一类具有随机时延的网络化控制系统的广义预测控制

网络化控制系统中,各种恒定、时变或者随机的网络时延会导致系统控制性能的下降甚至不稳定。针对基于交换式以太网所造成的随机网络时延问题,结合对系统结构及时延特征的分析,给出了一种基于广义预测控制的控制方法,该方法采用网络时间戳机制和模型的在线辨识,能够准确地测量系统输出并及时对预测值进行在线修正,实现对随机时延的网络化控制系统的有效控制。最后通过仿真验证了该方法的有效性。     

改进的GPC在基于以太网的网络控制系统时延中的应用

针对基于以太网的网络控制系统(NCS)具有随机时延的特性,提出了将广义预测控制应用于网络控制系统中.为克服模型失配和系统不确定性的影响,基于BP神经网络建立一个误差的预测模型,用误差预测值对输出预测值进行补偿,构建了带误差补偿的广义预测控制算法.实验仿真验证了带误差补偿的广义预测控制在模型失配时具有更好的控制效果.     

基于时延预测模型的网络补偿控制器设计*

针对网络控制系统中随机双向通道时延引起的不确定性问题,提出一种基于时延在线预测模型改进的补偿控制方法。首先,基于自回归模型构建时延预测模型,通过递推最小二乘法实时更新模型参数以预测前向通道时延,并由区间分割法获得高精度的环回时延;然后,设计状态预估器、网络预测器和时延补偿器对环回时延进行补偿,进一步提高系统性能。采用TrueTime工具箱构建网络闭环仿真系统以仿真实际的网络传输情况,同时对PI控制、传统的时延补偿控制以及改进后的时延补偿控制进行对比实验,验证该方法的优越性。     

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.     

网络控制系统随机延迟的预测控制

针对网络控制系统随机时延、时变等特性造成控制效果不理想的问题,提出一种改进的广义预测控制与递推最小二乘法相结合的预测控制策略.上述控制策略将传统的预测控制运用于网络控制系统中,针对网络随机时延的特性,采用改进的广义预测控制算法对随机时延进行补偿.结合分段可变遗忘因子递推最小二乘法对被控对象模型参数进行在线辨识,可以减少网络控制系统参数突变对系统造成的不利影响.仿真结果表明,所提出的预测控制策略可以有效解决网络控制系统随机时延问题,并且在参数突变的情况下也能够获得良好的控制效果.     

一种网络控制系统时延补偿方法

本文分析介绍了具有随机时延网络控制系统控制器设计及时延补偿方法,采用广义预测控制(GPC)算法设计控制器。针对输出时延通过对时间加上时间戳来估算时间延迟,并采用状态观测器进行时延补偿,而控制时延则采用队列机制,增加缓存器的方法来保证被控对象获得最优控制信号。通过仿真证实该方法的有效性。     

动态矩阵控制在网络时延补偿中的应用研究

在网络控制系统中,随机传输时延大大降低了系统的控制性能,并导致系统的不稳定.针对以太网在网络控制系统中的随机传输时延问题,提出了一种基于DMC的NCS时延补偿控制方案.该方案采用DMC算法设计控制器,同时通过网络时延补偿器和动态缓冲器整定控制量,使系统输出能迅速跟踪突变输入.利用TureTime工具箱进行仿真实验,结果证明了该算法在处理网络控制系统的时延问题时具有有效性和可行性.     

网络控制系统的时延在线估计与时延补偿策略研究

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.     

基于网络时滞补偿的模型预测控制

为了解决网络控制系统中不确定时滞、尤其是随机的长时延对控制性能造成的影响,提出了基于模型匹配和多步预测输出补偿的预测控制思想来改善控制性能。该算法通过采集到的传感器端至控制器端的时滞来估算控制器端至执行器端的时滞,并给出了传感器端和执行器端数据处理的算法,建立起与实际网络结构匹配的预测控制模型,采用多步预测输出来补偿控制量的传输滞后。该模型不依赖于网络参数和时滞分布特性,可根据不同对象选取合适的预测控制算法,适用于实时系统。通过基于倒立摆对象的仿真和控制实例验证了该算法能有效地改善控制性能。     

基于GPC算法的网络控制系统研究

针对具有随机时延的一类网络控制系统(NCS),文章设计了一种基于时延补偿和广义预测控制(GPC)算法的控制器。该控制器根据数据包的时间戳计算传感器-控制器时延,通过时延补偿得到被控对象当前的状态和输出,采用GPC算法计算控制量。仿真结果证实了该控制器的有效性。     

具有时延和数据丢失的直线电机迭代学习控制

针对网络环境下同时存在一步时延和数据丢失的直线电机系统,本文研究了其P型迭代学习控制方法.将一步时延描述为概率已知的随机Bernoulli过程,而将数据丢失描述为概率未知的随机Bernoulli过程,且丢失概率属于一个已知的数值区间.然后,利用λ范数理论给出了P型迭代学习控制算法的收敛条件,通过适当选取学习增益因子,可使得直线电机控制系统的输出渐近收敛于期望输出.最后通过仿真验证了本文所提控制方法的有效性。     

Optimal state estimation for networked systems with random parameter matrices,correlated noises and delayed measurements

In this paper, the optimal least-squares state estimation problem is addressed for a class of discrete-time multisensor linear stochastic systems with state transition and measurement random parameter matrices and correlated noises. It is assumed that at any sampling time, as a consequence of possible failures during the transmission process, one-step delays with different delay characteristics may occur randomly in the received measurements. The random delay phenomenon is modelled by using a different sequence of Bernoulli random variables in each sensor. The process noise and all the sensor measurement noises are one-step autocorrelated and different sensor noises are one-step cross-correlated. Also, the process noise and each sensor measurement noise are two-step cross-correlated. Based on the proposed model and using an innovation approach, the optimal linear filter is designed by a recursive algorithm which is very simple computationally and suitable for online applications. A numerical simulation is exploited to illustrate the feasibility of the proposed filtering algorithm.     

自适应修正Smith算法在时滞系统中的应用

传统的Smith预估补偿控制要求较高的对象模型精度，为了提高系统的鲁棒性，提出了一种改进的Smith预估器。该算法根据历史预估结果动态地对预估输出进行修正，从而提高预估精度。将其应用于大时滞温控系统，取得了准确的预估输出和良好的控制品质。算法实现简单、应用灵活、适应性强，可以应用于其他有滞后影响的场合。     

随机非线性时滞大系统的输出反馈分散镇定

针对具有严格反馈形式的随机非线性时滞大系统,设计了含有时滞项的随机控制Lyapunov函数,运用Backstepping技术,构造出一类输出反馈无记忆控制器.在此控制器作用下,所考虑的闭环系统实现概率意义上的时滞无关全局渐近稳定.并在无限时区优化指标函数的约束下,对控制器进行逆优再设计,以满足一定的性能要求.     

基于SVPWM的逆变器死区补偿方法

在传统的PWM逆变器死区补偿方法的基础上,提出了一种新的低成本的基于参数整定的在线死区补偿方法。死区效应和输出电流存在非线性关系,通过参数整定得到这种非线性关系并建立查找表,在软件中通过查表得到与误差对应的补偿电压,加到输出额定电压上轻松实现。通过英飞凌公司的XMC4500芯片实现补偿算法,并在3.7 kW异步电机矢量控制系统中验证了死区补偿算法的有效性。     

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.     

An improved robust model predictive control for linear parameter‐varying input‐output models

This paper describes a new robust model predictive control (MPC) scheme to control the discrete‐time linear parameter‐varying input‐output models subject to input and output constraints. Closed‐loop asymptotic stability is guaranteed by including a quadratic terminal cost and an ellipsoidal terminal set, which are solved offline, for the underlying online MPC optimization problem. The main attractive feature of the proposed scheme in comparison with previously published results is that all offline computations are now based on the convex optimization problem, which significantly reduces conservatism and computational complexity. Moreover, the proposed scheme can handle a wider class of linear parameter‐varying input‐output models than those considered by previous schemes without increasing the complexity. For an illustration, the predictive control of a continuously stirred tank reactor is provided with the proposed method.