CN102375442A - 一种对混杂非线性系统的实时在线控制系统及控制方法 - Google Patents

Abstract

本发明提供一种对混杂非线性系统的实时在线控制方法，其特征在于，包括步骤：a.将网络被控对象的当前观测状态信息传输给第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定；b.所述第一控制器根据所述当前观测状态信息得到当前时刻的控制输出量信息；c.将所述控制输出量信息反馈给所述网络被控对象，其中，所述网络被控制对象为混杂非线性系统。本发明通过提供一种量化控制器的控制方法，实现通过网络对混杂非线性系统进行控制使其达到渐进稳定的目的。尤其是将观测信息进行量化后再传输，以减轻网络负载。

Description

一种对混杂非线性系统的实时在线控制系统及控制方法

技术领域

本发明涉及网络控制系统，尤其是网络控制系统的控制方法，具体地，涉及对混杂非线性系统的实时在线控制方法。

背景技术

随着计算机技术、网络技术、通信技术的迅猛发展和交叉渗透，使得现代控制系统的结构正在发生变化，越来越多的控制系统采用分布式控制的方式。控制任务通过有线或无线通信线路来传递被称为网络控制系统(Networked Control Systems，NCSs)。NCSs是控制、计算机、通信、网络等多种技术交叉融合的产物，是复杂大系统控制和远程控制的客观需求，它可以应用于几乎任何带有控制器的分布设备需要进行数据交换的场合，体现了控制系统向网络化、集成化、分布化、节点智能化的发展趋势。与传统的点对点互连的控制系统相比，NCSs具有以下优点：1)成本低；2)连接线数、重量、能耗大大减少；3)系统高效、可靠性高；4)系统灵活性强、易于扩展；5)易于安装维护、便于进行故障诊断；6)信息资源共享等。这些优点使得NCSs在工业自动化、智能交通、机器人、航空航天、国防等实时分布式控制领域得到广泛应用。因此，对NCSs的研究是当前控制理论研究的重要内容，也已成为国内外学者和工业界研究的热点问题之一。可以预计，未来的几十年中，网络控制必将深刻地影响和推动着控制理论及其应用的发展。从理论上说，网络控制必将大大推动已见端倪的复杂系统控制理论的发展。从应用上说，提供各种复杂信息处理的网络系统的大量涌现，必将大大推动国家经济、社会、国防等各领域的信息化应用，促进国家的“以信息化带动工业化”的发展。

由于NCSs中通信网络的引入，并且受有限网络通信带宽、承载能力和服务能力的限制，连接到网络的很多设备都要发送信息，信息的传送要分时占用网络通信线路，这必然造成信息的拥塞、冲撞、重传等现象发生，使得信息在传输过程中不可避免地带来诸多挑战性的新问题：不确定网络时滞、数据丢包、多包传输、抖动、时钟异步等。我们需要知道在已知部分信息的情况下如何完成对整个网络的控制？或者我们在满足网络一定性能的时候所需要的最小信息是多少？

在NCSs的建模方面，人们在现有技术中，研究了具有时变时延的NCSs，针对具有周期性时延特性的网络提出了增广状态确定性离散时间的NCSs模型；还研究了基于确定性预报器的时延补偿问题，通过采用缓冲的方法，将基于网络的闭环控制系统变成为一个线性时不变离散控制系统，使得NCSs的设计问题转化为一般的数据采样控制问题；也有人考虑了连续对象和连续控制器，控制器和执行器节点采用事件驱动方式，将网络时延当成闭环系统的误差来考虑，建立了NCSs连续时间数学模型；在离散时域框架内研究了具有独立随机分布特性和马尔可夫特性的网络时延下离散时间NCSs的LQG最优控制问题，提出了最优随机控制方法，并将网络时延分类为定常型、独立随机型和马尔可夫链的随机型，建立了各种网络时延情形下的模型，还有人也以最优随机控制方法建立了随机长时滞的情况下的NCSs模型；还有人研究的是连续被控对象和离散控制器的NCSs，利用NCSs的增广状态模型，从多个角度对基于网络的控制系统进行建模，利用状态增广向量法，分别对时延小于和大于采样周期情形进行了建模，得到了离散增广NCSs模型，并提出了时延补偿的方案。但上述内容为例的现有技术的不足之处在于，这些设计网络控制系统的技术方案都是基于网络的信号是完全传输，并且可以完整获得为基础而提出的，并未考虑网络中信号的传输由于网络带宽有限可能引起的有效信息丢失等因素。除此之外，这里NCSs的控制方法的设计都是以线性系统为例的，未考虑到NCSs中可能有非线性现象的存在，并且有可能有状态跳变等混杂特性的存在。

稳定性研究方法方面，主要通过运用跳变线性系统、随机Lyapunov函数、离散线性增广模型等理论，结合传统控制稳定理论、最优随机控制等来进行研究。有人提出了ADS的概念，并给出了该系统模型在有损NCSs中的应用示例；还有人将离散定常NCSs建模为采样点与采样点间的切换系统模型，进而研究该模型下系统稳定的充分条件，但结果与实际情况相比较保守，其利用稳定区域和混杂系统稳定性理论，对离散定常NCSs用速率受限ADS模型分别分析了带数据丢包和多包传输的NCSs的稳定性。将这两种情况下的NCSs建模为具有一定切换速率限制的ADS，运用ADS理论和混杂系统方法分析了ADS模型下NCSs稳定的充分条件，并且利用稳定域方法得到了具有较小保守性的MATI，但对于时延和丢包、多包传输共存情况没有进行研究。针对NCSs的稳定性、镇定性和控制问题，国内外专家学者通过其他方法或者以上方法的结合得到了一系列成果。如有人基于LMIs方法讨论了NCSs的稳定性，提出了一种获取NCSs的最大允许传输时延的方法及其调度算法；还有人分别对基于无记忆降阶观测器的NCSs故障检测方法和进行了研究；还有人利用切换系统方法分别对NCSs的稳定性和对具有丢包的NCSs镇定性进行了研究；采用滑模预估控制方法的NCSs研究；采用脉冲控制方法的NCSs研究，还有人研究了各种网络环境下线性控制系统的设计问题，包括在丢包发生的情况下的基于观测器的控制系统实现问题；还有人基于时滞系统方法讨论了NCSs的状态反馈控制器设计问题，等等。以上这些现有技术也是基于网络中所有信号都能完全传输，不考虑网络容量有限，网络带宽有限等情况，得到的理想结论。

基于量化反馈的系统稳定性研究方面，量化问题的研究最早可追溯到1956年人们研究的采样数字控制系统中的量化效应。早期的关于量化反馈控制研究主要集中在如何认识和缓解量化效应。然而在近期研究中，量化器通常被看作是信息编码器。用于研究使闭环系统为达到一定控制性能需要多少信息通过量化器来传输。关于这方面有很多重要的研究成果。在这些成果中，主要有两种方法来研究量化反馈控制问题。第一种方法就是使用无记忆反馈量化器，通常称为静态量化策略。静态量化策略假定在k时刻数据量化仅与k时刻的数据有关，从而得到编码/解码策略相对简单的结构。现有技术给出了统一量化反馈控制系统的数学解释，随后提出了镇定线性系统所需的量化间隔的数量界限。第二种方法是将量化反馈控制器看作系统内在的状态，允许量化器是动态和时变的。这种方法有很多优点，因为增加吸引域和减少稳定状态极限环能动态刻划量化水平。但是，在现有技术中，动态量化器量化反馈结论仅局限于讨论镇定问题，由于缺乏一种通用方法/框架来推广到更复杂的情形，因而有关控制性能等问题没有讨论。

关于静态量化器的反馈控制问题，人们通过利用状态量化反馈，讨论了离散SISO线性定常系统的二次镇定问题。其证明了对于二次型镇定的系统，量化器需要对数形式的量化器。最近，人们还将分段有界方法应用于量化反馈控制，对使用对数量化器的反馈控制系统进行了全面研究，并且给出了对SISO和MIMO线性离散时间系统同时实用的完备结果。此外，作者还在统一框架内讨论了镇定性和控制性能(包括保成本控制和H_∞控制)等问题。然而，上述现有技术中仅仅考虑只有一个量化器的情形，并且当考虑到网络时滞、丢包等影响时，这些方法不能直接应用到NCSs中。人们还讨论了具有状态、输入量化并且考虑网络时滞和丢包的基于网络的连续系统的保成本控制问题，但是其技术方案考虑的是连续系统模型。一般而言，网络只在特定时刻通过离散形式来执行动作和传输信息，因此，基于混杂的网络控制系统模型更接近实际情形。

对于非线性的研究，模糊控制是一种非常有效的方法。1985年，人们提出的T-S模糊模型。T-S模糊系统是非线性系统的万能逼近器，能以任意精度逼近非线性系统，是研究非线性系统的一种有效方法。因此，自T-S模糊模型提出以来，T-S模糊系统的分析和控制综合问题引起了广泛关注。例如，现有技术研究了T-S模糊系统的稳定性分析和镇定问题；还讨论了T-S模糊系统的H_∞控制器设计问题；还研究了T-S模糊系统的滤波问题。需要指出的是，现有的大部分研究成果采用单Lyapunov函数方法，而且没有将网络这种典型的非线性选为研究对象，更没有考虑更多复杂的网络特有因素对建模和分析的影响。然这种方法的主要缺点是单Lyapunov函数需要应用到所有的子系统中，这将会导致比较保守的结果。

因为NCSs大多是离散/混杂模型，并且由于所处环境复杂，有可能网络状态不能直接测量需要通过观测器才能获得，网络的容量，信道带宽有限，信息必须通过一定的选择策略后将部分进行传输用于控制。截至目前为止，对非线性时滞混杂NCSs的建模、量化控制问题的研究尚不多见。对于更多考虑网络环境的以及网络本身特质的建模和量化反馈控制器的设计具有一定理论意义。其研究结果可以给构建高性能网络提供理论基础。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种对混杂非线性系统的实时在线控制系统以及控制方法。

根据本发明的一个方面，提供一种对混杂非线性系统的实时在线控制方法，其特征在于，包括步骤：a.将网络被控对象的当前观测状态信息传输给第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定；b.所述第一控制器根据所述当前观测状态信息得到当前时刻的控制输出量信息；c.将所述控制输出量信息反馈给所述网络被控对象，其中，所述网络被控制对象为混杂非线性系统。

根据本发明的另一个方面，还提供一种对混杂非线性系统的实时在线控制系统，包括第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定，其特征在于，还包括从网络被控对象的输出端至所述第一控制器输入端之间依次串联连接的传感器、观测器、第一量化器、第一编码器以及第一解码器，还包括从所述第一控制器输出端至网络被控对象输入端之间依次串联连接的第二量化器、第二编码器、第二解码器以及执行器，其中，所述观测器用于通过可测的系统输出得到系统的观测状态信息，所述第一量化器用于将经过连接所述传感器和所述第一控制器侧的网络传送的信息通过量化因子的变化而进行选取，所述第二量化器用于将经过连接所述第一控制器和所述执行器侧的网络传送的信息通过量化因子的变化而选取。

本发明通过提供一种量化控制器的控制方法，实现通过网络对混杂非线性系统进行控制使其达到渐进稳定的目的。由于考虑到网络状态不可直接获得只能获得系统输出的情况，提供了基于输出的量化反馈控制器。控制由观测器增益设计、状态反馈控制器增益设计、时变量化因子设计和量程设计组成。控制器所用到的是经过量化器量化后的有限信息而不是完全信息，这是考虑到网络承载能力有限和网络容量有限因素而设计的。其结构简单、设计方法方便，能根据状态实时调整量化器的参数，对被控对象提供实时在线控制。

本发明的优点及有益效果：

1)控制对象为一类包含混杂特性的非线性系统，可以表示更具有一般实际被控对象的特点。这里用包含状态脉冲的T-S模型表示。

2)设计的观测器增益，使所设计的观测器能根据被控对象的输出观测到系统的状态。这时，控制器的输入是观测状态。更适合结构复杂、状态不可获得的被控对象。

3)控制器的设计更适合网络传输。本发明所设计的控制器能实时调整量化参数，将观测信息进行量化后再传输，以减轻网络负载。

4)装载在传感器端和控制器输出端的量化器可以选择不同量化规则，调整更为灵活。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出了根据本发明的第一实施例的，混杂非线性网络控制系统的结构图；以及

图2示出了根据本发明的一个具体实施方式的，对混杂非线性网络应用所述实时在线控制方法的仿真图。

具体实施方式

图1示出了根据本发明的第一实施例的，混杂非线性网络控制系统的结构图。根据本发明提供的控制系统，包括第一控制器12，其中，所述第一控制器12用于对网络被控对象23提供实时在线控制使网络被控对象23渐近稳定，其特征在于，还包括从网络被控对象23的输出端至所述第一控制器12的输入端之间依次串联连接的传感器24、观测器25、第一量化器26、第一编码器27以及第一解码器11，还包括从所述第一控制器12的输出端至网络被控对象23的输入端之间依次串联连接的第二量化器13、第二编码器14、第二解码器21以及执行器22，其中，所述观测器25用于通过可测的系统输出得到系统的观测状态信息，所述第一量化器26用于将经过连接所述传感器24和所述第一控制器12侧的网络传送的信息通过量化因子的变化而进行选取，所述第二量化器13用于将经过连接所述第一控制器12和所述执行器22侧的网络传送的信息通过量化因子的变化而选取。

在本实施例的一个优选例中，所述第一量化器26的量化因子与所述第二量化器13的量化因子不相同。优选地，所述第一量化器26为对数量化器，所述第二量化器13为时变量化器。进一步优选地，所述传感器24采用时间驱动方式，所述第一控制器12和所述执行器22采用事件驱动方式。其中，所述第一量化器26优选地对所述当前状态信息进行量化，并选择所述当前状态信息中的部分信息进入网络。所述观测状态信息优选地包括第一参数，其中，所述第一参数包括参数：模糊集、状态空间方程连续部分的先决变量、状态空间方程离散部分的先决变量、系统状态空间方程、系统控制输入、受控输出、系统的脉冲跳变大小、系统发生跳变的时刻、量化器的量程以及量化器的误差。

图1所示的实施例对所述控制系统的结构进行了描述，接下来通过图3对所述控制系统的控制方法进行描述。具体地，在图3示出的实施例中，首先执行步骤S210，确定所述网络被控对象的状态空间方程，其中，所述网络被控对象为混杂非线性系统，在一个优选例中，所述网络被控制对象的状态空间方程如下所述：

对于连续部分

规则i

如果θ₁(t)是M_i1，…θ_g(t)是M_ig

于是

$\stackrel{\·}{x}\left(t\right)=A_{i}x\left(t\right)+F_{i}u\left(t\right),$

y(t)＝Cx(t)，

其中i∈S＝{1，2，…，r}，r是IF-THEN的规则。M_ij是模糊集，θ₁(t)，…，θ_g(t)是连续部分的先决变量，x(k)∈Rⁿ为系统状态，u(k)∈R^m为系统控制输入，y(t)∈R^q为受控输出，A_i，F_i是已知常数矩阵。

对于离散部分

规则i

如果θ₁(t_k)是M_i1，…θ_g(t_k)是M_ig

于是

$x\left(t_k^{+}\right)=(I+E_{\mathrm{ki}})x\left(t_k\right)$

其中θ₁(t_k)，…，θ_g(t_k)是离散部分的先决变量。混杂特性这里用一系列脉冲跳变来表示，脉冲间隔t_k满足0≤t₀＜t₁＜t₂＜…＜t_k＜…

根据切换信号，系统在一系列线性系统中切换，这样可以表示非线性系统。又由于离散的时刻系统存在脉冲跳变，所以系统状态是连续变化和离散跳变交替进行。

优选地，所述步骤S210包括“确定所述第一控制器的增益矩阵和所述观测器的增益矩阵”的步骤。具体地，

假设1：t₀＝0，h＞0是充分小的常数使得

${\lim }_{h\→0^{+}}x(t_k+h)=x\left(t_k^{+}\right),$ 且 $x\left(t_k\right)={\lim }_{h\→0^{+}}x(t_k-h).$

假设2：t_k+1-t_k≥τ，k＝0，1，2，…常数τ由网络中从所述传感器到所述第一控制器的延时以及所述第一控制器到所述执行器的延时组成。

所述传感器以及所述第一控制器两端采用的所述第一量化器和/或所述第二量化器为时变量化器。

假设3：存在正常数T和Δ使得下式成立

如果‖z‖≤T于是‖q(z)-z‖≤Δ

如果‖z‖＞T于是‖q(z)‖＞T-Δ

其中T和Δ分别是时变量化器的量程和量化误差。在这里用如下方法实现对状态的量化μ是量化器的缩放因子，量化满足条件

如果‖z‖≤μT于是

如果‖z‖＞μT于是

构造的输出观测器为

对于连续部分

规则i

如果θ₁(t)是M_i1，…θ_g(t)是M_ig

于是 $\hat{x}\left(t\right)=A_i\hat{x}\left(t\right)+F_{i}u\left(t\right)+L_i(y\left(t\right)-\hat{y}\left(t\right))$

对于离散部分

规则i

如果θ₁(t_k)是M_i1，…θ_g(t_k)是M_ig

于是 $\hat{x}\left(t_k^{+}\right)=(I+E_{\mathrm{ki}})\hat{x}\left(t_k\right)$

我们所构造的量化输出反馈控制器为

规则i

如果θ₁(t)是M_i1，…θ_g(t)是M_ig

于是

q₁(·)，q₂(·)分别是加在传感器和控制器两端的时变量化器。

由于在控制器端的量化器的量化因子的变化对传感器端量化器的量化因子有依赖。因为要将量化因子μ₁传递给μ₂，为了减轻网络承载这里采用对数量化器实现参数的传递，

我们采用的对数量化器具有如下性质：对数量化器的量化级数定义如下。

U＝{u_i＝ρⁱu₀，i＝0，±1，±2，…}

其中ρ表示量化密度。量化器函数可以表述为：

其中

μ₁，μ₂定义为

为了确定所述第一控制器的增益矩阵K_i和所述观测器(优选地为输出观测器)的增益矩阵L_i，优选地，可以通过引入Lyapunov函数

确定出了符合要求的模糊状态反馈控制器和所述输出观测器。所述第一控制器的确定需要解一组第一线性矩阵不等式组，其确定的方法如下：

条件1：

给定矩阵W₁＞0，W₂＞0，正常数θ，Δ₁，Δ₂，如果存在矩阵

X₁₁，X₁₂，X₂₂，Y₁₁，Y₁₂，Y₂₂，

R＞0，Q＞0满足

M_ii＜0，M_ij+M_ji＜0，1≤i＜j≤r

${\tilde{M}}_{\mathrm{ii}}<0,{\tilde{M}}_{\mathrm{ij}}+{\tilde{M}}_{\mathrm{ji}}<\mathrm{0,1}\&le;i<j\&le;r$

其中，

$M_{\mathrm{ii}}=\left[\begin{array}{cccc}{\mathrm{RA}}_i+A_i^{T}R+Q& C^T{\tilde{Y}}_i^T& 0& F_i{\tilde{X}}_i\\ *& {\mathrm{RA}}_i+A_i^{T}R-{\tilde{Y}}_{i}C-C^T{\tilde{Y}}_i^T+Q& 0& F_i{\tilde{X}}_i\\ *& *& -Q& 0\\ *& *& *& -Q\end{array}\right]<-W_1$

$M_{\mathrm{ij}}=\left[\begin{array}{cccc}{\mathrm{RA}}_i+A_i^{T}R+Q& C^T{\tilde{Y}}_j^T& 0& F_i{\tilde{X}}_j\\ *& {\mathrm{RA}}_i+A_i^{T}R-{\tilde{Y}}_{j}C-C^T{\tilde{Y}}_j^T+Q& 0& F_i{\tilde{X}}_j\\ *& *& -Q& 0\\ *& *& *& -Q\end{array}\right]<-W_1$

${\tilde{M}}_{\mathrm{ii}}=\left[\begin{array}{cccccc}{\mathrm{RA}}_i+A_i^{T}R+\mathrm{\&tau;}{X}_{11}& C^T{\tilde{Y}}_i^T+\mathrm{\&tau;}{X}_{12}+Y_{12}+Y_{21}^T& -Y_{11}& F_i{\tilde{X}}_i-Y_{12}& \mathrm{\&tau;}{A}_i^{T}R& \mathrm{\&tau;}{C}^T{\tilde{Y}}_i^T\\ +Y_{11}+Y_{11}^T+Q& {\mathrm{RA}}_i+A_i^{T}R-{\tilde{Y}}_{i}C-C^T{\tilde{Y}}_i^T& -Y_{21}& F_i{\tilde{X}}_i-Y_{12}& 0& \mathrm{\&tau;}{A}_i^{T}R-\mathrm{\&tau;}{C}^T{\tilde{Y}}_i^T\\ *& *& -Q& 0& 0& 0\\ *& *& *& -Q& \mathrm{\&tau;}{\tilde{X}}_i^T{F}_i^T& \mathrm{\&tau;}{\tilde{X}}_i^T{F}_i^T\\ *& *& *& *& -\mathrm{\&tau;R}& 0\\ *& *& *& *& *& -\mathrm{\&tau;R}\end{array}\right]<-W_2$

${\tilde{M}}_{\mathrm{ij}}=\left[\begin{array}{cccccc}{\mathrm{RA}}_i+A_i^{T}R+\mathrm{\&tau;}{X}_{11}& C^T{\tilde{Y}}_j^T+\mathrm{\&tau;}{X}_{12}+Y_{12}+Y_{21}^T& -Y_{11}& F_i{\tilde{X}}_j-Y_{12}& \mathrm{\&tau;}{A}_i^{T}R& \mathrm{\&tau;}{C}^T{\tilde{Y}}_j^T\\ +Y_{11}+Y_{11}^T+Q& {\mathrm{RA}}_i+A_i^{T}R-{\tilde{Y}}_{j}C-C^T{\tilde{Y}}_j^T& -Y_{21}& F_i{\tilde{X}}_j-Y_{12}& 0& \mathrm{\&tau;}{A}_i^{T}R-\mathrm{\&tau;}{C}^T{\tilde{Y}}_j^T\\ *& *& -Q& 0& 0& 0\\ *& *& *& -Q& \mathrm{\&tau;}{\tilde{X}}_j^T{F}_i^T& \mathrm{\&tau;}{\tilde{X}}_j^T{F}_i^T\\ *& *& *& *& -\mathrm{\&tau;R}& 0\\ *& *& *& *& *& -\mathrm{\&tau;R}\end{array}\right]<-W_2$

条件2：

minβ

$\left[\begin{array}{cc}-\mathrm{\&beta;I}& {({\mathrm{RF}}_i-F_i{R}_0)}^T\\ *& -I\end{array}\right]<0$

条件3：在所述传感器端的量化器缩放因子

的变化满足第二不等式

$(1+{\mathrm{\&delta;}}_g)\max \{{\stackrel{\&OverBar;}{T}}_1,{\stackrel{\&OverBar;}{T}}_2\}\&le;\frac{\left|\right|\hat{x}\left(t\right)\left|\right|}{{\stackrel{\&OverBar;}{\mathrm{\&mu;}}}_1}\&le;(1-{\mathrm{\&delta;}}_g)T_1$

其中

量化器量程 $T_1\&GreaterEqual;\max \{{{\stackrel{\&OverBar;}{T}}_1}^{\&prime;},{{\stackrel{\&OverBar;}{T}}_2}^{\&prime;}\},{{\stackrel{\&OverBar;}{T}}_1}^{\&prime;}=\frac{1+{\mathrm{\&delta;}}_g}{1-{\mathrm{\&delta;}}_g}{\stackrel{\&OverBar;}{T}}_1,{{\stackrel{\&OverBar;}{T}}_2}^{\&prime;}=\frac{1+{\mathrm{\&delta;}}_g}{1-{\mathrm{\&delta;}}_g}{\stackrel{\&OverBar;}{T}}_2,$ $T_2=\mathrm{\&theta;}\underset{i\&Element;S}{\max }\left|\right|K_i\left|\right|(T_1+{\mathrm{\&Delta;}}_1),$ $\stackrel{\&OverBar;}{R}=\mathrm{diag}\{R,R\},$ $\mathrm{\&Delta;}=\sqrt{{\mathrm{\&Delta;}}_1^2+\frac{1}{{\mathrm{\&theta;}}^2}{\mathrm{\&Delta;}}_2^2},$

$A_e=\left[\begin{array}{cc}{A}_i& 0\\ L_{i}C& A_i-L_{i}C\end{array}\right],$ $B_e=\left[\begin{array}{cc}0& F_i{K}_i\\ 0& F_i{K}_i\end{array}\right],$ $C_e=\left[\begin{array}{cc}{F}_i{K}_i& F_i\\ F_i{K}_i& F_i\end{array}\right].$

条件4： $\underset{k=0}{\overset{\&infin;}{\mathrm{\&Sigma;}}}{d}_k<\&infin;$

其中 $d_k=\left|\underset{i\&Element;S}{\max }\right\{{\mathrm{\&lambda;}}_{\max }\left({\stackrel{\&OverBar;}{R}}^{-1}{E}_e^T\stackrel{\&OverBar;}{R}{E}_e\right)+2{\mathrm{\&lambda;}}_{\max }\left(E_e\right)\left\}\right|,$ $E_e=\left[\begin{array}{cc}I+E_{\mathrm{ki}}& 0\\ 0& I+E_{\mathrm{ki}}\end{array}\right].$

当上述条件1-4都满足时，可以将所述第一控制器(优选地为模糊控制器)的增益可以确定为

$K_i=R_0^{-1}{\tilde{X}}_i$

所述观测器(优选地为输出观测器)的增益可以确定为

$L_i=R^{-1}{\tilde{Y}}_i$

通过所述步骤S210确定所述网络被控对象的状态空间方程后，接下来通过执行步骤S211，将所述第一控制器和所述网络被控对象串联形成闭环系统，具体地，如图1所示，所述混杂非线性网络控制系统包括通过网络相连接构成闭环系统的网络被控对象端和第一控制器端，其中，所述网络被控对象端包括第二解码器21、执行器22、网络被控对象23、传感器24、观测器25、第一量化器26以及第一编码器27，所述第一控制器端包括第一解码器11、第一控制器12、第二量化器13以及第二编码器14。更为具体地，所述网络被控对象23将所述当前观测状态信息先后通过所述传感器24、所述观测器25、第一量化器26、第一编码器27、第一解码器11传输至所述第一控制器12，所述第一控制器12将所述控制输出量信息先后通过第二量化器13、第二编码器14、第二解码器21、所述执行器22反馈至所述网络被控对象23，其中，当前观测状态信息优选地包括当前测得的输出信息。优选地，所述观测器25用于通过可测的系统输出得到系统的观测状态信息，所述第一量化器26用于将经过连接所述传感器24和所述第一控制器12侧的网络传送的信息通过量化因子的变化而进行选取，，从而使得传输信息量减小，所述第二量化器13用于将经过连接所述第一控制器12和所述执行器22侧的网络传送的信息通过量化因子的变化而选取，从而使得传输信息量减小。本领域技术人员还可以通过参照上述图1示出的实施例可以实现所述闭环系统，在此不予赘述。

接下来执行步骤S212，将所述网络被控制对象的当前观测状态信息传输给第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定。具体地，在一个优选例中，所述当前状态信息包括第一参数信息，其中，所述第一参数包括参数：模糊集、状态空间方程连续部分的先决变量、状态空间方程离散部分的先决变量、系统状态空间方程、系统控制输入、受控输出、系统的脉冲跳变大小、系统发生跳变的时刻、量化器的量程以及量化器的误差。

更为具体地，首先通过所述传感器将所述网络被控对象的第一参数信息输出给所述观测器，由于现实中被控对象的状态往往不易直接测得，系统输出较容易测得，所以在这里，所述观测器用于通过系统的测量输出观测到被控对象的状态信息。然后，所述观测器将经其处理后的所述第一参数信息输出给所述第一量化器。接下来，所述第一量化器将经其量化后的所述第一参数信息先后通过所述第一编码器和第一解码器输出给所述第一控制器。优选地，所述第一量化器为对数量化器，所述第二量化器为时变量化器。优选地，所述传感器采用时间驱动方式，所述第一控制器和所述执行器采用事件驱动方式。优选地，所述第一量化器对所述当前状态信息进行量化，并选择所述当前状态信息中的部分信息进入网络。

然后进入步骤S213继续执行，所述第一控制器根据所述当前观测状态信息得到当前时刻的控制输出量信息。具体地，首先根据所述状态空间方程以及第一参数信息求解第一线性矩阵不等式组，得到相应的所述第一控制器的增益矩阵和所述观测器的增益矩阵，其中，所述状态空间方程以及第一线性矩阵不等式组可以参照本实施例的所述步骤S210中的描述加以实现，在此不予赘述。然后根据所述第二不等式的约束，获得所述第一量化器的缩放因子变化信息，然后传递给所述第二量化器的缩放因子。

由于在控制器端的量化器的量化因子的变化对传感器端量化器的量化因子有依赖。因为要将量化因子μ₁传递给μ₂，为了减轻网络承载这里采用对数量化器实现参数的传递，

优选地采用的对数量化器具有如下性质：对数量化器的量化级数定义如下。

U＝{u_i＝ρⁱu₀，i＝0，±1，±2，…}

其中ρ表示量化密度。量化器函数可以表述为：

其中

μ₁，μ₂定义为

最后执行步骤S214，将所述控制输出量信息反馈给所述网络被控对象。具体地，将所述控制输出量信息经所述第二量化器量化后，先后通过所述第二编码器和第二解码器，输出至所述执行器。优选地，所述第一量化器的量化因子与所述第二量化器的量化因子不相同。

进一步地，在以后的采样周期，通过重复执行所述步骤S212、步骤S213以及步骤S214，即可实现所述网络被控对象的实时在线控制。

在本实施例的一个优选例中，所述观测器将经其处理后的所述第一参数输出给所述第一量化器，根据所述第一线性矩阵不等式及其他不等式条件约束求出的所述第一量化器的量化因子、所述第一控制器的增益、所述观测器25的增益。其中，所述第一量化器的量化因子随着所述观测器对其输入的网络被控对象的状态变化而实时变化。通过网络将所述第一量化器的量化因子信息传递给所述第二量化器，两者的量化方式可以选择不同。所述第一量化器和第二量化器都根据所述观测器所得到的所述网络被控对象的状态实时调节。接下来，经过所述第一量化器的信息输送入所述第一编码器和第一解码器。经过量化和网络后的系统观测状态信息进入所述第一控制器。这里同时考虑到网络承载容量和传输时延，所以在系统状态进入网络之前先对其进行了量化，经过网络的状态考虑有延迟。进入所述第一控制器的是考虑了量化和时延的被控对象的观测状态。再接下来，所述第一控制器的输出信号经过所述第二量化器，所述第二量化器的量化因子根据所述第一量化器，经过所述第二量化器的控制信息经过所述第二编码器和第二解码器进入所述执行器，所述执行器输出的执行信息进入所述网络被控对象对其进行控制使其达到渐近稳定。

在一个优选地具体实施方式中，本发明的实例仿真如下：

可以假设所述网络被控对象如下所示：

C₁＝[0.1 0.1]，

θ＝1，W₁＝W₂＝I，τ＝0.02，Δ_g＝0.1，t_k-t_k-1＝0.05，Δ₁＝Δ₂＝0.1

$E_{\mathrm{ki}}=\left[\begin{array}{cc}-1+{1.2}^{-k}& 0\\ 0& -1+{1.5}^{-k}\end{array}\right]$

通过求解所述第一线性矩阵不等式和/或其它不等式，可以确定相应的状态反馈控制器的增益矩阵为

K₁＝[0.1315-1.6139]， K₂＝[0.3701-3.3211]

观测器增益矩阵为

$L_1=\left[\begin{array}{c}0.7129\\ 4.3713\end{array}\right],$ $L_2=\left[\begin{array}{c}-1.4018\\ 11.6502\end{array}\right]$

系统实际运行结果如图3所示。仿真结果表明根据本发明提供的控制方法的有效性。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (18)

1.一种对混杂非线性系统的实时在线控制方法，其特征在于，包括如下步骤：

a.将网络被控对象的当前观测状态信息传输给第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定；

b.所述第一控制器根据所述当前观测状态信息得到当前时刻的控制输出量信息；

c.将所述控制输出量信息反馈给所述网络被控对象，

其中，所述网络被控制对象为混杂非线性系统。

2.根据权利要求1所述的控制方法，其特征在于，在所述步骤a之前还包括如下步骤：

A.确定所述网络被控对象的状态空间方程；

B.将所述第一控制器和所述网络被控对象串联形成闭环系统。

3.根据权利要求2所述的控制方法，其特征在于，在所述闭环系统中，所述网络被控对象将当前测得的输出信息先后通过传感器、观测器、第一量化器、第一编码器、第一解码器传输至所述第一控制器，所述第一控制器将所述控制输出量信息先后通过第二量化器、第二编码器、第二解码器、执行器反馈至所述网络被控对象，其中，所述观测器用于通过可测的系统输出得到系统的观测状态信息，所述第一量化器用于将经过连接所述传感器和所述第一控制器侧的网络传送的信息通过量化因子的变化而进行选取，所述第二量化器用于将经过连接所述第一控制器和所述执行器侧的网络传送的信息通过量化因子的变化而选取。

4.根据权利要求3所述的控制方法，其特征在于，所述步骤A包括如下步骤：

-确定所述第一控制器的增益矩阵和所述观测器的增益矩阵。

5.根据权利要求3或4所述的控制方法，其特征在于，所述当前状态信息包括第一参数信息，其中，所述步骤a包括如下步骤：

a1.通过所述传感器将所述网络被控对象的第一参数信息输出给所述观测器，其中所述观测器用于通过系统的测量输出观测到被控对象的状态信息。

a2.所述观测器将经其处理后的所述第一参数信息输出给所述第一量化器；

a3.所述第一量化器将经其量化后的所述第一参数信息先后通过所述第一编码器和第一解码器输出给所述第一控制器。

6.根据权利要求3至5中任一项所述的控制方法，其特征在于，所述步骤b包括如下步骤：

b1.根据所述状态空间方程以及第一参数信息求解第一线性矩阵不等式组，得到相应的所述第一控制器的增益矩阵和所述观测器的增益矩阵；

b2.根据第二不等式的约束，获得所述第一量化器的缩放因子变化信息，然后传递给所述第二量化器的缩放因子。

7.根据权利要求3至6中任一项所述的控制方法，其特征在于，所述步骤c包括如下步骤：

-将所述控制输出量信息经所述第二量化器量化后，先后通过所述第二编码器和第二解码器，输出至所述执行器。

8.根据权利要求3至7中任一项所述的控制方法，其特征在于，所述第一量化器的量化因子与所述第二量化器的量化因子不相同。

9.根据权利要求3至8中任一项所述的控制方法，其特征在于，所述第一量化器为对数量化器，所述第二量化器为时变量化器。

10.根据权利要求3至9中任一项所述的控制方法，其特征在于，所述传感器采用时间驱动方式，所述第一控制器和所述执行器采用事件驱动方式。

11.根据权利要求3至10中任一项所述的控制方法，其特征在于，所述第一量化器对所述当前状态信息进行量化，并选择所述当前状态信息中的部分信息进入网络。

12.根据权利要求5至11中任一项所述的控制方法，其特征在于，所述第一参数包括如下参数：

-模糊集；

-状态空间方程连续部分的先决变量；

-状态空间方程离散部分的先决变量；

-系统状态空间方程；

-系统控制输入；

-受控输出；

-系统的脉冲跳变大小；

-系统发生跳变的时刻；

-量化器的量程；以及

-量化器的误差。

13.一种对混杂非线性系统的实时在线控制系统，包括第一控制器，其中，所述第一控制器用于对网络被控对象提供实时在线控制使网络被控对象渐近稳定，其特征在于，还包括从网络被控对象的输出端至所述第一控制器的输入端之间依次串联连接的传感器、观测器、第一量化器、第一编码器以及第一解码器，还包括从所述第一控制器的输出端至网络被控对象的输入端之间依次串联连接的第二量化器、第二编码器、第二解码器以及执行器，其中，所述观测器用于通过可测的系统输出得到系统的观测状态信息，所述第一量化器用于将经过连接所述传感器和所述第一控制器侧的网络传送的信息通过量化因子的变化而进行选取，所述第二量化器用于将经过连接所述第一控制器和所述执行器侧的网络传送的信息通过量化因子的变化而选取。

14.根据权利要求13所述的控制系统，其特征在于，所述第一量化器的量化因子与所述第二量化器的量化因子不相同。

15.根据权利要求13或14所述的控制系统，其特征在于，所述第一量化器为对数量化器，所述第二量化器为时变量化器。

16.根据权利要求13至15中任一项所述的控制系统，其特征在于，所述传感器采用时间驱动方式，所述第一控制器和所述执行器采用事件驱动方式。

17.根据权利要求13至16中任一项所述的控制系统，其特征在于，所述第一量化器对所述当前状态信息进行量化，并选择所述当前状态信息中的部分信息进入网络。

18.根据权利要求13至17中任一项所述的控制系统，其特征在于，所述观测状态信息包括第一参数，其中，所述第一参数包括如下参数：

-模糊集；

-状态空间方程连续部分的先决变量；

-状态空间方程离散部分的先决变量；

-系统状态空间方程；

-系统控制输入；

-受控输出；

-系统的脉冲跳变大小；

-系统发生跳变的时刻；

-量化器的量程；以及

-量化器的误差。

Images