CN110032775A - 一种基于高阶滑模控制的网络设计方法 - Google Patents
一种基于高阶滑模控制的网络设计方法 Download PDFInfo
- Publication number
- CN110032775A CN110032775A CN201910224946.9A CN201910224946A CN110032775A CN 110032775 A CN110032775 A CN 110032775A CN 201910224946 A CN201910224946 A CN 201910224946A CN 110032775 A CN110032775 A CN 110032775A
- Authority
- CN
- China
- Prior art keywords
- network
- sliding mode
- control system
- order sliding
- mode control
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于高阶滑模控制的网络设计方法,包含以下步骤:A、基于OPC技术制作网络控制系统仿真平台;B、高阶滑模控制器的设计及其离散化影响分析;C、基于多步预估高阶滑模控制的网络控制系统性能改进;D、量化编码对高阶滑模网络控制系统的影响分析,本发明基于高阶滑模控制的网络设计方法从网络控制系统固有的网络时延和计算机控制系统离散化实现两方面深入考虑,并在实验室网络环境搭建基于OPC和Simulik技术的半物理网络仿真平台进行理论研究,对推动网络控制系统的实用化研究将具有重要的指导价值。
Description
技术领域
本发明涉及一种网络控制系统,具体是一种基于高阶滑模控制的网络设计方法。
背景技术
近年来,随着计算机技术、网络通信技术和控制技术等多个学科的交叉渗透和迅猛发展,集散控制系统、现场总线控制系统和工业以太网控制系统的陆续出现和广泛应用,标志着网络正成为控制系统的新特征。网络控制技术应用越来越广泛,例如基于internet的过程控制系统和过程控制实验,基于网络的永磁同步电机远程控制,网络机器人控制以及路径规划等。新型网络传输方式赋予传统控制系统以结构网络化、节点智能化、控制现场化、功能分散化、系统开放化的显著优势,蕴含着巨大的市场潜力,使得网络控制系统(Networked Control System,NCS)成为控制领域新兴的研究热点之一。
本发明旨在拓展新兴高阶滑模控制方法在网络控制系统中的应用,科学价值体现在新方法在新系统中的应用。特别的,从网络控制系统固有的网络时延和计算机控制系统离散化实现两方面深入考虑,并在实验室网络环境搭建基于OPC和Simulik技术的半物理网络仿真平台进行理论研究,这对推动网络控制系统的实用化研究将具有重要的理论指导价值。
发明内容
本发明的目的在于提供一种基于高阶滑模控制的网络设计方法,以解决所述背景技术中提出的问题。
为实现所述目的,本发明提供如下技术方案:
一种基于高阶滑模控制的网络设计方法,包含以下步骤:
A、基于OPC技术制作网络控制系统仿真平台;
B、高阶滑模控制器的设计及其离散化影响分析;
C、基于多步预估高阶滑模控制的网络控制系统性能改进;
D、量化编码对高阶滑模网络控制系统的影响分析。
作为本发明的进一步技术方案:所述步骤A具体是:基于OPC开发工具设计OPC服务器,利用Simulink引擎的通信接口实现两者之间的通讯;并基于力控软件设计显示界面,可实现实验室网络环境下两台计算机Simulink控制模块的通信,真实模拟实际网络存在的延迟对控制系统的影响。
作为本发明的进一步技术方案:所述步骤B具体是:基于实际系统常用的零阶保持器研究控制器的离散化实现,并针对离散后的系统稳定性、采样周期对控制系统暂态性能的影响进行理论证明和量化分析,从离散化单一影响方面揭示对整个网络控制系统的性能影响。
作为本发明的进一步技术方案:所述步骤C具体是:考虑不确定网络时延的存在性,引入排队理论将变化的时延变成固定的时延,将离散化的高阶滑模控制器与多步预测估计方法相结合克服其影响。
作为本发明的进一步技术方案:所述步骤D具体是:为与零阶保持器的离散化实现进行性能对比,研究二级量化器对高阶滑模网络控制系统的影响分析,并引入自适应量化机制克服量化级别对网络控制系统性能的影响。
作为本发明的进一步技术方案:所述仿真平台包括两台计算机。
作为本发明的进一步技术方案:一台计算机上运行控制器模型和力控组态软件,另一台计算机上运行OPC服务器和被控对象模型。
与现有技术相比,本发明的有益效果是:本发明基于高阶滑模控制的网络设计方法从网络控制系统固有的网络时延和计算机控制系统离散化实现两方面深入考虑,并在实验室网络环境搭建基于OPC和Simulik技术的半物理网络仿真平台进行理论研究,对推动网络控制系统的实用化研究将具有重要的指导价值。
附图说明
图1为网络控制系统仿真平台示意图。
图2为被控对象模型图。
图3为控制器模型图。
图4为基于高阶滑模控制的网络闭环控制系统框图。
图5为基于多步预估高阶滑模控制的网络闭环控制系统方案图。
图6为采用ΔΣ量化器的网络闭环控制系统框图。
图7为常规的ΔΣ量化器编码/解码框图。
图8为自适应二级量化器编码/解码实现框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1-8,一种基于高阶滑模控制的网络设计方法,包含以下步骤:A、基于OPC技术的网络控制系统仿真平台的设计;
以实验室已有的网络环境模拟工业以太网环境,基于OPC开发工具设计OPC服务器,利用Simulink引擎的通信接口实现两者之间的通讯;并基于力控软件设计显示界面,可实现实验室网络环境下两台计算机Simulink控制模块的通信,真实模拟实际存在的网络延迟对控制系统的影响。具体的,搭建的网络控制系统仿真平台框架如图1所示。
图1中,搭建该仿真平台至少需要两台计算机,其中控制器模型和力控组态软件运行在一台计算机上,OPC服务器和被控对象模型运行在另一台计算机上,控制器模型、被控对象模型和力控组态软件作为OPC客户端与OPC服务器相连接。OPC服务器中的数据项对象可以提供网络控制系统连接和传输的数据,OPC客户端可以从服务器中读取数据和把数据写入服务器中。将被控对象和控制器所在的计算机进行时钟同步采用北京时间,这样在被控对象和控制器进行数据通信时可以在参数变量中加入时间戳,对发送和接收的参数变量的产生时间和到达时间进行比较就可以计算出网络控制系统中的网络时延。具体地,基于OPC的两台电脑的Simulink模型已经建立,如图2和3所示。
B、目前针对连续时间被控对象设计数字化控制器的方法主要有连续化设计和离散化设计两种,其中以连续化设计方法更具有工程性,即先采用传统的连续设计方法设计模拟控制器,然后再将模拟控制器离散化。这里先不考虑网络时延的影响,单独考虑滑模控制器的离散化实现对系统性能的影响。由于在实际工程中,零阶保持器应用居多,这是选择它的原因。
这里以一类多变量单输入控制系统为例,假设系统可控,且通过模型变换可变换为可控规范型为
其中,x∈Rn是系统状态向量,且有 r>n,u∈R1是控制输入,
步骤1:连续时间域内高阶滑模控制器的设计
针对式(1),这里滑动模态σ∈R1选取为系统状态的线性组合,即有
σ=c1x1+c2x2+…+cn-rxn-r+xn-r+1 (2)
其中,c1,c2,…,cn-r,1为设计系数,使得pn-r+cn-rpn-r-1+...+c2p+c1为Hurwitz稳定,p为Laplace算子。
假设系统(1)具有r阶滑动模态,下面以σ及其对时间的r-1阶导数为变量构造一新滑模变量
其中,1也为Hurwitz多项式的系数。
定义矩阵变量w=[σ1,σ2,…,σr]T∈Rr,则有
其中,
将式(4)带入式(1),则多变量系统变为
其中,对应的滑模面(3)变为
其中,且滑模变量为w的显函数。
针对模型变换后的多变量系统(5),滑模面设计为(6),控制律设u只要按照常规的滑模等效控制原理,在满足滑模到达条件设计即可,即u=ueq+un,其中,ueq为等效控制项,un为切换控制项。
由于w隐含r阶滑动模态因此系统具有小瀑布控制模式,最终原系统(1)状态x都将渐近收敛到零。
步骤2:基于零阶保持器的高阶滑模控制器离散化
根据零阶保持器的离散化特性,即在一个采样周期h间隔内,采样值会一直保持到下个采样周期。因此,这里需要分别对被控多变量系统(5)和设计的高阶滑模控制器进行离散化,例如被控系统的离散化模型表示为
其中,
然而,对高阶滑模控制器的离散化需要特别注意,需要对其稳定性进行保障。按照已有的研究表明,离散化系统仅能收敛到一个区域内,而非零,因此对该离散化系统的稳定性、稳定区域确定,及在该区域内的动态特性分析将是本课题研究的重点。
C、基于多步预估高阶滑模控制的网络控制系统性能改进;联合以上高阶滑模控制器的离散化性能分析,这里进一步考虑网络时延的影响。这里真实考虑传感器和控制器网络节点输出皆为离散信号,系统构成框图如图4所示。其中,为传感器到控制器的时延,表示控制器到执行器的时延,k表示采样时刻。拟采用的控制方案如图5所示。
假设信号从采样时刻到控制器u,再到达执行器侧可能的最大时滞为NT,在执行器侧开辟长度为N的缓冲区uu。每隔周期T,执行器从缓冲区把uu(0)作为控制输入u送到对象上,并保持一个周期的时间。同时,执行器缓冲区中uu的序列左移一位。
第1步:通过一个采样信号求得系统的一个状态下x(k),利用下式向前预测N步:
其中:表示由状态x(k)向前预测j步求得状态x(k+j)的估计值,up1和up2序列初始值全为0,长度为N。up1序列中存放的是上次求得的控制序列u,up2序列中存放的是前N次求得的控制序列中u(N)的集合。
第2步:对第1步预测得到的系统N个状态,求得将要施加在对象上的N步控制量u,构造N个切换超平面(j从1到N):
每得到一个采样信号,根据构造的N个切换超平面就可以计算出N个控制量u(控制序列u),up1序列的值用控制序列u的值来更新,即up1(j)=u(j),1≤j≤N。up2序列中的值左移一位,即up2(2)进入up2(1)的位置,…,up2(N)进入up2(N-1)的位置,up2(N)则用u(N)代替。
第3步:将求得的控制序列u作为一个数据包一次全部传到执行器侧,根据到达执行器侧u的时滞,来更新执行器侧缓冲区的值。具体的,从每一个采样计算出来的u,在它到达执行器后,设时滞为τ=dT+τ′T,0≤τ′<1,(0≤d≤N)。那么用u中的N-d个控制量(从u(d+1)到u(N))来更新缓冲区uu序列中N-d个值(从uu(0)到uu(N-d-1))。
然后,重复上述步骤,一旦有采样信号到达控制器,重复进行。
D、量化编码对高阶滑模网络控制系统的影响分析;在网络控制系统中,量化器的存在会影响系统的稳定性和系统的动态特性。因此,这里考虑二级量化器对网络控制系统性能的影响,采样信号通过量化器进行编码,这里采用ΔΣ量化器,如图6所示;
ΔΣ量化器主要采用过采样技术、噪声整形技术以及滤波技术提高量化精度,因此应用广泛。如图6所示,通过εx将采样信号x(t)量化编码为1-b信号δx∈[{0,1},…,{0,1}]T∈Rn,然后通过信道传输给Dx进行解码,解码后的采样信号作为控制器的输入。控制器根据采样信号计算出控制量u(t),然后通过εu将其量化编码为1-b信号δu∈[{0,1},…,{0,1}]T∈Rm,通过信道传输给Du进行解码,解码后的控制量用来控制系统的状态。
常规的ΔΣ量化器如图7所示。由于本文采用最简单的高阶滑模控制方法,即滑动模态仅取2,并引入自适应量化机制克服量化级别对网络控制系统性能的影响,提出如下实现框图如图8所示。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种基于高阶滑模控制的网络设计方法,其特征在于,包含以下步骤:
基于OPC技术制作网络控制系统仿真平台;
高阶滑模控制器的设计及其离散化影响分析;
基于多步预估高阶滑模控制的网络控制系统性能改进;
量化编码对高阶滑模网络控制系统的影响分析。
2.根据权利要求1所述的一种基于高阶滑模控制的网络设计方法,其特征在于,所述步骤A具体是:基于OPC开发工具设计OPC服务器,利用Simulink引擎的通信接口实现两者之间的通讯;并基于力控软件设计显示界面,实现实验室网络环境下两台计算机Simulink控制模块的通信,真实模拟实际网络存在的延迟对控制系统的影响。
3.根据权利要求1所述的一种基于高阶滑模控制的网络设计方法,其特征在于,所述步骤B具体是:基于实际系统常用的零阶保持器研究控制器的离散化实现,并针对离散后的系统稳定性、采样周期对控制系统暂态性能的影响进行理论证明和量化分析,从离散化单一影响方面揭示对整个网络控制系统的性能影响。
4.根据权利要求1所述的一种基于高阶滑模控制的网络设计方法,其特征在于,所述步骤C具体是:考虑不确定网络时延的存在性,引入排队理论将变化的时延变成固定的时延,将离散化的高阶滑模控制器与多步预测估计方法相结合克服其影响。
5.根据权利要求1所述的一种基于高阶滑模控制的网络设计方法,其特征在于,所述步骤D具体是:为与零阶保持器的离散化实现进行性能对比,研究二级量化器对高阶滑模网络控制系统的影响分析,并引入自适应量化机制克服量化级别对网络控制系统性能的影响。
6.根据权利要求1所述的一种基于高阶滑模控制的网络设计方法,其特征在于,所述仿真平台包括两台计算机。
7.根据权利要求6所述的一种基于高阶滑模控制的网络设计方法,其特征在于,一台计算机上运行控制器模型和力控组态软件,另一台计算机上运行OPC服务器和被控对象模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910224946.9A CN110032775A (zh) | 2019-03-24 | 2019-03-24 | 一种基于高阶滑模控制的网络设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910224946.9A CN110032775A (zh) | 2019-03-24 | 2019-03-24 | 一种基于高阶滑模控制的网络设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110032775A true CN110032775A (zh) | 2019-07-19 |
Family
ID=67236512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910224946.9A Pending CN110032775A (zh) | 2019-03-24 | 2019-03-24 | 一种基于高阶滑模控制的网络设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110032775A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556841A (zh) * | 2019-08-29 | 2019-12-10 | 天津大学 | 一种计及无线通信时延的孤岛微电网频率控制器设计方法 |
CN110837254A (zh) * | 2019-11-04 | 2020-02-25 | 哈尔滨工程大学 | 一种水翼艇纵向运动控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367935A (zh) * | 2017-07-25 | 2017-11-21 | 哈尔滨理工大学 | 一种基于TrueTime的网络控制系统补偿策略的方法 |
CN109062046A (zh) * | 2018-08-13 | 2018-12-21 | 河海大学常州校区 | 基于rbf神经网络的微陀螺仪系统超扭曲滑模控制方法 |
US20190031341A1 (en) * | 2015-12-22 | 2019-01-31 | Intel Corporation | UNIVERSAL CONTROLLER FOR ROBUST TRAJECTORY TRACKING IN MULTIROTOR UNMANNED AERIAL VEHICLES (UAVs) |
-
2019
- 2019-03-24 CN CN201910224946.9A patent/CN110032775A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190031341A1 (en) * | 2015-12-22 | 2019-01-31 | Intel Corporation | UNIVERSAL CONTROLLER FOR ROBUST TRAJECTORY TRACKING IN MULTIROTOR UNMANNED AERIAL VEHICLES (UAVs) |
CN107367935A (zh) * | 2017-07-25 | 2017-11-21 | 哈尔滨理工大学 | 一种基于TrueTime的网络控制系统补偿策略的方法 |
CN109062046A (zh) * | 2018-08-13 | 2018-12-21 | 河海大学常州校区 | 基于rbf神经网络的微陀螺仪系统超扭曲滑模控制方法 |
Non-Patent Citations (2)
Title |
---|
OTHMANE ZAMZOUM 等: "Active and Reactive Power Control of Wind Turbine based on Doubly Fed Induction Generator using Adaptive Sliding Mode Approach", 《INTERNATIONAL JOURNAL OF ADVANCED COMPUTER SCIENCE AND APPLICATIONS》 * |
陈秀琴 等: "具有时滞和参数不确定性的网络系统的滑模控制", 《数学的实践与认识》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110556841A (zh) * | 2019-08-29 | 2019-12-10 | 天津大学 | 一种计及无线通信时延的孤岛微电网频率控制器设计方法 |
CN110556841B (zh) * | 2019-08-29 | 2022-11-04 | 天津大学 | 一种计及无线通信时延的孤岛微电网频率控制器设计方法 |
CN110837254A (zh) * | 2019-11-04 | 2020-02-25 | 哈尔滨工程大学 | 一种水翼艇纵向运动控制方法 |
CN110837254B (zh) * | 2019-11-04 | 2022-10-28 | 哈尔滨工程大学 | 一种水翼艇纵向运动控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Stability and persistent disturbance attenuation properties for a class of networked control systems: switched system approach | |
Zhang et al. | Variance‐constrained state estimation for networked multi‐rate systems with measurement quantization and probabilistic sensor failures | |
Zhang et al. | Robust ℋ︁∞ PID control for multivariable networked control systems with disturbance/noise attenuation | |
Li et al. | Optimal stabilizing gain selection for networked control systems with time delays and packet losses | |
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 | |
Xia et al. | H∞ predictive control of networked control systems | |
CN110032775A (zh) | 一种基于高阶滑模控制的网络设计方法 | |
Sheng et al. | Optimal consensus control of linear multi‐agent systems with communication time delay | |
CN114239718B (zh) | 基于多元时序数据分析的高精度长期时间序列预测方法 | |
Kim et al. | Schedule-aware performance estimation of communication architecture for efficient design space exploration | |
Jin et al. | Iterative learning control for nonlinear systems with data dropouts at both measurement and actuator sides | |
Vitturi et al. | Real-time networks and protocols for factory automation and process control systems [scanning the issue] | |
Li et al. | Sparse control and compressed sensing in networked switched systems | |
Li et al. | control for networked stochastic non‐linear systems with randomly occurring sensor saturations, multiple delays and packet dropouts | |
Li et al. | Stability of an improved dynamic quantised system with time‐varying delay and packet losses | |
CN115713044B (zh) | 一种多工况切换下的机电设备剩余寿命分析方法和装置 | |
Zhao et al. | Stochastic stabilisation of wireless networked control systems with lossy multi‐packet transmission | |
Liquan et al. | Improved generalized sparsity adaptive matching pursuit algorithm based on compressive sensing | |
Li et al. | New results on stability analysis and stabilisation of networked control system | |
Han et al. | Optimal filter for MJL system with delayed modes and observations | |
Lian et al. | Sliding mode control for non‐linear networked control systems subject to packet disordering via prediction method | |
Zhu et al. | Quantised consensus of heterogeneous multi‐agent systems | |
US11373113B1 (en) | Methods and apparatus for parallel quantum computing | |
Adilla Mohd Subha et al. | External consensus in multi‐agent systems with large consecutive data loss under unreliable networks | |
Short et al. | Dependable control for wireless distributed control systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190719 |