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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000872 buffer Substances 0.000 claims abstract description 23
- 230000003190 augmentative effect Effects 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 18
- 150000001875 compounds Chemical class 0.000 claims description 15
- 230000003416 augmentation Effects 0.000 claims description 6
- 230000003139 buffering effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 7
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000001934 delay Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
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:
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;
可选的,通过如下线性系统描述被控对象:
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:
式中,
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:
式中,
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:
建立状态观测器:
利用式(5),得到如下系统增广状态预测值:
基于增广状态反馈的控制律为:
控制量预测值序列表示为:
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:
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:
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;
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:
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和其中和为整数。
e(k)=r(k)-y(k);(2)
公式(1)的增量形式表示为:
式中,
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:
式中,
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),考虑随机网络时延和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:
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,即满足和其中和为整数;网络中传输的数据序列附带时间戳。
利用式(5),得到如下系统增广状态预测值:
基于增广状态反馈的控制律为:
在每个采样时刻,控制量预测值序列表示为:
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:
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从中选择第个控制量,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:
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:
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]。
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。
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:
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;
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:
建立状态观测器:
利用式(5),得到如下系统增广状态预测值:
基于增广状态反馈的控制律为:
控制量预测值序列表示为:
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:
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;
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:
建立状态观测器:
利用式(5),得到如下系统增广状态预测值:
基于增广状态反馈的控制律为:
控制量预测值序列表示为:
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:
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:
式中,
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:
式中,
其中,0和I分别为零矩阵和单位矩阵。
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)
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)
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 |
-
2019
- 2019-12-25 CN CN201911358072.2A patent/CN111045331B/zh active Active
Patent Citations (3)
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)
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 |