CN105334734A - 基于数据的网络化控制系统的时延和丢包补偿方法及装置 - Google Patents
基于数据的网络化控制系统的时延和丢包补偿方法及装置 Download PDFInfo
- Publication number
- CN105334734A CN105334734A CN201510738016.7A CN201510738016A CN105334734A CN 105334734 A CN105334734 A CN 105334734A CN 201510738016 A CN201510738016 A CN 201510738016A CN 105334734 A CN105334734 A CN 105334734A
- Authority
- CN
- China
- Prior art keywords
- predicted value
- packet loss
- time delay
- phi
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013499 data model Methods 0.000 claims abstract description 24
- 238000003860 storage Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 abstract description 13
- 238000005070 sampling Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于数据的网络化控制系统的时延和丢包补偿方法及装置,该方法包括,获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。该方法解决了现有技术中基于模型的补偿方法高度依赖被控对象的数学模型的问题,提高了控制系统的收敛速度和跟踪性能,便于在实际工程中进行应用。
Description
技术领域
本发明涉及工程控制领域,尤其涉及一种基于数据的网络化控制系统的时延和丢包补偿方法及装置。
背景技术
随着计算机技术、网络通信技术和控制技术的迅速发展,网络化控制系统以其布线少、成本低、便于远程监视与控制、易于扩展和维护等优势,已逐渐成为工业自动控制系统的发展趋势。
网络化控制系统是一种分布式、网络化实时反馈控制系统,是将控制系统的控制端与被控端通过通信网络连接起来组成的闭环分布式控制系统,可以实现分布式测量、控制与管理。但由于实时数据(包括测量数据和控制数据)均是通过网络进行传输,这将不可避免地引入一定的随机时延和丢包,并最终影响系统的控制性能,甚至导致系统不稳定。
现有技术中已经采取了一些措施来降低随机时延和丢包对网络化控制系统的控制性能的影响,但还主要存在以下问题:一是现有措施大多针对线性系统,而较少考虑非线性系统。但在实际中,几乎所有的被控对象都是非线性系统,所以现有技术中处理时延及丢包的措施在实际应用中的效果不理想。二是现有措施多为基于被控对象的数学模型所建立的方法,但随着信息科学技术的发展,许多工业过程发生了巨大的变化,如:生产设备和生产过程变得越来越复杂,对产品质量的要求也越来越高。要对这些复杂过程建立精确的数学模型,并对其实施有效的控制已变得越来越困难。因此当数学模型与实际系统不一致时,控制性能将无法保证,这些都极大地限制了网络化控制系统在实际工程中的应用和推广。
综上,亟需一种不依赖于被控对象数学模型且有效补偿网络化控制系统随机时延及丢包的方法来解决上述问题。
发明内容
本发明所要解决的技术问题之一是需要提供一种不依赖于被控对象数学模型且有效补偿网络化控制系统随机时延及丢包的方法。
为了解决上述技术问题,本申请的实施例首先提供了一种基于数据的网络化控制系统的时延和丢包补偿方法,包括以下步骤:步骤一、获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;步骤二、基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;步骤三、根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。
优选地,在根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号的步骤中包括:根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值;计算所述多个预测值的和并将得到的和值作为确定的控制增量;根据所述控制增量得到施加于被控对象的控制信号。
优选地,在根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值的步骤中包括:当网络化控制系统的反向通道和前向通道均未发生时延和丢包时,从时刻的控制增量预测值序列中选择第一个预测值;当网络化控制系统的反向通道或前向通道发生时延或丢包时,从时刻的控制增量预测值序列中选择前个预测值;其中,k为当前时刻,为存储的控制增量预测值序列的时间戳的最大值。
优选地,在步骤二中,根据以下表达式建立被控对象的等价数据模型:
式中,ks为时间戳,为ks时刻的伪梯度Φ(ks)的估计值,为ks时刻的伪梯度Φ(ks)的第一个元素的估计值;ΔU(ks-1)为被控对象在ks-1时刻的控制增量序列;Δy(ks)为被控对象在ks时刻的输出增量;μ和ε为正常数,为的初始值,为的初始值,sign(·)为符号函数。
优选地,在步骤二中,根据以下表达式计算控制增量预测值序列Δu(ks+j|ks):
式中,i=1,2,...,L,为ks时刻的伪梯度的元素的估计值,L为控制输入线性化长度,Δu(ks+j-i+1|ks),为时间戳为ks的控制增量预测值序列中的元素,表示反向通道和前向通道中时延和丢包的总的影响的上界值,i和j为循环变量;r(ks+j+1)为ks+j+1时刻的参考输入,y(ks+j|ks)为ks+j时刻的输出预测值;λ为控制加权系数。
本申请的实施例还提供了一种基于数据的网络化控制系统的时延和丢包补偿装置,包括:设置于反向通道被控端的数据缓存模块,其获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;设置于前向通道控制端的控制预测模块,其基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;设置于前向通道被控端的时延丢包补偿模块,其根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。
优选地,所述时延丢包补偿模块按照以下步骤根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号:根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值;计算所述多个预测值的和并将得到的和值作为确定的控制增量;根据所述控制增量得到施加于被控对象的控制信号。
优选地,所述时延丢包补偿模块按照以下步骤根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值:当网络化控制系统的反向通道和前向通道均未发生时延和丢包时,从时刻的控制增量预测值序列中选择第一个预测值;当网络化控制系统的反向通道或前向通道发生时延或丢包时,从时刻的控制增量预测值序列中选择前个预测值;其中,k为当前时刻,为存储的控制增量预测值序列的时间戳的最大值。
优选地,所述控制预测模块根据以下表达式建立被控对象的等价数据模型:
式中,ks为时间戳,为ks时刻的伪梯度Φ(ks)的估计值,为ks时刻的伪梯度Φ(ks)的第一个元素的估计值;ΔU(ks-1)为被控对象在ks-1时刻的控制增量序列;Δy(ks)为被控对象在ks时刻的输出增量;μ和ε为正常数,为的初始值,为的初始值,sign(·)为符号函数。
优选地,所述控制预测模块根据以下控制律得到控制增量预测值序列Δu(ks+j|ks):
式中,i=1,2,...,L,为ks时刻的伪梯度的元素的估计值,L为控制输入线性化长度,Δu(ks+j-i+1|ks),为时间戳为ks的控制增量预测值序列中的元素,表示反向通道和前向通道中时延和丢包的总的影响的上界值,i和j为循环变量;r(ks+j+1)为ks+j+1时刻的参考输入,y(ks+j|ks)为ks+j时刻的输出预测值;λ为控制加权系数。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
通过基于数据的方式建立被控对象的等价数据模型,以及对前向通道和反向通道中的随机时延和丢包同时进行主动补偿,解决了现有技术中基于模型的补偿方法高度依赖被控对象的数学模型的问题,提高了控制系统的收敛速度和跟踪性能,便于在实际工程中进行应用。
本发明的其他优点、目标,和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书,权利要求书,以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1为本申请实施例的补偿装置的构造示意图;
图2为本申请实施例的补偿方法的流程示意图;
图3为反向通道中的随机时延示意图;
图4为前向通道中的随机时延示意图;
图5为反向通道中的随机丢包示意图;
图6为前向通道中的随机丢包示意图
图7为无随机时延和丢包的本地控制结果的仿真示意图;
图8为有随机时延和丢包但无补偿的网络化控制结果的仿真示意图;
图9为有随机时延和丢包且有补偿的网络化控制结果的仿真示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
现有技术中的网络化控制系统普遍使用基于模型的控制。就是根据被控对象的实际组成,抽象并建立被控对象的数学模型,再基于所建立的数学模型对被控对象进行控制。但在实际中,由于组成系统的物理元件或多或少地带有非线性,以及生产工艺、生产设备和生产过程的复杂性,都将导致系统呈非线性,且精确的数学模型很难获得,因此常规的基于模型的控制方法在很多方面已经无法满足控制系统的要求。
本申请针对该问题,在对网络化控制系统进行时延及丢包补偿的时候,提出了一种基于数据的时延及丢包补偿装置,具体为,根据对被控对象的输出信号和控制信号进行采样得到的输出数据和控制数据建立被控对象的等价数据模型,并以该等价数据模型为基础进行时延及丢包补偿。因为尽管实际的工业过程都是复杂的非线性系统,但这些工业过程每时每刻都在产生并存储着大量的生产、设备和过程数据,这些数据包含了工艺变动、设备状态和过程运行的全部有用信息。在无法获得精确的数学模型的情况下,利用这些数据直接对被控对象进行控制,可以解决现有技术中对被控对象数学模型高度依赖的问题。
一般地,对于单输入单输出的非线性离散时间系统,可用如表达式(1)所示的形式描述:
y(k+1)=f(y(k),...,y(k-ny),u(k),...,u(k-nu))(1)
式中,y(k+1)和u(k)分别为被控对象在k+1时刻的输出数据和在k时刻的控制数据,f(·)为未知的非线性函数关系,ny和nu分别为系统的未知的输出和输入的阶数。
进一步地,假设函数f(·)对u(k)、u(k-1)、……、u(k-L)的偏导数是连续的,其中L为控制输入线性化长度,对于较简单的系统可取L=1,且表达式(1)所示的单输入单输出的非线性离散时间系统满足广义Lipschitz条件,即对于任意k和||ΔU(k)||≠0,系统满足|Δy(k+1)|≤b||ΔU(k)||的条件,其中b>0为常数,ΔU(k)=[Δu(k),Δu(k-1),...,Δu(k-L+1)]T为控制增量序列;进一步地,Δu(k)表示被控对象在k时刻的控制增量,且Δu(k)=u(k)-u(k-1)。那么可以利用表达式(2)所示的数据模型来对表达式(1)所示的系统进行描述,具体为:
Δy(k+1)=Φ(k)TΔU(k)(2)
式中,Δy(k+1)表示被控对象在k+1时刻的输出增量,且Δy(k+1)=y(k+1)-y(k);Φ(k)=[φ1(k),φ2(k),...,φL(k)]T为系统的伪梯度,且满足||Φ(k)||≤b,其中,φi(k),i=1,2,...,L为系统的伪梯度Φ(k)的元素。
下面根据如表达式(2)所示的等价数据模型,并参考图1详细说明本申请实施例的以等价数据模型为基础建立的时延及丢包补偿装置。
图1为本申请实施例的补偿装置的构造示意图,可以看出该网络化控制系统补偿装置包括数据缓存模块、控制预测模块以及时延丢包补偿模块。其中,被控端与控制端通过通信网络10进行通信连接,数据缓存模块11位于网络化控制系统反向通道的被控端,控制预测模块12位于网络化控制系统前向通道的控制端,时延丢包补偿模块13位于网络化控制系统前向通道的被控端。该网络化控制系统构造灵活并且易于扩展。
数据缓存模块11与被控对象之间在被控端本地连接,采用时间驱动的方式。数据缓存模块11接收并缓存被控对象的输入数据、输出数据及参考输入序列,并将上述数据与它们所对应的时间戳k打包后发往控制预测模块12。具体的,在每一个采样时刻,传感器将数据序列Dk=[ΔU(k-1)T,Y(k)T,R(k+1)T]T及其时间戳k打包发送给控制预测模块12,其中,Y(k)=[y(k),y(k-1)]T, 需要注意的是,由于时延或丢包的存在,在某一时刻,有可能同时到达一个或多个数据包,也有可能没有任何数据包到达,用表示反向通道和前向通道中时延和丢包的总的影响的上界值。
控制预测模块12采用事件驱动的方式,基于来自通信网络的反馈数据,包括从数据缓存模块11接收到的被控对象的输入数据、输出数据以及参考输入序列,通过多次迭代得到控制增量的预测值。
具体为,假设控制预测模块12接收到的数据包的时间戳为ks≤k,其中,k为当前时刻。控制预测模块12首先采用如表达式(3)所示的算法对被控对象的伪梯度Φ(ks)进行在线估计:
式中,为ks时刻的伪梯度Φ(ks)的估计值,为的初始值;μ>0为参数估计加权系数,ε为一充分小的正数,例如可取为10-5;为ks时刻的伪梯度Φ(ks)的第一个元素的估计值,为的初始值;sign(·)为符号函数,表示估计值的转置矩阵,和||ΔU(ks-1)||分别表示和ΔU(ks-1)的模值。
然后,控制预测模块12根据如下表达式计算控制增量的预测值:
式中,Δu(ks|ks)表示的是根据ks时刻及ks时刻之前时刻ks-1、ks-2、...的输出数据和输入数据(即y(ks)、Δu(ks-1)、Δu(ks-2)、...、Δu(ks-L+1))计算得到的ks时刻的控制增量;r(ks+1)为ks+1时刻系统的参考输入信号;λ>0为控制加权系数。
进一步地,由表达式(4)得到ks时刻的控制增量预测值Δu(ks|ks)之后,再利用被控对象的等价数据模型计算得到ks+j时刻的输出预测值y(ks+j|ks),如表达式(5)所示:
式中,j依次取值为其中,表示反向通道和前向通道中时延和丢包的总的影响的上界值;且当j=1时,y(ks|ks)=y(ks);
ΔU(ks+j-1|ks)=[Δu(ks+j-1|ks)Δu(ks+j-2|ks)...Δu(ks+j-L|ks)]T,且对于其中的元素Δu(ks+j-i|ks),i=1,2,...,L,当j-i<0时,Δu(ks+j-i|ks)取值为Δu(ks+j-i)。
根据上述计算结果中的y(ks+j|ks)对ks+j时刻的控制增量进行预测如表达式(6)所示:
式中,对于Δu(ks+j-i+1|ks),i=2,3,...,L,当j-i+1<0时,Δu(ks+j-i+1|ks)取值为Δu(ks+j-i+1)。
因此,控制预测模块12最终得到的控制增量预测值序列为 控制预测模块12将及相应的时间戳ks打包,通过前向通道发往时延丢包补偿模块13。
时延丢包补偿模块13采用时间驱动方式,并与数据缓存模块11保持时钟同步。当时延丢包补偿模块13收到控制预测模块12发送过来的控制增量预测值序列后,首先将其缓存,通过比较多个现有控制增量预测值序列的时间戳,保留时间戳最大(即最新)的控制增量预测值序列,并根据此时间戳确定前向通道与反向通道的随机时延及丢包,然后根据随机时延及丢包的情况,基于控制增量预测值序列得到控制信号并施加于被控对象对随机时延及丢包进行补偿。
具体地,时延丢包补偿模块13根据时延及丢包的情况从控制增量预测值序列中选择多个预测值,计算多个预测值的和,并将得到的和值作为确定的控制增量,再根据控制增量得到施加于被控对象的控制信号。时延丢包补偿模块13根据如下表达式(7)和(8)计算控制信号并施加于被控对象来主动补偿反向通道和前向通道中的随机时延和丢包:
式中,变量τk为当前时刻k与时间戳的最大值的差值,其体现了反向通道和前向通道中时延和丢包的总的影响。时延丢包补偿模块13在每一时刻都会根据表达式(8)计算τk的值,并根据τk确定前向通道与反向通道的随机时延及丢包的情况。对于一般的网络化控制系统,只要网络不彻底瘫痪,τk将具有上界,且其上界为
根据前述内容可知,由于反向通道和前向通道中存在随机时延或丢包,因此,时延丢包补偿模块13在一个周期内可能收到一个或多个数据包,也可能收不到任何数据包。不失一般性,在当前时刻k,时延丢包补偿模块13中最新的控制增量预测值序列表示为 其中为该控制增量预测值序列的时间戳,且
需要说明的是,与数据缓存模块11和时延丢包补偿模块13不同,控制预测模块12采用事件驱动的方式,即只有当接收到数据缓存模块11的反馈数据时才有输出。因为若控制预测模块12也采用时间驱动的方式,那么在每个采样时刻,控制预测模块12都要输出数据,但当反向通道发生随机时延及丢包时,反馈数据无法及时到达控制预测模块12,而控制预测模块12就只能利用上一时刻的旧数据进行迭代,所以实际上将输出一个与上一时刻相同的预测序列,即将产生重复的数据占用网络带宽。因此,在本申请的实施例中,控制预测模块12采用事件驱动的方式,可以有效地避免重复的预测序列的产生以及发送,从而提高网络的利用率。
另外,时延丢包补偿模块13也采用时间驱动的方式,其接收控制增量预测值序列并从收到的最新的控制增量预测值序列中选择合适的值得到控制信号并施加于被控对象。具体为,当前向通道和反向通道均未发生随机时延和丢包时,时延丢包补偿模块13从当前时刻接收到的控制增量预测值序列中选择第一个数据元素作为确定的控制增量,即当前向通道或反向通道发生随机时延或丢包时,时延丢包补偿模块13从接收的时刻的控制增量预测值序列中选择前个值的和作为确定的控制增量。其中,为存储的控制增量预测值序列的时间戳的最大值。
利用上述丢包补偿装置对反向通道与前向通道中的随机时机及丢包进行补偿的方法步骤如图2所示,具体包括,步骤S210,获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;步骤S220,基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;步骤S230,根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。
本申请的实施例同时考虑了反向通道和前向通道中的随机时延和丢包,更符合工业网络化控制系统的实际情况,也具有更优的跟踪控制性能。因此具有更好的普适性和实用性。
图3至图9为利用MATLAB软件对本申请实施例的控制方案进行的计算机仿真验证。仿真的非线性系统如表达式(9)所示:
x(k)=1.5u(k)-1.5u(k)2+0.5u(k)3
(9)
y(k+1)=0.6y(k)-0.1y(k-1)+1.2x(k)-0.1x(k-1)
其中,控制预测模块的参数分别取为μ=1、ε=10-5、L=1以及λ=12。参考输入取为正弦与方波的混合信号。
进一步地,假设在本示例中的网络化控制系统的反向通道和前向通道中均存在随机时延和丢包。图3和图4分别为反向通道和前向通道中的随机时延示意图,纵坐标表示时延步数;图5和图6分别为反向通道和前向通道中的随机丢包示意图,其中,图中的“1”代表数据包传输成功,“0”代表数据包在传输中丢失,图5和图6所示的反向通道和前向通道的丢包率分别为39.38%和37.98%。
仿真分为如下三种情况进行:1)无时延和丢包;2)有时延和丢包,但无补偿;3)有时延和丢包,而且有补偿。仿真结果如图7-图9所示。
图7为无随机时延和丢包的本地控制结果,即反向通道和前向通道中的数据传输是理想的,不存在任何时延和丢包现象。从图7中可以看出,控制系统的输出可以很好地跟踪时变参考输入。
图8为有随机时延和丢包但无补偿的网络化控制结果。反向通道和前向通道中的随机时延和丢包如图3-图6所示。从图8中可以看出,与本地控制结果(图7)相比,无补偿网络化控制系统的输出跟踪性能变得非常差。
图9为有随机时延和丢包且有补偿的网络化控制结果,即本发明的控制方案。根据如图3-图6中的随机时延和丢包的情况,可以取本发明中的从图9中可以看出,与无补偿网络化控制系统的结果(图8)相比,在同样随机时延和丢包的影响下,有补偿网络化控制系统的输出跟踪性能得到了大大改善,甚至接近于无随机时延和丢包的本地控制效果(图7)。
进一步地,为了定量衡量控制系统的输出跟踪性能,定义性能指标为则由图7-图9可得本地控制系统、无补偿网络化控制系统和有补偿网络化控制系统的性能指标分别为104.1103、826.7056和109.2634。可以看出,本发明的控制方案是有效的。
本申请实施例的网络化控制系统的时延及丢包补偿装置不需要知道被控对象数学模型的结构和参数信息,仅利用被控对象的输入输出数据建立等价数据模型,即采用基于数据的控制方法,用于主动补偿网络化非线性控制系统中的随机时延和丢包。控制方案简单、参数少、收敛速度快、跟踪性能好,且便于在实际工程中应用和推广。
同时本申请实施例的网络化控制系统的时延及丢包补偿装置的稳定性和收敛性更具保障,即本申请实施例的补偿装置在一定条件下,可以保证闭环系统的稳定和收敛,且可以实现对阶跃参考信号的零稳态误差的输出跟踪。
本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,如分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种基于数据的网络化控制系统的时延和丢包补偿方法,包括以下步骤:
步骤一、获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;
步骤二、基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;
步骤三、根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。
2.根据权利要求1所述的方法,其特征在于,在根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号的步骤中包括:
根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值;
计算所述多个预测值的和并将得到的和值作为确定的控制增量;
根据所述控制增量得到施加于被控对象的控制信号。
3.根据权利要求2所述的方法,其特征在于,在根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值的步骤中包括:
当网络化控制系统的反向通道和前向通道均未发生时延和丢包时,从时刻的控制增量预测值序列中选择第一个预测值;
当网络化控制系统的反向通道或前向通道发生时延或丢包时,从时刻的控制增量预测值序列中选择前个预测值;
其中,k为当前时刻,为存储的控制增量预测值序列的时间戳的最大值。
4.根据权利要求1至3中任一项所述的方法,其特征在于,在步骤二中,根据以下表达式建立被控对象的等价数据模型:
式中,ks为时间戳,为ks时刻的伪梯度Φ(ks)的估计值,为ks时刻的伪梯度Φ(ks)的第一个元素的估计值;ΔU(ks-1)为被控对象在ks-1时刻的控制增量序列;Δy(ks)为被控对象在ks时刻的输出增量;μ和ε为正常数,为的初始值,为的初始值,sign(·)为符号函数。
5.根据权利要求4所述的方法,其特征在于,在步骤二中,根据以下表达式计算控制增量预测值序列Δu(ks+j|ks):
式中,i=1,2,…,L,为ks时刻的伪梯度的元素的估计值,L为控制输入线性化长度,Δu(ks+j-i+1|ks),为时间戳为ks的控制增量预测值序列中的元素,表示反向通道和前向通道中时延和丢包的总的影响的上界值,i和j为循环变量;r(ks+j+1)为ks+j+1时刻的参考输入,y(ks+j|ks)为ks+j时刻的输出预测值;λ为控制加权系数。
6.一种基于数据的网络化控制系统的时延和丢包补偿装置,包括:
设置于反向通道被控端的数据缓存模块,其获取被控对象的输入数据、输出数据及参考输入序列,并将当前采样时刻作为时间戳;
设置于前向通道控制端的控制预测模块,其基于所述输入数据和输出数据建立被控对象的等价数据模型,并根据所述等价数据模型、输入数据、输出数据及参考输入序列计算控制增量预测值序列;
设置于前向通道被控端的时延丢包补偿模块,其根据所述时间戳确定前向通道与反向通道的随机时延及丢包,并根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号,将所述控制信号施加于被控对象对随机时延及丢包进行补偿。
7.根据权利要求6所述的装置,其特征在于,所述时延丢包补偿模块按照以下步骤根据时延及丢包的情况基于所述控制增量预测值序列得到控制信号:
根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值;
计算所述多个预测值的和并将得到的和值作为确定的控制增量;
根据所述控制增量得到施加于被控对象的控制信号。
8.根据权利要求7所述的装置,其特征在于,所述时延丢包补偿模块按照以下步骤根据时延及丢包的情况从所述控制增量预测值序列中选择多个预测值:
当网络化控制系统的反向通道和前向通道均未发生时延和丢包时,从时刻的控制增量预测值序列中选择第一个预测值;
当网络化控制系统的反向通道或前向通道发生时延或丢包时,从时刻的控制增量预测值序列中选择前个预测值;
其中,k为当前时刻,为存储的控制增量预测值序列的时间戳的最大值。
9.根据权利要求6至8中任一项所述的装置,其特征在于,所述控制预测模块根据以下表达式建立被控对象的等价数据模型:
式中,ks为时间戳,为ks时刻的伪梯度Φ(ks)的估计值,为ks时刻的伪梯度Φ(ks)的第一个元素的估计值;ΔU(ks-1)为被控对象在ks-1时刻的控制增量序列;Δy(ks)为被控对象在ks时刻的输出增量;μ和ε为正常数,为的初始值,为的初始值,sign(·)为符号函数。
10.根据权利要求9所述的装置,其特征在于,所述控制预测模块根据以下控制律得到控制增量预测值序列Δu(ks+j|ks):
式中,i=1,2,…,L,为ks时刻的伪梯度的元素的估计值,L为控制输入线性化长度,Δu(ks+j-i+1|ks),为时间戳为ks的控制增量预测值序列中的元素,表示反向通道和前向通道中时延和丢包的总的影响的上界值,i和j为循环变量;r(ks+j+1)为ks+j+1时刻的参考输入,y(ks+j|ks)为ks+j时刻的输出预测值;λ为控制加权系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738016.7A CN105334734B (zh) | 2015-11-03 | 2015-11-03 | 基于数据的网络化控制系统的时延和丢包补偿方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738016.7A CN105334734B (zh) | 2015-11-03 | 2015-11-03 | 基于数据的网络化控制系统的时延和丢包补偿方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105334734A true CN105334734A (zh) | 2016-02-17 |
CN105334734B CN105334734B (zh) | 2018-02-06 |
Family
ID=55285347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510738016.7A Active CN105334734B (zh) | 2015-11-03 | 2015-11-03 | 基于数据的网络化控制系统的时延和丢包补偿方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105334734B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970611A (zh) * | 2017-05-09 | 2017-07-21 | 合肥工业大学 | 网络化控制系统采样周期优化控制方法 |
CN109189049A (zh) * | 2018-10-15 | 2019-01-11 | 浙江工业大学 | 一种适用于网络化控制系统的主动时延补偿方法 |
CN110636452A (zh) * | 2019-08-28 | 2019-12-31 | 福建工程学院 | 无线传感器网络粒子滤波目标跟踪方法 |
CN111614436A (zh) * | 2020-04-02 | 2020-09-01 | 浙江工业大学 | 一种基于贝叶斯推断的动态数据包打包方法 |
CN112311848A (zh) * | 2019-07-30 | 2021-02-02 | 大众汽车股份公司 | 用于命令中心和车辆的方法、计算机程序和装置、车辆和命令中心 |
CN112311848B (zh) * | 2019-07-30 | 2024-05-28 | 大众汽车股份公司 | 用于命令中心和车辆的方法、计算机程序和装置、车辆和命令中心 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692180A (zh) * | 2009-10-13 | 2010-04-07 | 江苏科技大学 | 遥操作机器人丢包补偿系统及其实现方法 |
CN101957598A (zh) * | 2010-09-26 | 2011-01-26 | 上海电力学院 | 一种大时滞系统的灰色无模型控制方法 |
CN104570727A (zh) * | 2014-11-14 | 2015-04-29 | 冶金自动化研究设计院 | 具有随机丢包的非线性双时标系统网络化控制方法 |
CN104639293A (zh) * | 2015-01-30 | 2015-05-20 | 北方工业大学 | 网络化控制系统丢包补偿装置及方法 |
-
2015
- 2015-11-03 CN CN201510738016.7A patent/CN105334734B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692180A (zh) * | 2009-10-13 | 2010-04-07 | 江苏科技大学 | 遥操作机器人丢包补偿系统及其实现方法 |
CN101957598A (zh) * | 2010-09-26 | 2011-01-26 | 上海电力学院 | 一种大时滞系统的灰色无模型控制方法 |
CN104570727A (zh) * | 2014-11-14 | 2015-04-29 | 冶金自动化研究设计院 | 具有随机丢包的非线性双时标系统网络化控制方法 |
CN104639293A (zh) * | 2015-01-30 | 2015-05-20 | 北方工业大学 | 网络化控制系统丢包补偿装置及方法 |
Non-Patent Citations (2)
Title |
---|
WANG TIAN-BAO 等: "Controller Design for Observer-based Continuous-Time Networked Control Systems with Packet Dropout and Delay", 《26TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
安宝冉 等: "带时延与丢包的网络化多智能体系统控制器设计", 《物理学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106970611A (zh) * | 2017-05-09 | 2017-07-21 | 合肥工业大学 | 网络化控制系统采样周期优化控制方法 |
CN106970611B (zh) * | 2017-05-09 | 2019-04-09 | 合肥工业大学 | 网络化控制系统采样周期优化控制方法 |
CN109189049A (zh) * | 2018-10-15 | 2019-01-11 | 浙江工业大学 | 一种适用于网络化控制系统的主动时延补偿方法 |
CN109189049B (zh) * | 2018-10-15 | 2020-05-26 | 浙江工业大学 | 一种适用于网络化控制系统的主动时延补偿方法 |
CN112311848A (zh) * | 2019-07-30 | 2021-02-02 | 大众汽车股份公司 | 用于命令中心和车辆的方法、计算机程序和装置、车辆和命令中心 |
CN112311848B (zh) * | 2019-07-30 | 2024-05-28 | 大众汽车股份公司 | 用于命令中心和车辆的方法、计算机程序和装置、车辆和命令中心 |
CN110636452A (zh) * | 2019-08-28 | 2019-12-31 | 福建工程学院 | 无线传感器网络粒子滤波目标跟踪方法 |
CN110636452B (zh) * | 2019-08-28 | 2021-01-12 | 福建工程学院 | 无线传感器网络粒子滤波目标跟踪方法 |
CN111614436A (zh) * | 2020-04-02 | 2020-09-01 | 浙江工业大学 | 一种基于贝叶斯推断的动态数据包打包方法 |
CN111614436B (zh) * | 2020-04-02 | 2022-05-24 | 浙江工业大学 | 一种基于贝叶斯推断的动态数据包打包方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105334734B (zh) | 2018-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Stability analysis of networked control systems with round-robin scheduling and packet dropouts | |
CN105334734A (zh) | 基于数据的网络化控制系统的时延和丢包补偿方法及装置 | |
CN103795649B (zh) | 一种网络延时抖动平滑方法 | |
Liu et al. | One-step receding horizon H∞ control for networked control systems with random delay and packet disordering | |
CN108153259B (zh) | 一种基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法 | |
Jin et al. | Distributed filtering for sensor networks with fading measurements and compensations for transmission delays and losses | |
CN111143989A (zh) | 频率调整量计算方法、模块、系统、存储介质和设备 | |
CN104539601B (zh) | 动态网络攻击过程可靠性分析方法及系统 | |
CN104639293A (zh) | 网络化控制系统丢包补偿装置及方法 | |
CN112990488B (zh) | 一种基于机器异构性的联邦学习方法 | |
Ren et al. | Event-triggered non-fragile H∞ fault detection for discrete time-delayed nonlinear systems with channel fadings | |
Lu et al. | Exponential synchronization of stochastic neural networks with time-varying delays and Lévy noises via event-triggered control | |
CN111190350A (zh) | 一种数据驱动的网络控制系统时延主动补偿控制方法 | |
CN109782586B (zh) | 参数自整定的miso异因子紧格式无模型控制方法 | |
Xu et al. | Channel modeling and LQG control in the presence of random delays and packet drops | |
Li et al. | Adaptive event-triggered finite-time H∞ control for fuzzy semi-Markovian jump systems with immeasurable premise variables | |
Zhen et al. | A novel data-driven predictive control for networked control systems with random packet dropouts | |
CN112131716A (zh) | 一种用于电力电子化电力系统的随机电磁暂态分析方法及系统 | |
CN112269318A (zh) | 一种时延不确定系统的有限时间远程安全状态估计方法 | |
CN111585822A (zh) | 一种网络系统中数据丢包的提升模型预测补偿方法 | |
CN105677936B (zh) | 机电复合传动系统需求转矩的自适应递归多步预测方法 | |
CN105607603B (zh) | 一种能够补偿时延与丢包的网络化控制系统及控制方法 | |
Hu et al. | Design and implementation of networked predictive control systems based on round trip time delay measurement | |
CN109189049A (zh) | 一种适用于网络化控制系统的主动时延补偿方法 | |
Li et al. | New results on stability analysis and stabilisation of networked control system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |