   总被引:2,自引:1,他引:1  
动态矩阵控制是一种重要的预测控制算法,适用于具有大纯滞后的工业对象和非最小相位系统,在实际应用中需要确定多个参数。文章提出了一种以限制控制量变化为目标,用神经网络在线优化控制矩阵参数的DMC控制算法。仿真结果验证了该文提出算法的有效性。  相似文献   

10.
针对常规PID控制参数整定困难,且受时变、非线性等因素影响而不能达到预期控制效果的实际情况,提出了RBF网络动态辨识的BP神经网络PID参数自整定算法.此算法可实现PID控制参数的在线自整定和优化;同时,将算法应用于伺服控制系统中,以VC++6.0和Matlab为开发和仿真工具,对动态辨识神经网络智能PID参数自整定方法进行仿真研究.仿真结果表明,控制算法鲁棒性强、响应速度快,可用于控制参数时变的非线性系统.  相似文献   

11.
近年来,网络控制系统得到越来越多的关注,其主要挑战之一在于控制环中的网络时延对其影响;网络时延会降低网络控制系统的性能,甚至使系统不稳定;目前,大多数学者只研究了网络时延小于采样周期时对控制系统的影响,而网络控制系统中的大时延更加复杂,同时也更加难以处理;文章论述了带有大时延的网络控制系统的现有的研究方法。并指出这种问题的其它可能的研究方法。  相似文献   

12.
对于网络诱发延迟大于一个采样周期的网络化控制系统,提出了一种故障诊断算法,根据延迟落入的不同概率区间选取对应的控制器,仿真结果验证了算法的有效性。  相似文献   

13.
多包传输网络控制系统的对象建模   总被引:1,自引:0,他引:1  
由于将通讯网络的引入,不可避免地引起传输延时。网络传输延时的存在使网络控制系统的分析和设计更加复杂和困难,尤其是多包传输的网络控制系统。在分析网络多包传输原因的基础上,研究了多包传输网络控制系统的对象建模。系统中传感器采用时间驱动的方式,控制器和执行器采用事件驱动的方式。在考虑系统噪声和网络诱导延时大于一个采样周期的情况下,给出了多包传输的网络控制系统模型。此模型可以用来分析系统的性能。  相似文献   

14.
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.  相似文献   

15.
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.  相似文献   

16.
In this paper, we discuss the modeling and control of a class of networked control systems (NCSs) with packet dropouts. For the cases that there may be packet dropouts in both the backward and the forward channels in the communication network, and that the network-induced delays are shorter than one sampling period, the closed-loop NCS is modeled as a discrete-time switched system with four subsystems. By using the asynchronous dynamical systems approach and the average dwell-time method, sufficient conditions for the exponential stability of the closed-loop NCS are presented in terms of nonlinear matrix inequalities, and the relation between the packet dropout rate and the stability of the closed-loop NCS is explicitly established. A procedure involving an iterative algorithm is proposed to design the observer-based output feedback controllers. Lastly, an illustrative example is given to demonstrate the effectiveness of the proposed results.  相似文献   

17.
讨论了一类存在通信约束和时延的多输入多输出网络控制系统(NCS)的建模和控制问题.该NCS具有多个传感器和执行器,由于网络通信受限,在同一时刻只能允许部分传感器和执行器访问网络.传感器和执行器访问网络的过程可以用两个马尔可夫链来描述,并且在假设传感器—控制器时延和控制器—执行器时延均为短时延的情况下,将整个闭环NCS建模成一个具有两个模式的马尔可夫切换系统.基于LMI技术和李亚普诺夫方法,给出了闭环NCS随机稳定的充分条件,并给出了状态反馈控制器的设计方法.最后的数值算例验证了所提方法的有效性.  相似文献   

18.
网络化控制系统的故障诊断与容错控制   总被引:2,自引:0,他引:2  
介绍了网络化控制系统几类故障诊断与容错控制方法的基本思想。故障诊断与容错控制对于控制工程实践特别是对安全性有严格要求的控制系统是十分重要的。网络化控制系统通过共享网络资源实现控制而带来了各种优越性的同时,也给传统的控制理论带来了新的挑战。因此需要发展适用于此类异步的、基于信包的控制系统的控制理论与技术。网络化控制系统基于数学模型的故障诊断问题,在建立恰当的网络化系统模型后,可转化一类特定的时延系统故障诊断问题。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号