CN105353622B - 一种具有时延和丢包网络化系统的动态矩阵控制方法 - Google Patents
一种具有时延和丢包网络化系统的动态矩阵控制方法 Download PDFInfo
- Publication number
- CN105353622B CN105353622B CN201510863398.6A CN201510863398A CN105353622B CN 105353622 B CN105353622 B CN 105353622B CN 201510863398 A CN201510863398 A CN 201510863398A CN 105353622 B CN105353622 B CN 105353622B
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtr
- mtd
- mover
- moment
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Abstract
一种具有时延和丢包网络化系统的动态矩阵控制方法,包括以下步骤:1)在同时具有时延、丢包、乱序的情况下,根据时延序列选取最新的控制量;2)通过对时延的分析并结合被控对象模型,获得不同时延下的阶跃响应系数;3)基于动态矩阵控制算法设计控制器。本发明提供了一种可以有效解决时延、丢包、乱序网络化系统的动态矩阵控制方法。
Description
技术领域
本发明涉及网络化控制系统和预测控制,尤其涉及的是有时延、丢包、乱序的网络化控制系统的动态矩阵控制(DMC)方法。
背景技术
随着计算机技术和通信技术的不断发展,渐渐将应用领域扩展至了过程控制等领域,构建了网络化控制系统。网络化控制系统,凭借其易于扩展和维护、增强系统的灵活性和可靠性等优点,在相关领域取得了巨大成功。网络化控制系统和常规无网络控制系统有一样的要求,即要保证控制质量,并且系统具有良好的动态性能,即使在引入通信传输网络之后会引入更多问题的情况下。
网络化控制系统中主要存在如下问题:1)网络时延,通信传输网络中因为数据重传、多路径传输、网络拥塞等原因,几乎不可避免的存在网络时延问题;2)丢包,数据传输中断等原因会引起数据包丢失的问题;3)数据包乱序,因时延问题引起数据包的时序发生错乱。其中,时延是网络化控制系统中的首要问题。
针对网络化控制系统中的时延问题,很多专家和学者都对此做了大量的分析和研究。Luck等在论文(Experimental verification of a Delay Compensation Algorithmfor integrated Communication and Control Systems)中,通过在控制器和执行器节点中引入缓冲区的概念,将NCS中的随机时延转化成固定时延,并基于固定时延设计了控制器;张奇智等在论文(Segmented time-stamped dynamic matrix control for networkedcontrol systems with random delay)中,针对时延小于一个采样周期的短时延问题,通过时戳对一个周期内的时延分段,得到多组阶跃响应系数,离线计算动态矩阵,降低了在线计算量;关守平等在论文(Compensating strategy based on dynamic matrix controlfor networked control system)中,针对仅存在丢包问题的网络化控制系统,提出了一种基于事件—时间驱动的驱动方式;葛阳等在论文(基于动态矩阵的随机时延丢包网络控制系统)和论文(网络化系统中动态矩阵控制的稳定性条件)中,通过利用DMC算法在网络传输中的控制量和未来预测值的冗余信息来代替丢失的数据,减少丢包对系统性能的影响,改进了网络化控制系统下的DMC算法;LIU等在论文(New results on stabilization ofnetworked control systems with packet disordering)中,针对网络化控制系统中由时延引起的数据包乱序问题,提出了一种解决方法,并应用切换系统的方法设计了控制器。但以上算法未考虑同时包含时延、丢包、乱序的网络化控制系统,尤其忽略了乱序对系统的影响;且针对时延引起的模型参数变化,没有处理因此产生的阶跃响应系数发生变化的问题。
发明内容
针对网络化控制系统中普遍存在时延、丢包以及乱序等问题,本发明提供了一种具有时延和丢包网络化系统的动态矩阵控制方法,给出了精确选取最新控制信号的数学公式,且根据各个时刻的时延的周期数,离线计算了不同时延周期数下的动态矩阵,可以有效降低动态矩阵控制算法的在线计算量。
本文解决其技术问题所采用的技术方案是:
一种具有时延和丢包网络化系统的动态矩阵控制方法,包括以下步骤:
1)根据时延序列选取最新控制量
从传感器到控制器的时延记为τsc,从控制器到执行器的时延记为τca,传感器和执行器采用时间驱动的方式,控制器采用事件驱动的方式,故将时延τsc和τca合并,即k时刻的总时延τk为:
τk=τsc+τca
k时刻的总时延τk满足τk∈N1={0,1,...,d}T,其中d为最大时延周期数,T为系统采样周期,则k时刻需要用于计算实际使用控制量的时延序列为:
τ(k)=[τk-d+1,...,τk-1,τk]
则k时刻选取最新控制量的参数σ(k)为:
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d},
其中,θk-r为(k-r)时刻的连续丢包数,且θk-r∈[0,s],s≤d,s为最大连续丢包数;
2)获得不同时延情况下的阶跃响应系数
被控对象的连续时间状态空间方程为:
则其离散化后的状态空间方程为:
其中,T为采样周期,则若系统在无时延情况下的阶跃响应系数向量为a=[a1,a2,…,aN]T,则在k时刻时延为τk=jT情况下的阶跃响应系数向量为;a*=[a1 *,a2 *,…,aN *]T且:
3)基于动态矩阵控制算法设计控制器,步骤如下:
步骤3.1:初始化(k=0),控制时域M,预测时域P,模型时域N,且M≤P≤N;给定初始时刻对未来N个时刻的预测输出yN(0),控制量u(0);针对时延为τk∈{0,1,...,d}T的(d+1)种情况,得到(d+1)组阶跃响应系数,构成动态矩阵控制中的控制矩阵{A0,A1,…,Ad};
步骤3.2:计算σ(k)
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d}
步骤3.3:通信:传感器以周期T对系统的输出进行采样,获得系统k时刻的输出值为y(k);
步骤3.4:更新(k-1)时刻的预测值,施加控制量u(k)
步骤3.5:计算输出误差,取y'N(k-1)的第一项与y(k)相比较,构成输出误差
步骤3.6:启发式校正,并计算k时刻对未来N个时刻的预测输出yN(k):
其中,校正向量h=[h1 h2 … hN]T由校正权系数{h1,h2,…,hN}构成;
步骤3.7:计算应用于(k+1)时刻的控制量u(k+1),获取yN(k),Aj根据τk=jT确定:
u(k+1)=u(k-σ(k))+cT·(Aj TQAj+R)-1Aj TQ[ωP(k)-yP(k)]
其中,cT=[1 0 … 0]M×1;Q=diag(q1,…,qP),{q1,…,qP}为表示对跟踪误差抑制程度的权系数;R=diag(r1,…,rM),{r1,…,rM}为表示对控制量变化抑制程度的权系数;ωP(k)=[ωk+1 ωk+2 … ωk+P]T,{ωk+1,ωk+2,…,ωk+P}为k时刻对未来P个时刻的期望输出;yP(k)为yN(k)的前P项,即yP(k)=[IP×P 0P×(N-P)]P×N·yN(k)。
步骤3.8:滚动时域,令k=k+1,进入下一时域迭代运算,回到步骤3.2。
本发明的技术构思为:首先,提出了一个易于处理网络化系统中时延、丢包、乱序的数学表达式,定义了执行器获得最新控制量的相关参数。其次,基于被控对象的状态空间模型,获得若干组阶跃响应系数,用于离线计算不同时延情况下的动态矩阵。最后,基于动态矩阵控制算法设计了控制器,给出了迭代步骤。
本发明的优点主要表现在:通过设定执行器、传感器、控制器的工作方式,将时延合并,易于分析;对乱序的数据包进行时序重排,减弱了数据包乱序对系统造成的影响;根据不同时延情况下的阶跃响应系数,离线计算了动态矩阵,在后续计算中可直接使用,降低了在线计算量;考虑不同时延情况下的阶跃响应系数,基于动态矩阵控制设计的控制器可以有效的解决时延、丢包、乱序等问题对系统的不利影响。
附图说明
图1是网络化模型的结构示意图。
图2是基于有时延和丢包的网络化系统设计的动态矩阵控制算法的原理图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2,一种具有时延和丢包网络化系统的动态矩阵控制方法,包括如下步骤:
1)根据时延序列选取最新控制量
从传感器到控制器的时延记为τsc,从控制器到执行器的时延记为τca,传感器和执行器采用时间驱动的方式,控制器采用事件驱动的方式,故将时延τsc和τca合并,即k时刻的总时延τk为:
τk=τsc+τca
k时刻的总时延τk满足τk∈N1={0,1,...,d}T,其中d为最大时延周期数,T为系统采样周期,则k时刻需要用于计算实际使用控制量的时延序列为:
τ(k)=[τk-d+1,...,τk-1,τk]
则k时刻选取最新控制量的参数σ(k):
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d},
其中,θk为k时刻的连续丢包数,且θk∈[0,s],s≤d,s为最大连续丢包数。
2)获得不同时延情况下的阶跃响应系数
被控对象的连续时间状态空间方程为:
则其离散化后的状态空间方程为:
其中,T为采样周期。则若系统在无时延情况下的阶跃响应系数向量为a=[a1,a2,…,aN]T,则在k时刻时延为τk=jT情况下的阶跃响应系数向量为:a*=[a1 *,a2 *,…,aN *]T,且:
3)基于动态矩阵控制算法设计控制器,过程如下:
参照图2,是基于动态矩阵控制算法设计的控制器;
步骤3.1:初始化(k=0)。控制时域M,预测时域P,模型时域N,且M≤P≤N;给定初始时刻对未来N个时刻的预测输出yN(0),控制量u(0)。针对时延为τk∈{0,1,...,d}T的(d+1)种情况,得到(d+1)组阶跃响应系数,构成动态矩阵控制中的控制矩阵{A0,A1,…,Ad}。
步骤3.2:计算σ(k)。
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d}
步骤3.3:通信。传感器以周期T对系统的输出进行采样,获得系统k时刻的输出值为y(k)。
步骤3.4:更新(k-1)时刻的预测值。施加控制量u(k)
步骤3.5:计算输出误差。取y'N(k-1)的第一项与y(k)相比较,构成输出误差
步骤3.6:启发式校正,并计算k时刻对未来N个时刻的预测输出yN(k)。
其中,校正向量h=[h1 h2 … hN]T由校正权系数{h1,h2,…,hN}构成。
步骤3.7:计算应用于(k+1)时刻的控制量u(k+1)。获取yN(k),Aj根据τk=jT确定。
u(k+1)=u(k-σ(k))+cT·(Aj TQAj+R)-1Aj TQ[ωP(k)-yP(k)]
其中,cT=[1 0 … 0]M×1;Q=diag(q1,…,qP),{q1,…,qP}为表示对跟踪误差抑制程度的权系数;R=diag(r1,…,rM),{r1,…,rM}为表示对控制量变化抑制程度的权系数;ωP(k)=[ωk+1 ωk+2 … ωk+P]T,{ωk+1,ωk+2,…,ωk+P}为k时刻对未来P个时刻的期望输出;yP(k)为yN(k)的前P项,即yP(k)=[IP×P 0P×(N-P)]P×N·yN(k)。
步骤3.8:滚动时域。令k=k+1,进入下一时域迭代运算,回到步骤3.2。
Claims (1)
1.一种具有时延和丢包网络化系统的动态矩阵控制方法,其特征在于:所述方法包括以下步骤:
1)根据时延序列选取最新控制量
从传感器到控制器的时延记为τsc,从控制器到执行器的时延记为τca,传感器和执行器采用时间驱动的方式,控制器采用事件驱动的方式,故将时延τsc和τca合并,即k时刻的总时延τk为:
τk=τsc+τca
k时刻的总时延τk满足τk∈N1,N1={0,1,...,d}T,其中,d为最大时延周期数,T为系统采样周期,则k时刻需要用于计算实际使用控制量的时延序列为:
τ(k)=[τk-d+1,...,τk-1,τk]
则k时刻选取最新控制量的参数σ(k)为:
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d},
其中,θk-r为(k-r)时刻的连续丢包数,且θk-r∈[0,s],s≤d,s为最大连续丢包数;
2)获得不同时延情况下的阶跃响应系数
被控对象的连续时间状态空间方程为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mover>
<mi>x</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>A</mi>
<mi>x</mi>
<mo>+</mo>
<mi>B</mi>
<mi>u</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mo>=</mo>
<mi>C</mi>
<mi>x</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
则其离散化后的状态空间方程为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mover>
<mi>B</mi>
<mo>&OverBar;</mo>
</mover>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>C</mi>
<mo>&OverBar;</mo>
</mover>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,T为采样周期,则若系统在无时延情况下的阶跃响应系数向量为a=[a1,a2,…,aN]T,则在k时刻时延为τk=jT情况下的阶跃响应系数向量为:a*=[a1 *,a2 *,…,aN *]T,且:
<mrow>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>C</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<mo>...</mo>
<mo>+</mo>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<mo>+</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
<mover>
<mi>B</mi>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>j</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>C</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mo>(</mo>
<msup>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<mo>...</mo>
<mo>+</mo>
<msup>
<mover>
<mi>A</mi>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>j</mi>
</mrow>
</msup>
<mo>)</mo>
</mrow>
<mover>
<mi>B</mi>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mi>i</mi>
<mo>></mo>
<mi>j</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
3)基于动态矩阵控制算法设计控制器,步骤如下:
步骤3.1:初始化,k=0,控制时域M,预测时域P,模型时域N,且M≤P≤N;给定初始时刻对未来N个时刻的预测输出yN(0),控制量u(0);针对时延为τk∈{0,1,...,d}T的(d+1)种情况,得到(d+1)组阶跃响应系数,构成动态矩阵控制中的控制矩阵Aj,Aj={A0,A1,…,Ad};
步骤3.2:计算σ(k)
σ(k)=r+θk-r,r=min{i|τk-i-(i+θk-i)T≤0,i=0,1,...,d}
步骤3.3:通信:传感器以周期T对系统的输出进行采样,获得系统k时刻的输出值为y(k);
步骤3.4:更新(k-1)时刻的预测值,施加控制量u(k)
<mrow>
<msubsup>
<mi>y</mi>
<mi>N</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>y</mi>
<mi>N</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mi>N</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>-</mo>
<mi>u</mi>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
步骤3.5:计算输出误差,取y'N(k-1)的第一项与y(k)相比较,构成输出误差
步骤3.6:启发式校正,并计算k时刻对未来N个时刻的预测输出yN(k):
其中,校正向量h=[h1 h2 … hN]T由校正权系数{h1,h2,…,hN}构成;
步骤3.7:计算应用于(k+1)时刻的控制量u(k+1),获取yN(k),Aj根据τk=jT确定,
u(k+1)=u(k-σ(k))+cT·(Aj TQAj+R)-1Aj TQ[ωP(k)-yP(k)]
其中,cT=[1 0 … 0]M×1;Q=diag(q1,…,qP),{q1,…,qP}为表示对跟踪误差抑制程度的权系数;R=diag(r1,…,rM),{r1,…,rM}为表示对控制量变化抑制程度的权系数;ωP(k)=[ωk+1 ωk+2 … ωk+P]T,{ωk+1,ωk+2,…,ωk+P}为k时刻对未来P个时刻的期望输出;yP(k)为yN(k)的前P项,即yP(k)=[IP×P 0P×(N-P)]P×N·yN(k);
步骤3.8:滚动时域,令k=k+1,进入下一时域迭代运算,回到步骤3.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510863398.6A CN105353622B (zh) | 2015-11-30 | 2015-11-30 | 一种具有时延和丢包网络化系统的动态矩阵控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510863398.6A CN105353622B (zh) | 2015-11-30 | 2015-11-30 | 一种具有时延和丢包网络化系统的动态矩阵控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105353622A CN105353622A (zh) | 2016-02-24 |
CN105353622B true CN105353622B (zh) | 2017-12-29 |
Family
ID=55329611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510863398.6A Active CN105353622B (zh) | 2015-11-30 | 2015-11-30 | 一种具有时延和丢包网络化系统的动态矩阵控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105353622B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108803335B (zh) * | 2018-06-25 | 2021-05-11 | 南京邮电大学 | 一种直流伺服电机控制乱序消除方法 |
CN109283916B (zh) * | 2018-10-15 | 2021-02-02 | 浙江工业大学 | 一种针对多传感网络化控制系统的数据包丢失的补偿方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625338A (zh) * | 2012-03-12 | 2012-08-01 | 浙江工业大学 | 一种具有数据包丢失的无线传感器网络滚动时域信噪比估计方法 |
-
2015
- 2015-11-30 CN CN201510863398.6A patent/CN105353622B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102625338A (zh) * | 2012-03-12 | 2012-08-01 | 浙江工业大学 | 一种具有数据包丢失的无线传感器网络滚动时域信噪比估计方法 |
Non-Patent Citations (6)
Title |
---|
Experimental verification of a delay compensation algorithm for integrated communication and control systems;Luck R,et al.;《 International Journal of Control》;19941231;第59卷(第6期);全文 * |
One-step receding horizon H∞ control for networked control systems with random delay and packet disordering;Andong Liu,et al.;《ISA Transactions》;20110131;第50卷(第1期);全文 * |
Time-stamped dynamic matrix control for networked control systems;Zhang Q,et al.;《Industrial Technology, 2005. ICIT 2005. IEEE International Conference on》;20051231;全文 * |
具有数据包丢失的网络控制系统保性能控制;宋洪波 等;《控制理论与应用》;20081031;第25卷(第5期);全文 * |
基于动态矩阵的随机时延丢包网络控制系统;葛阳 等;《信息与控制》;20111231;第40卷(第6期);全文 * |
网络系统中动态矩阵控制的稳定性条件;葛阳 等;《控制理论与应用》;20120731;第29卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105353622A (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Some necessary and sufficient conditions for consensus of second-order multi-agent systems with sampled position data | |
Jia et al. | Event-triggered fuzzy H∞ control for a class of nonlinear networked control systems using the deviation bounds of asynchronous normalized membership functions | |
Zhao et al. | Event-triggered optimal consensus tracking control for multi-agent systems with unknown internal states and disturbances | |
Lu et al. | Adaptive fuzzy output feedback control for nonlinear systems based on event-triggered mechanism | |
CN108828949A (zh) | 一种基于自适应动态规划的分布式最优协同容错控制方法 | |
CN110083064B (zh) | 一种基于非策略q-学习的网络最优跟踪控制方法 | |
Wen et al. | Event-based distributed recursive filtering for state-saturated systems with redundant channels | |
CN105353622B (zh) | 一种具有时延和丢包网络化系统的动态矩阵控制方法 | |
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 | |
Bai et al. | Neural-network-based adaptive fixed-time control for nonlinear multiagent non-affine systems | |
CN104639293B (zh) | 网络化控制系统丢包补偿装置及方法 | |
CN106054617A (zh) | 网络控制系统前向通道随机时延的在线预测方法 | |
CN113110055B (zh) | 时滞切换系统的自适应事件触发输出反馈控制方法及系统 | |
Wang et al. | Formation tracking of the second-order multi-agent systems using position-only information via impulsive control with input delays | |
Zhao et al. | Adaptive event-based robust passive fault tolerant control for nonlinear lateral stability of autonomous electric vehicles with asynchronous constraints | |
CN105469142A (zh) | 一种基于样本增量驱动的神经网络增量型前馈算法 | |
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 | |
Yang et al. | Model predictive control for cloud-integrated networked multiagent systems under bandwidth allocation | |
Mu et al. | Memory-event-triggered consensus control for multi-UAV systems against deception attacks | |
Li et al. | Networked controller and observer design of discrete-time systems with inaccurate model parameters | |
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 | |
CN111880406B (zh) | 基于Hebb学习的自适应预测控制主队列管理方法 | |
CN110456700A (zh) | 一种分布式网络数据传输驱动控制策略 | |
CN113515066B (zh) | 一种非线性多智能体系统动态事件触发控制方法 | |
Jing et al. | Robust fuzzy observer-based control for TCP/AQM network systems with state delay |
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 |