CN111045331B - 一种网络化控制系统及预测输出跟踪控制方法 - Google Patents

一种网络化控制系统及预测输出跟踪控制方法 Download PDF

Info

Publication number
CN111045331B
CN111045331B CN201911358072.2A CN201911358072A CN111045331B CN 111045331 B CN111045331 B CN 111045331B CN 201911358072 A CN201911358072 A CN 201911358072A CN 111045331 B CN111045331 B CN 111045331B
Authority
CN
China
Prior art keywords
controlled object
sequence
control
output data
delay
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
Application number
CN201911358072.2A
Other languages
English (en)
Other versions
CN111045331A (zh
Inventor
庞中华
孙健
刘国平
王力
孙德辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Technology
Original Assignee
North China University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China University of Technology filed Critical North China University of Technology
Priority to CN201911358072.2A priority Critical patent/CN111045331B/zh
Publication of CN111045331A publication Critical patent/CN111045331A/zh
Application granted granted Critical
Publication of CN111045331B publication Critical patent/CN111045331B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明实施例提供一种网络化控制系统及预测输出跟踪控制方法，网络化控制系统包括数据缓存器、预测控制器和时延补偿器；数据缓存器缓存被控对象的输出数据序列，预测控制器，用于根据被控对象的输出数据序列和参考输入信号，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将控制量预测值序列发送给时延补偿器；时延补偿器从控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。本发明实施例充分利用通信网络的“包传输”特性，主动补偿网络化系统反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失。

Description

一种网络化控制系统及预测输出跟踪控制方法
技术领域
本发明属于自动控制技术领域，尤其涉及一种网络化控制系统及预测输出跟踪控制方法。
背景技术
近年来，随着工业化与信息化的飞速发展，通信网络有面向自动化的辅助作用，已逐渐发展到与各类工业控制系统的全面、深度融合，从而产生了众多网络化控制系统。与传统的点对点控制系统相比，网络化控制系统具有很多优势，如：简化了系统设计和安装，降低了系统成本和能量消耗，便于资源共享和远程控制，增强了系统的灵活性、可靠性及可移动性等。因此，网络化控制系统已广泛应用于国民经济和国防建设的各个领域，如：过程控制、航空航天、交通管理、电力生产、设备制造、机器人控制、远程医疗、无人机、汽车电子、智能家居等。而随着互联网+智能时代的到来，可以预想到，网络化控制系统将会出现在更多更广的领域。
然而，由于网络带宽等条件的限制，网络本身也会给网络化控制系统带来许多不利因素，如：网络诱导时延、数据包乱序与丢失等，这些通信约束可导致系统性能下降甚至失稳。因此，近年来，针对存在上述通信约束的网络化系统，众多学者和工程师进行了深入而广泛的研究，并取得了大量的研究成果，而针对网络化系统的输出跟踪控制问题，研究相对较少，且现有方法还存在以下不足：1)有些方法将随机网络诱导时延和连续数据丢包数按其最大上界处理为定常网络诱导时延和连续数据丢包数，具有较强的保守性；2)有些方法虽然是针对随机网络诱导时延、数据包乱序与丢失等通信约束进行设计的，但其控制性能也会随之随机波动；3)当系统与其模型不匹配时，有些方法将产生稳态输出跟踪误差。由于上述局限，大大限制了现有网络化输出跟踪控制方法在实际工程中的应用和推广。
发明内容
为克服上述现有问题或者至少部分地解决上述问题，本发明实施例提供一种网络化控制系统及预测输出跟踪控制方法。
根据本发明实施例的第一方面，提供一种网络化控制系统，所述网络化控制系统包括数据缓存器、预测控制器和时延补偿器；
所述数据缓存器，用于缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
所述预测控制器，用于根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
所述时延补偿器，用于从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
根据本发明实施例第二方面提供一种网络化控制系统的预测输出跟踪控制方法，包括：
数据缓存器缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述被控对象的输出数据序列表示为：
Figure BDA0002336474650000031
数据缓存器在每一个采样时刻，将所述被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器；
其中，k为采样时刻，
Figure BDA0002336474650000032
为反馈通道随机网络时延的上界。
可选的，通过如下线性系统描述被控对象：
Figure BDA0002336474650000033
式中，x(k)∈Rn、u(k)∈Rm和y(k)∈Rp分别为被控对象的状态、输入和输出；A∈Rn ×n、B∈Rn×m和C∈Rp×n分别为系数矩阵，(A,B)能控，(A,C)能观；
系统输出y(k)跟踪参考输入信号r(k)∈Rp的输出跟踪误差为：
e(k)＝r(k)-y(k)；(2)
公式(1)的增量形式表示为：
Figure BDA0002336474650000034
式中，
Figure BDA0002336474650000035
由式(2)和式(3)可得：
e(k+1)＝e(k)-CAΔx(k)-CBΔu(k)+Δr(k+1)；(4)
式中，Δr(k+1)＝r(k+1)-r(k)；
将公式(3)和公式(4)结合，得到被控对象的增广状态空间模型：
Figure BDA0002336474650000036
式中，
Figure BDA0002336474650000041
Figure BDA0002336474650000042
Figure BDA0002336474650000043
Ce＝[C 0],
Figure BDA0002336474650000044
其中，0和I分别为零矩阵和单位矩阵。
可选的，所述预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器包括：
基于接收的被控对象的最新输出数据
Figure BDA0002336474650000045
计算对应的控制量预测值
Figure BDA0002336474650000046
其中，
Figure BDA0002336474650000047
为反馈通道在k时刻的实时网络时延；
将所述被控对象的输出数据序列对应的控制量预测值序列
Figure BDA0002336474650000048
及其相应的时间戳k打包发送给时延补偿器，其中，
Figure BDA0002336474650000049
为前向通道的随机网络时延的上界。
可选的，所述基于接收的被控对象的最新输出数据
Figure BDA00023364746500000410
计算对应的控制量预测值
Figure BDA00023364746500000411
包括：
建立状态观测器：
Figure BDA00023364746500000412
式中，
Figure BDA00023364746500000413
为状态
Figure BDA00023364746500000414
的估计值，L∈Rn×p为观测器增益矩阵；
由式(6)得到系统在
Figure BDA00023364746500000415
时刻状态估计值的增量为：
Figure BDA00023364746500000416
利用式(5)，得到如下系统增广状态预测值：
Figure BDA0002336474650000051
式中，i＝1,2,…,
Figure BDA0002336474650000052
且
Figure BDA0002336474650000053
Figure BDA0002336474650000054
基于增广状态反馈的控制律为：
Figure BDA0002336474650000055
式中，K∈Rm×(n+p)为状态反馈增益矩阵，系统在
Figure BDA0002336474650000056
时刻的控制信号为：
Figure BDA0002336474650000057
控制量预测值序列表示为：
Figure BDA0002336474650000058
可选的，所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括：
在每个采样时刻，根据接收到的最新控制量预测值序列
Figure BDA0002336474650000059
从中选择第
Figure BDA00023364746500000510
个控制量预测值，施加于被控对象，以主动补偿系统前向通道中的随机网络时延，其中，
Figure BDA00023364746500000511
为采样时刻k，前向通道的随机网络时延。
本发明实施例提供一种网络化控制系统及网络化控制系统的预测输出跟踪控制方法，该方法通过充分利用通信网络的“包传输”特性，主动补偿网络化系统反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的网络化控制系统整体结构示意图；
图2为本发明实施例提供的网络化控制系统的预测输出跟踪控制方法流程图；
图3是系统/模型匹配时无随机网络时延的本地控制效果图
图4是系统/模型匹配时有随机网络时延但无补偿的控制效果图
图5是系统/模型匹配时有随机网络时延且有补偿的控制效果图
图6是系统/模型不匹配时无随机网络时延的本地控制效果图
图7是系统/模型不匹配时有随机网络时延但无补偿的控制效果图
图8是系统/模型不匹配时有随机网络时延且有补偿的控制效果图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
在本发明的一个实施例中提供一种基于预测输出跟踪控制的网络化控制系统，图1为本发明实施例提供的网络化控制系统整体结构示意图，该网络化控制系统包括数据缓存器、预测控制器和时延补偿器。
其中，数据缓存器，用于缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
预测控制器，用于根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
所述时延补偿器，用于从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
可以理解的是，现有技术中的由于网络带宽等条件的限制以及网络本身给控制系统带来的许多不利因素，如：网络诱导时延、数据包乱序与丢失等，这些通信约束可导致系统性能下降甚至失稳。为了解决现有技术中的问题，本发明实施例充分利用通信网络的“包传输”特性，提供一种基于预测输出跟踪控制的网络化控制系统，以主动补偿网络化系统的反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失的情况。
在本发明实施例中，反馈通道和前向通道中的随机网络诱导时延、数据包乱序与丢失将被分别统一处理为各自通道(包括反馈通道和前向通道)的随机网络时延。为了补偿反馈通道和前向通道中的随机网络时延，本发明实施例中的网络化控制系统主要包括数据缓存器、预测控制器和时延补偿器。
其中，数据缓存器设置在传感器中，主要用于缓存被控对象的输出数据，并将其与时间戳打包发往控制器。
预测控制器设置在控制器中，利用来自数据缓存器的反馈数据(即被控对象的输出数据及其时间戳)、参考输入信号和预测控制器中保存的历史控制量，根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，采用预测控制方法，计算控制量预测值，并将一组控制量预测值序列及其时间戳打包发往时延补偿器。
时延补偿器设置在执行器中，缓存从预测控制器发送过来的最新控制量预测值序列，并根据时间戳从中选择施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
在本发明的另一个实施例中提供一种网络化控制系统的预测输出跟踪控制方法，图2为本发明实施例提供的网络化控制系统的预测输出跟踪控制方法流程图，该跟踪控制方法包括：
数据缓存器缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
可以理解的是，本发明实施例充分利用通信网络的“包传输”特性，提供一种基于预测输出跟踪控制的网络化控制系统，以主动补偿网络化系统的反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失的情况。
在上述实施例的基础上，本发明实施例中，被控对象的输出数据序列表示为：
Figure BDA0002336474650000081
数据缓存器在每一个采样时刻，将被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器；
其中，k为采样时刻，
Figure BDA0002336474650000082
为反馈通道随机网络时延的上界。
在上述实施例的基础上，本发明实施例中，通过如下线性系统描述被控对象：
Figure BDA0002336474650000083
式中，x(k)∈Rn、u(k)∈Rm和y(k)∈Rp分别为被控对象的状态、输入和输出；A∈Rn ×n、B∈Rn×m和C∈Rp×n分别为系数矩阵，(A,B)能控，(A,C)能观。假定网络化系统的反馈通道和前向通道中的随机网络时延分别为
Figure BDA0002336474650000091
和
Figure BDA0002336474650000092
其中
Figure BDA0002336474650000093
和
Figure BDA0002336474650000094
为整数。
本发明实施例中，考虑反馈通道的随机网络时延
Figure BDA0002336474650000095
和前向通道的随机网络时延
Figure BDA0002336474650000096
系统输出y(k)跟踪参考输入信号r(k)∈Rp的输出跟踪误差为：
e(k)＝r(k)-y(k)；(2)
公式(1)的增量形式表示为：
Figure BDA0002336474650000097
式中，
Figure BDA0002336474650000098
由式(2)和式(3)可得：
e(k+1)＝e(k)-CAΔx(k)-CBΔu(k)+Δr(k+1)；(4)
式中，Δr(k+1)＝r(k+1)-r(k)。
将公式(3)和公式(4)结合，得到被控对象的增广状态空间模型：
Figure BDA0002336474650000099
式中，
Figure BDA00023364746500000910
Figure BDA00023364746500000911
Figure BDA00023364746500000912
Ce＝[C 0],
Figure BDA00023364746500000913
其中，0和I分别为零矩阵和单位矩阵，由式(1)可以看出，线性系统(1)的输出跟踪控制问题转化为了增广系统(5)的镇定问题。本发明实施例的目标是，针对增广系统(5)，考虑随机网络时延
Figure BDA0002336474650000101
和
Figure BDA0002336474650000102
设计一种网络化控制方案，使所得闭环系统全局渐进一致稳定。
在上述实施例的基础上，本发明实施例中，预测控制器根据被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将控制量预测值序列发送给时延补偿器包括：
基于接收的被控对象的最新输出数据
Figure BDA0002336474650000103
计算对应的控制量预测值
Figure BDA0002336474650000104
其中，
Figure BDA0002336474650000105
为反馈通道在k时刻的实时网络时延；
将所述被控对象的输出数据序列对应的控制量预测值序列
Figure BDA0002336474650000106
及其相应的时间戳k打包发送给时延补偿器，其中，
Figure BDA0002336474650000107
为前向通道的随机网络时延的上界。
可以理解的是，在本发明实施例中，(A,B)是能控的，(A,C)是能观的；网络化控制系统的数据缓存器、预测控制器和时延补偿器均为时间驱动，且时钟同步；随机网络时延有界，即满足
Figure BDA0002336474650000108
和
Figure BDA0002336474650000109
其中
Figure BDA00023364746500001010
和
Figure BDA00023364746500001011
为整数；网络中传输的数据序列附带时间戳。
其中，数据缓存器缓存被控对象的输出数据序列
Figure BDA00023364746500001012
在每一个采样时刻，数据缓存器将输出数据序列Y(k)及其时间戳k打包发往预测控制器。
在上述各实施例的基础上，本发明实施例中，预测控制器基于接收的被控对象的最新输出数据
Figure BDA00023364746500001013
计算对应的控制量预测值
Figure BDA00023364746500001014
并得到控制量预测值序列
Figure BDA00023364746500001015
具体过程为：
在实际应用中，由于系统的实际状态一般无法直接测量，为了在预测控制器中得到系统在
Figure BDA00023364746500001016
时刻的状态估计值，本发明实施例建立如下状态观测器：
Figure BDA0002336474650000111
式中，
Figure BDA0002336474650000112
为状态
Figure BDA0002336474650000113
的估计值，L∈Rn×p为观测器增益矩阵，一般可采用常规现代控制理论来设计，如极点配置方法等。
由式(6)得到系统在
Figure BDA0002336474650000114
时刻状态估计值的增量为：
Figure BDA0002336474650000115
利用式(5)，得到如下系统增广状态预测值：
Figure BDA0002336474650000116
式中，i＝1,2,…,
Figure BDA0002336474650000117
且
Figure BDA0002336474650000118
Figure BDA0002336474650000119
基于增广状态反馈的控制律为：
Figure BDA00023364746500001110
式中，K∈Rm×(n+p)为状态反馈增益矩阵，一般可采用常规现代控制理论来设计，如极点配置方法等，系统在
Figure BDA00023364746500001111
时刻的控制信号为：
Figure BDA00023364746500001112
在每个采样时刻，控制量预测值序列表示为：
Figure BDA00023364746500001113
预测控制器将控制量预测值序列及其时间戳k打包发往时延补偿器。
在上述各实施例的基础上，本发明实施例中，所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括：
在每个采样时刻，根据接收到的最新控制量预测值序列
Figure BDA0002336474650000121
从中选择第
Figure BDA0002336474650000122
个控制量预测值，施加于被控对象，以主动补偿系统前向通道中的随机网络时延，其中，
Figure BDA0002336474650000123
为采样时刻k，前向通道的随机网络时延。
可以理解的是，时延补偿器设置在执行器中，用于在每个采样时刻，基于接收到的来自预测控制器的最新控制量预测值序列
Figure BDA0002336474650000124
从中选择第
Figure BDA0002336474650000125
个控制量，即u(k)，施加于被控对象，以主动补偿系统前向通道中的随机网络时延，其中
Figure BDA0002336474650000126
可由执行器当前时间减去收到的来自控制器的最新时间戳得到。
需要说明的是，在某些情况，可能无法得到如前述公式(1)描述被控对象的精确数学模型，假设仅能得到系统的如下模型：
Figure BDA0002336474650000127
式中，
Figure BDA0002336474650000128
分别与矩阵A、B、C具有相同的维数，在此情况下，上述控制方案相应部分将基于参数矩阵
Figure BDA0002336474650000129
进行设计，即式(6)、式(8)和式(9)，其他部分不变。
下面利用MATLAB软件对本发明的控制方案进行数值仿真验证。考虑某一无刷直流电机系统，其输出为电机速度，即y(k)为电机速度，输入为驱动电压，即u(k)为驱动电压，取采样时间为0.05s时，其状态空间模型参数为：
Figure BDA00023364746500001210
C＝[4.24 2.672]；
系统的参考输入选为方波信号，电机的初始状态取为x(0)＝[0 0]T，状态观测器，可参见前述公式(6)，和增广系统状态空间模型，可参见公式(5)的闭环期望极点分别取为：P＝[0.5+0.1j 0.5-0.1j]和Q＝[0.6+0.2j 0.6-0.2j 0.1]。
在仿真中，假定系统反馈通道中的随机网络时延为2～5步，前向通道中的随机网络时延为1～4步，即
Figure BDA0002336474650000131
仿真分为如下两种情形进行：
以下网络化系统简称系统，描述被控对象的数学模型简称模型，系统/模型匹配时，采用极点配置方法可以分别得到如下状态观测器增益矩阵L和状态反馈增益矩阵K：
L＝[0.0201 0.0362]T；
K＝[0.2006 -0.0311 -0.0047]；
仿真分为如下3种情况进行：(1)无网络时延；(2)有网络时延但无补偿；(3)有网络时延且有补偿。仿真结果分别如附图3-5所示。
附图3为系统/模型匹配时，电机系统无随机网络时延的本地控制结果图，从附图3中可以看出，电机系统的输出可以很好地跟踪时变参考输入。
附图4为系统/模型匹配时，电机系统有随机网络时延但无补偿的控制结果图，从附图4中可以看出，与本地控制结果(附图3)相比，网络化系统中的随机网络时延最终导致了电机系统的发散。
附图5为系统/模型匹配时，电机系统有随机网络时延且有补偿的控制结果图，即本发明实施例的跟踪控制方案。从附图5中可以看出，与无补偿网络化系统的控制结果(附图4)相比，在同样随机网络时延的影响下，有补偿网络化系统的输出跟踪性能得到了大大改善，甚至接近于无随机网络时延的本地控制效果(附图3)，若电机系统的初始状态为某一稳态，本发明实施例的控制方案可实现与无随机网络时延的本地控制完全相同的控制效果。
系统/模型不匹配情形，当系统/模型不匹配时，即无法得到电机系统的精确数学模型，假定只能得到如下参数矩阵：
Figure BDA0002336474650000132
Figure BDA0002336474650000133
采用极点配置方法可以分别得到如下观测器增益矩阵
Figure BDA0002336474650000134
和控制器增益矩阵
Figure BDA0002336474650000135
Figure BDA0002336474650000136
Figure BDA0002336474650000141
仿真分为如下3种情况进行：(1)无网络时延；(2)有网络时延但无补偿；(3)有网络时延且有补偿。仿真结果分别如附图6-8所示。
附图6为系统/模型不匹配时，电机系统无随机网络时延的本地控制结果图。从附图6中可以看出，电机系统存在较大模型失配时，与模型匹配情形(附图3)相比，输出跟踪性能有所变差，但系统输出仍能跟踪参考输入信号，且能够保证零稳态输出跟踪误差。
附图7为系统/模型不匹配时，电机系统有随机网络时延但无补偿的控制结果图。从附图7中可以看出，与电机系统无随机网络时延的本地控制结果(附图6)相比，网络化系统中的随机网络时延最终导致了电机系统的发散。
附图8为系统/模型不匹配时，电机系统有随机网络时延且有补偿的控制结果图。从附图8中可以看出，与无补偿网络化系统的控制结果(附图7)相比，在同样随机网络时延的影响下，有补偿网络化系统的输出跟踪性能得到了大大改善，甚至接近于无随机网络时延的本地控制效果(附图6)。另外，有补偿网络化系统在存在较大模型失配时，与模型匹配情形(附图5)相比，输出跟踪性能有所变差，但系统输出仍能跟踪参考输入信号，且能够保证零稳态输出跟踪误差。由以上分析可以看出，本发明实施例提供的网络化控制系统的预测输出跟踪方法是有效的。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种基于预测输出跟踪控制的网络化控制系统，其特征在于，所述网络化控制系统包括数据缓存器、预测控制器和时延补偿器；
所述数据缓存器，用于缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
所述预测控制器，用于根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
所述时延补偿器，用于从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿；
所述被控对象的输出数据序列表示为：
Figure FDA0003546261640000011
数据缓存器在每一个采样时刻，将所述被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器；
其中，y(k)为所述被控对象的输出，k为采样时刻，
Figure FDA0003546261640000012
为反馈通道随机网络时延的上界；
所述预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器包括：
基于接收的被控对象的最新输出数据
Figure FDA0003546261640000013
计算对应的控制量预测值
Figure FDA0003546261640000014
其中，
Figure FDA0003546261640000015
为反馈通道在k时刻的实时网络时延；
将所述被控对象的输出数据序列对应的控制量预测值序列
Figure FDA0003546261640000016
及其相应的时间戳k打包发送给时延补偿器，其中，
Figure FDA0003546261640000017
为前向通道的随机网络时延的上界；
所述基于接收的被控对象的最新输出数据
Figure FDA0003546261640000021
计算对应的控制量预测值
Figure FDA0003546261640000022
包括：
建立状态观测器：
Figure FDA0003546261640000023
式中，
Figure FDA0003546261640000024
为状态
Figure FDA0003546261640000025
的估计值，L∈Rn×p为观测器增益矩阵；
由式(6)得到系统在
Figure FDA0003546261640000026
时刻状态估计值的增量为：
Figure FDA0003546261640000027
利用式(5)，得到如下系统增广状态预测值：
Figure FDA0003546261640000028
式中，
Figure FDA0003546261640000029
且
Figure FDA00035462616400000210
Figure FDA00035462616400000211
基于增广状态反馈的控制律为：
Figure FDA00035462616400000212
式中，
Figure FDA00035462616400000213
为
Figure FDA00035462616400000214
时刻的控制增量，K∈Rm×(n+p)为状态反馈增益矩阵，系统在
Figure FDA00035462616400000215
时刻的控制信号为：
Figure FDA00035462616400000216
控制量预测值序列表示为：
Figure FDA00035462616400000217
2.一种基于权利要求1所述的网络化控制系统的预测输出跟踪控制方法，其特征在于，包括：
数据缓存器缓存被控对象的输出数据序列，并将所述被控对象的输出数据序列发送给预测控制器；
预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器；
时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿；
所述被控对象的输出数据序列表示为：
Figure FDA0003546261640000031
数据缓存器在每一个采样时刻，将所述被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器；
其中，y(k)为所述被控对象的输出，k为采样时刻，
Figure FDA0003546261640000032
为反馈通道随机网络时延的上界；
所述预测控制器根据所述被控对象的输出数据序列和参考输入信号，以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界，基于被控对象的增广状态空间模型，计算控制量预测值序列，且将所述控制量预测值序列发送给时延补偿器包括：
基于接收的被控对象的最新输出数据
Figure FDA0003546261640000033
计算对应的控制量预测值
Figure FDA0003546261640000034
其中，
Figure FDA0003546261640000035
为反馈通道在k时刻的实时网络时延；
将所述被控对象的输出数据序列对应的控制量预测值序列
Figure FDA0003546261640000036
及其相应的时间戳k打包发送给时延补偿器，其中，
Figure FDA0003546261640000037
为前向通道的随机网络时延的上界；
所述基于接收的被控对象的最新输出数据
Figure FDA0003546261640000038
计算对应的控制量预测值
Figure FDA0003546261640000039
包括：
建立状态观测器：
Figure FDA00035462616400000310
式中，
Figure FDA00035462616400000311
为状态
Figure FDA00035462616400000312
的估计值，L∈Rn×p为观测器增益矩阵；
由式(6)得到系统在
Figure FDA0003546261640000041
时刻状态估计值的增量为：
Figure FDA0003546261640000042
利用式(5)，得到如下系统增广状态预测值：
Figure FDA0003546261640000043
式中，
Figure FDA0003546261640000044
且
Figure FDA0003546261640000045
Figure FDA0003546261640000046
基于增广状态反馈的控制律为：
Figure FDA0003546261640000047
式中，
Figure FDA0003546261640000048
为
Figure FDA0003546261640000049
时刻的控制增量，K∈Rm×(n+p)为状态反馈增益矩阵，系统在
Figure FDA00035462616400000410
时刻的控制信号为：
Figure FDA00035462616400000411
控制量预测值序列表示为：
Figure FDA00035462616400000412
3.根据权利要求2所述的跟踪控制方法，其特征在于，通过如下线性系统描述被控对象：
Figure FDA00035462616400000413
式中，x(k)∈Rn、u(k)∈Rm和y(k)∈Rp分别为被控对象的状态、输入和输出；A∈Rn×n、B∈Rn×m和C∈Rp×n分别为系数矩阵，(A,B)能控，(A,C)能观；
系统输出y(k)跟踪参考输入信号r(k)∈Rp的输出跟踪误差为：
e(k)＝r(k)-y(k)； (2)
公式(1)的增量形式表示为：
Figure FDA0003546261640000051
式中，
Figure FDA0003546261640000052
由式(2)和式(3)可得：
e(k+1)＝e(k)-CAΔx(k)-CBΔu(k)+Δr(k+1)； (4)
式中，Δr(k+1)＝r(k+1)-r(k)；
将公式(3)和公式(4)结合，得到被控对象的增广状态空间模型：
Figure FDA0003546261640000053
式中，
Figure FDA0003546261640000054
Figure FDA0003546261640000055
Figure FDA0003546261640000056
Figure FDA0003546261640000057
其中，0和I分别为零矩阵和单位矩阵。
4.根据权利要求3所述的跟踪控制方法，其特征在于，所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号，以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括：
在每个采样时刻，根据接收到的最新控制量预测值序列
Figure FDA0003546261640000058
从中选择第
Figure FDA0003546261640000059
个控制量预测值，施加于被控对象，以主动补偿系统前向通道中的随机网络时延，其中，
Figure FDA00035462616400000510
为采样时刻k，前向通道的随机网络时延。
CN201911358072.2A 2019-12-25 2019-12-25 一种网络化控制系统及预测输出跟踪控制方法 Active CN111045331B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911358072.2A CN111045331B (zh) 2019-12-25 2019-12-25 一种网络化控制系统及预测输出跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911358072.2A CN111045331B (zh) 2019-12-25 2019-12-25 一种网络化控制系统及预测输出跟踪控制方法

Publications (2)

Publication Number Publication Date
CN111045331A CN111045331A (zh) 2020-04-21
CN111045331B true CN111045331B (zh) 2022-05-13

Family

ID=70239705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911358072.2A Active CN111045331B (zh) 2019-12-25 2019-12-25 一种网络化控制系统及预测输出跟踪控制方法

Country Status (1)

Country Link
CN (1) CN111045331B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113448243A (zh) * 2020-05-21 2021-09-28 南京农业大学 一种基于时间戳的车辆遥操作时延控制方法
CN112650251A (zh) * 2020-12-24 2021-04-13 北京理工大学 基于云计算的主从式多智能体预测控制系统及方法
CN112702280A (zh) * 2020-12-25 2021-04-23 深圳市高德信通信股份有限公司 一种网络数据延迟控制方法
CN113050493B (zh) * 2021-03-19 2022-03-04 大连理工大学 一种网络化环境下的小车倒立摆系统输出反馈控制方法
CN114296419B (zh) * 2021-04-09 2023-09-29 西华大学 一种安全的事件驱动网络化预测控制系统控制方法
CN113985737A (zh) * 2021-10-27 2022-01-28 湘潭大学 具有时间延迟和数据包丢失的网络化控制系统的研究
CN115718427B (zh) * 2022-11-16 2023-06-13 哈尔滨理工大学 一种保安全的非脆弱网络化预测控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035608A1 (en) * 1999-11-11 2001-05-17 Voyan Technology Method and apparatus for mitigation of disturbers in communication systems
CN106209474A (zh) * 2016-07-27 2016-12-07 江南大学 一种基于预测补偿的网络化控制系统跟踪控制方法
CN106842916A (zh) * 2016-12-23 2017-06-13 中国科学院数学与系统科学研究院 一种三维位置伺服系统的预测自抗扰控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001035608A1 (en) * 1999-11-11 2001-05-17 Voyan Technology Method and apparatus for mitigation of disturbers in communication systems
CN106209474A (zh) * 2016-07-27 2016-12-07 江南大学 一种基于预测补偿的网络化控制系统跟踪控制方法
CN106842916A (zh) * 2016-12-23 2017-06-13 中国科学院数学与系统科学研究院 一种三维位置伺服系统的预测自抗扰控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"一种网络控制系统时延补偿方法";李斌 等;《网络与通信》;20100630;第26卷(第33期);第97-99页 *

Also Published As

Publication number Publication date
CN111045331A (zh) 2020-04-21

Similar Documents

Publication Publication Date Title
CN111045331B (zh) 一种网络化控制系统及预测输出跟踪控制方法
Zhao et al. Improved predictive control approach to networked control systems
CN110620528A (zh) 一种基于二阶超螺旋滑模的多通道直流电机系统控制方法
CN110716506A (zh) 一种基于混合滑模控制的伺服系统位置跟踪控制方法
Zhang et al. Virtual line‐shafting control for permanent magnet synchronous motor systems using sliding‐mode observer
Caruntu et al. Robustly stabilising model predictive control design for networked control systems with an application to direct current motors
CN110705034A (zh) 一种基于事件触发的永磁同步电机位置跟踪控制方法
Li et al. Sliding mode predictive tracking control for DC permanent magnet motor in NCSs with random delay and packet dropouts
CN116661298A (zh) 一种基于扰动观测器的光电吊舱自适应指数滑模控制方法
Fu et al. Discrete-time adaptive predictive sliding mode trajectory tracking control for dynamic positioning ship with input magnitude and rate saturations
Xu et al. Integral sliding mode predictive control with disturbance attenuation for discrete‐time systems
CN111077781B (zh) 一种网络化控制系统及其输出跟踪控制方法
CN116577992A (zh) 一种基于偏差校正的多智能体协同跟踪控制系统及方法
Tian et al. Stabilisability analysis and design of UDE‐based robust control
CN111061154B (zh) 一种用于工程控制的增量式网络化预测控制方法及系统
Hu et al. Event‐triggered prescribed performance adaptive fuzzy asymptotic tracking of nonstrict‐feedback nonlinear systems
CN111025913B (zh) 一种用于工程控制的网络化预测控制方法及系统
CN105607603A (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
Zhao et al. Networked predictive control for linear systems with quantizers by an event-driven strategy
Qiu et al. Model predictive position tracking control for motion system with random communication delay
CN110888320A (zh) 基于双电动缸同步运动误差建模的自适应鲁棒控制方法
Wang et al. Fuzzy predictive functional control of a class of non‐linear systems
Jin et al. Adaptive backstepping complementary sliding mode control with parameter estimation and dead‐zone modification for PMLSM servo system
Chiang et al. Terminal adaptive output feedback variable structure control
Dong et al. Incremental networked predictive control of multi‐agent systems with plant‐model mismatch and random communication constraints

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
GR01 Patent grant
GR01 Patent grant