CN111061154A - 一种用于工程控制的增量式网络化预测控制方法及系统 - Google Patents

一种用于工程控制的增量式网络化预测控制方法及系统 Download PDF

Info

Publication number
CN111061154A
CN111061154A CN201911358087.9A CN201911358087A CN111061154A CN 111061154 A CN111061154 A CN 111061154A CN 201911358087 A CN201911358087 A CN 201911358087A CN 111061154 A CN111061154 A CN 111061154A
Authority
CN
China
Prior art keywords
control
predicted value
random network
network delay
incremental
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
Application number
CN201911358087.9A
Other languages
English (en)
Other versions
CN111061154B (zh
Inventor
庞中华
刘国平
董哲
史运涛
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 CN201911358087.9A priority Critical patent/CN111061154B/zh
Publication of CN111061154A publication Critical patent/CN111061154A/zh
Application granted granted Critical
Publication of CN111061154B publication Critical patent/CN111061154B/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)

Abstract

本发明实施例提供一种用于工程控制的增量式网络化预测控制方法及系统。该方法包括：将输出数据缓存在传感器中并与时间戳打包，得到传感器的反馈数据发送至控制器；基于被控对象的增量式输入输出模型，计算控制量预测值，得到控制量预测值序列并发送至执行器，由执行器根据时间戳选择预设控制信号，对系统反馈通道随机网络时延和系统前向通道随机网络时延进行主动补偿。本发明实施例通过设定将闭环网络化控制系统的稳定性与跟踪性能与反馈通道和前向通道中随机网络诱导时延、数据包乱序与丢失等通信约束无关，不仅便于控制系统的设计与实现，而且可以保证良好的跟踪性能，即使系统与其模型不匹配，只要闭环系统稳定，仍可实现零稳态输出跟踪误差。

Description

一种用于工程控制的增量式网络化预测控制方法及系统
技术领域
本发明涉及工程控制技术领域，尤其涉及一种用于工程控制的增量式网络化预测控制方法及系统。
背景技术
近年来，随着工业化与信息化的飞速发展，通信网络由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，针对存在上述通信约束的网络化系统，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
本发明实施例提供一种用于工程控制的增量式网络化预测控制方法及系统，用以解决现有技术中网络化控制系统中针对解决网络诱导时延、数据包乱序与丢失等问题时，存在较大的局限性，对应的控制性能不稳定等缺陷。
第一方面，本发明实施例提供一种用于工程控制的增量式网络化预测控制方法，包括：
将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；
基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；
由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
优选地，输入输出模型，包括：
A(z-1)y(k)＝B(z-1)u(k-1)
式中，k表示当前时间，y(k)∈R，表示所述输出数据，u(k)∈R，表示系统控制输入数据；A(z-1)和B(z-1)分别为如下多项式：
Figure BDA0002336480390000021
其中，na和nb分别表示多项式A(z-1)和B(z-1)的阶次。
优选地，所述系统反馈通道随机网络时延为
Figure BDA0002336480390000022
所述系统前向通道随机网络时延为
Figure BDA0002336480390000023
其中
Figure BDA0002336480390000024
且
Figure BDA0002336480390000025
和
Figure BDA0002336480390000026
均为整数；
对应地，若
Figure BDA0002336480390000027
时，则系统控制输入增量数据表示为：
Δu(k)＝F(z-1)Δu(k-1)+G(z-1)e(k)
式中，Δu(k)＝u(k)-u(k-1)，e(k)为输出跟踪误差，定义如下：
e(k)＝r(k)-y(k)
F(z-1)和G(z-1)分别为如下多项式：
Figure BDA0002336480390000031
其中，nf和ng分别为多项式F(z-1)和G(z-1)的阶次。
优选地，所述输出数据对应的序列包括：
Y(k)＝[y(k) y(k-1) … y(k-n)]
式中，n＝max{na,ng}。
优选地，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，具体包括：
基于来自所述传感器的最新反馈数据
Figure BDA0002336480390000032
计算控制量预测值
Figure BDA0002336480390000033
并将对应的所述控制量预测值序列
Figure BDA0002336480390000034
与所述时间戳k打包，通过系统前向通道发往所述执行器，其中
Figure BDA0002336480390000035
由所述控制器当前时刻减去来自所述传感器的最新时间戳所得到。
优选地，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，还包括：
在当前时间k，基于所述增量式输入输出模型计算系统输出预测值为：
Figure BDA0002336480390000036
Figure BDA0002336480390000037
式中，i＝1,2,…,
Figure BDA0002336480390000038
A1(z-1)＝1-A(z-1)，且当i-j≤0时：
Figure BDA0002336480390000039
其中，j＝1,2,…,na；
所述预设控制信号在
Figure BDA00023364803900000310
时刻的值为：
Figure BDA0002336480390000041
式中，
Figure BDA0002336480390000042
其中，j＝0,1,…,ng，所述预设控制信号在k时刻对应的控制量预测值序列为：
Figure BDA0002336480390000043
优选地，所述由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿，具体包括：
基于来自所述控制器的最新控制量预测值序列
Figure BDA0002336480390000044
从中选择第
Figure BDA0002336480390000045
个控制量，即u(k)，并将u(k)施加于所述被控对象，对所述系统前向通道随机网络时延进行主动补偿，其中
Figure BDA0002336480390000046
由所述执行器的当前时间减去来自所述传感器的最新时间戳所得到。
第二方面，本发明实施例提供一种用于工程控制的增量式网络化预测控制系统，包括：
缓存模块，用于将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；
控制模块，用于基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；
补偿模块，用于由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
第三方面，本发明实施例提供一种电子设备，包括：
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述用于工程控制的增量式网络化预测控制方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述用于工程控制的增量式网络化预测控制方法的步骤。
本发明实施例提供的用于工程控制的增量式网络化预测控制方法及系统，通过设定将闭环网络化控制系统的稳定性与跟踪性能与反馈通道和前向通道中的随机网络诱导时延、数据包乱序与丢失等通信约束无关，不仅便于控制系统的设计与实现，而且可以保证良好的跟踪性能，即使系统与其模型不匹配，只要闭环系统稳定，仍可实现零稳态输出跟踪误差，且控制结构简单，易于实现，便于推广。
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控制方案框图；
图2为本发明实施例提供的一种用于工程控制的增量式网络化预测控制方法流程图；
图3为本发明实施例提供的系统反馈通道中的随机网络时延示意图；
图4为本发明实施例提供的系统前向通道中的随机网络时延示意图；
图5为本发明实施例提供的系统/模型匹配时系统无随机网络时延的本地控制效果图；
图6为本发明实施例提供的系统/模型匹配时系统有随机网络时延但无补偿的控制效果图；
图7为本发明实施例提供的系统/模型匹配时系统有随机网络时延且有补偿的控制效果图；
图8为本发明实施例提供的系统/模型不匹配时系统有随机网络时延且有补偿的控制效果图；
图9为本发明实施例提供的一种用于工程控制的增量式网络化预测控制系统结构图；
图10为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
为了克服现有技术中的不足，本发明实施例充分利用通信网络的“包传输”特性，提供一种增量式网络化预测控制方法，以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。其中，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，本发明的控制方案主要由三个模块组成：数据缓存器模块、预测控制器模块和时延补偿器模块。系统整体方案框图如图1所示。
图2为本发明实施例提供的一种用于工程控制的增量式网络化预测控制方法流程图，如图2所示，包括：
S1，将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；
S2，基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；
S3，由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
具体地，步骤S1中，图1中的数据缓存器模块设置在传感器中，缓存被控对象的输出数据，并将其与时间戳打包，得到传感器的反馈数据，并将反馈数据发往控制器；
步骤S2中，图1中的预测控制器模块设置在控制器中，利用来自传感器的反馈数据(即被控对象的输出数据及其时间戳)、系统参考输入信号和预测控制器中保存的历史控制量，并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，基于被控对象的增量式输入输出模型，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执行器；
步骤S3中，图1中的时延补偿器模块设置在执行器中，缓存从控制器发送过来的最新预测控制序列，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。
本发明实施例通过设定将闭环网络化控制系统的稳定性与跟踪性能与反馈通道和前向通道中的随机网络诱导时延、数据包乱序与丢失等通信约束无关，不仅便于控制系统的设计与实现，而且可以保证良好的跟踪性能，即使系统与其模型不匹配，只要闭环系统稳定，仍可实现零稳态输出跟踪误差，且控制结构简单，易于实现，便于推广。
基于上述实施例，输入输出模型，包括：
A(z-1)y(k)＝B(z-1)u(k-1)
式中，k表示当前时间，y(k)∈R，表示所述输出数据，u(k)∈R，表示系统控制输入数据；A(z-1)和B(z-1)分别为如下多项式：
Figure BDA0002336480390000071
其中，na和nb分别表示多项式A(z-1)和B(z-1)的阶次。
具体地，本发明实施例考虑由如下线性系统描述的被控对象：
A(z-1)y(k)＝B(z-1)u(k-1) (1)
式中，k表示当前时间，y(k)∈R和u(k)∈R分别为系统的测量输出和控制输入，A(z-1)和B(z-1)分别为如下多项式：
Figure BDA0002336480390000081
其中，na和nb分别为多项式A(z-1)和B(z-1)的阶次。
基于上述任一实施例，所述系统反馈通道随机网络时延为
Figure BDA0002336480390000082
所述系统前向通道随机网络时延为
Figure BDA0002336480390000083
其中
Figure BDA0002336480390000084
且
Figure BDA0002336480390000085
和
Figure BDA0002336480390000086
均为整数；
对应地，若
Figure BDA0002336480390000087
时，则系统控制输入增量数据表示为：
Δu(k)＝F(z-1)Δu(k-1)+G(z-1)e(k)
式中，Δu(k)＝u(k)-u(k-1)，e(k)为输出跟踪误差，定义如下：
e(k)＝r(k)-y(k)
F(z-1)和G(z-1)分别为如下多项式：
Figure BDA0002336480390000088
其中，nf和ng分别为多项式F(z-1)和G(z-1)的阶次。
具体地，假定系统反馈通道和前向通道中的随机网络时延分别为
Figure BDA0002336480390000089
和
Figure BDA00023364803900000810
其中
Figure BDA00023364803900000811
和
Figure BDA00023364803900000812
为整数。若
Figure BDA00023364803900000813
和
Figure BDA00023364803900000814
则表示控制系统中不存在任何网络时延，即本地控制，此时可为系统(1)设计如下反馈控制律：
Δu(k)＝F(z-1)Δu(k-1)+G(z-1)e(k) (2)
式中，Δu(k)＝u(k)-u(k-1)，e(k)为输出跟踪误差，定义如下：
e(k)＝r(k)-y(k) (3)
F(z-1)和G(z-1)分别为如下多项式：
Figure BDA00023364803900000815
其中，nf和ng分别为多项式F(z-1)和G(z-1)的阶次，公式(2)中的参数，可根据具体被控对象及控制性能要求，利用传统控制理论进行设计，如PID控制算法等。
进一步地，考虑随机网络时延
Figure BDA00023364803900000816
和
Figure BDA00023364803900000817
基于控制律(2)，设计一种网络化预测控制方案，使系统输出y(k)跟踪参考输入信号r(k)∈R，即网络化输出跟踪控制。为实现上述目标，本发明实施例做如下假设：
假设1：系统传感器、控制器和执行器均为时间驱动，且时钟同步；
假设2：随机网络时延有界，即满足
Figure BDA0002336480390000091
和
Figure BDA0002336480390000092
其中
Figure BDA0002336480390000093
和
Figure BDA0002336480390000094
为整数；
假设3：网络中传输的数据包附带时间戳。
基于上述任一实施例，所述输出数据对应的序列包括：
Y(k)＝[y(k)y(k-1)…y(k-n)]
式中，n＝max{na,ng}。
具体地，对于数据缓存器的设计，具体为：
数据缓存器设置在传感器中，为了主动补偿系统反馈通道中的数据包乱序与丢失，缓存被控对象的如下输出数据序列：
Y(k)＝[y(k) y(k-1) … y(k-n)] (4)
式中，n＝max{na,ng}。在每个采样时刻，传感器将数据序列Y(k)及其时间戳k打包发往控制器。
基于上述任一实施例，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，具体包括：
基于来自所述传感器的最新反馈数据
Figure BDA0002336480390000095
计算控制量预测值
Figure BDA0002336480390000096
并将对应的所述控制量预测值序列
Figure BDA0002336480390000097
与所述时间戳k打包，通过系统前向通道发往所述执行器，其中
Figure BDA0002336480390000098
由所述控制器当前时刻减去来自所述传感器的最新时间戳所得到。
其中，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，还包括：
在当前时间k，基于所述增量式输入输出模型计算系统输出预测值为：
Figure BDA0002336480390000099
Figure BDA00023364803900000910
式中，i＝1,2,…,
Figure BDA00023364803900000911
A1(z-1)＝1-A(z-1)，且当i-j≤0时：
Figure BDA0002336480390000101
其中，j＝1,2,…,na；
所述预设控制信号在
Figure BDA0002336480390000102
时刻的值为：
Figure BDA0002336480390000103
式中，
Figure BDA0002336480390000104
其中，j＝0,1,…,ng，所述预设控制信号在k时刻对应的控制量预测值序列为：
Figure BDA0002336480390000105
具体地，预测控制器设置在控制器中，其主要任务是，基于接收到的来自传感器的最新反馈数据
Figure BDA0002336480390000106
计算控制量预测值
Figure BDA0002336480390000107
并将控制量预测值序列
Figure BDA0002336480390000108
及其相应的时间戳k打包，通过前向通道发往执行器。在预测控制器中，反馈通道随机网络时延
Figure BDA0002336480390000109
可由控制器当前时刻减去收到的来自传感器的最新时间戳得到。
在当前时间k，利用式(1)，可得如下系统输出预测值：
Figure BDA00023364803900001010
Figure BDA00023364803900001011
式中，i＝1,2,…,
Figure BDA00023364803900001012
A1(z-1)＝1-A(z-1)，且当i-j≤0时，
Figure BDA00023364803900001013
其中，j＝1,2,…,na；
利用公式(2)，得到系统在
Figure BDA00023364803900001014
时刻的控制信号为：
Figure BDA00023364803900001015
式中，
Figure BDA00023364803900001016
其中，j＝0,1,…,ng；
在每个采样时刻，预测控制器将如下控制量预测值序列：
Figure BDA00023364803900001017
及其时间戳k打包发往执行器。
基于上述任一实施例，所述由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿，具体包括：
基于来自所述控制器的最新控制量预测值序列
Figure BDA0002336480390000111
从中选择第
Figure BDA0002336480390000112
个控制量，即u(k)，并将u(k)施加于所述被控对象，对所述系统前向通道随机网络时延进行主动补偿，其中
Figure BDA0002336480390000113
由所述执行器的当前时间减去来自所述传感器的最新时间戳所得到。
具体地，网络时延补偿器设置在执行器中，用于在每个采样时刻，基于接收到的来自控制器的最新控制量预测值序列
Figure BDA0002336480390000114
从中选择第
Figure BDA0002336480390000115
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 BDA0002336480390000116
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。
基于上述任一实施例，本发明实施例利用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，输入为驱动电压，取采样时间为0.05s时，其传递函数模型为：
Figure BDA0002336480390000117
为上述传递函数模型设计如下控制律：
Δu(k)＝0.005e(k)-0.0042e(k-1) (10)
在仿真中，电机的初始输入输出均取为0，参考输入取为方波信号，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 BDA0002336480390000118
分别如图3和图4所示。
仿真分为如下两种情况进行：
1)系统/模型匹配情形：
此时仿真分为如下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。
图5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，从图5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。
图6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，反馈通道和前向通道中的随机网络时延分别如图3和图4所示，从图5中可以看出，与本地控制结果(图5)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。
图7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，即本发明实施例的控制方案，从图7中可以看出，与无补偿网络化系统的控制结果(图6)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(图5)，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本地控制完全相同的控制效果。
2)系统/模型不匹配情形：
在系统/模型不匹配时，即无法得到电机系统的精确数学模型，假定只能得到如下传递函数模型：
Figure BDA0002336480390000121
此处仍然采用公式(10)所示的控制律，在同样图3和图4所示随机网络时延的影响下，本发明控制方案的控制效果如图8所示，从图8中可以看出，在系统存在较大模型失配时，与模型匹配情形(图7)相比，输出跟踪性能有所变差，但仍比无补偿网络化控制系统的性能要好得多(图6)，且系统输出仍能跟踪参考输入信号，并实现了零稳态输出跟踪误差。可以看出，本发明实施例的控制方案是有效的。
图9为本发明实施例提供的一种用于工程控制的增量式网络化预测控制系统结构图，如图9所示，包括：缓存模块91、控制模块92和补偿模块93；其中：
缓存模块91用于将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；控制模块92用于基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，由所述控制器采用预测控制算法，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；补偿模块93用于由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
本发明实施例提供的系统用于执行上述对应的方法，其具体的实施方式与方法的实施方式一致，涉及的算法流程与对应的方法算法流程相同，此处不再赘述。
本发明实施例通过设定将闭环网络化控制系统的稳定性与跟踪性能与反馈通道和前向通道中的随机网络诱导时延、数据包乱序与丢失等通信约束无关，不仅便于控制系统的设计与实现，而且可以保证良好的跟踪性能，即使系统与其模型不匹配，只要闭环系统稳定，仍可实现零稳态输出跟踪误差，且控制结构简单，易于实现，便于推广。
图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010、通信接口1020和存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行如下方法将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
此外，上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
以上所描述的装置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 (10)

1.一种用于工程控制的增量式网络化预测控制方法，其特征在于，包括：
将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；
基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；
由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
2.根据权利要求1所述的用于工程控制的增量式网络化预测控制方法，其特征在于，输入输出模型，包括：
A(z-1)y(k)＝B(z-1)u(k-1)
式中，k表示当前时间，y(k)∈R，表示所述输出数据，u(k)∈R，表示系统控制输入数据；A(z-1)和B(z-1)分别为如下多项式：
Figure FDA0002336480380000011
其中，na和nb分别表示多项式A(z-1)和B(z-1)的阶次。
3.根据权利要求2所述的用于工程控制的增量式网络化预测控制方法，其特征在于，所述系统反馈通道随机网络时延为
Figure FDA0002336480380000012
所述系统前向通道随机网络时延为
Figure FDA0002336480380000013
其中
Figure FDA0002336480380000014
且
Figure FDA0002336480380000015
和
Figure FDA0002336480380000016
均为整数；
对应地，若
Figure FDA0002336480380000017
时，则系统控制输入增量数据表示为：
Δu(k)＝F(z-1)Δu(k-1)+G(z-1)e(k)
式中，Δu(k)＝u(k)-u(k-1)，e(k)为输出跟踪误差，定义如下：
e(k)＝r(k)-y(k)
F(z-1)和G(z-1)分别为如下多项式：
Figure FDA0002336480380000021
其中，nf和ng分别为多项式F(z-1)和G(z-1)的阶次。
4.根据权利要求3所述的用于工程控制的增量式网络化预测控制方法，其特征在于，所述输出数据对应的序列包括：
Y(k)＝[y(k) y(k-1)…y(k-n)]
式中，n＝max{na,ng}。
5.根据权利要求4所述的用于工程控制的增量式网络化预测控制方法，其特征在于，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，具体包括：
基于来自所述传感器的最新反馈数据
Figure FDA0002336480380000027
计算控制量预测值
Figure FDA00023364803800000210
并将对应的所述控制量预测值序列
Figure FDA0002336480380000028
与所述时间戳k打包，通过系统前向通道发往所述执行器，其中
Figure FDA0002336480380000029
由所述控制器当前时刻减去来自所述传感器的最新时间戳所得到。
6.根据权利要求5所述的用于工程控制的增量式网络化预测控制方法，其特征在于，所述基于所述增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器，还包括：
在当前时间k，基于所述增量式输入输出模型计算系统输出预测值为：
Figure FDA0002336480380000022
Figure FDA0002336480380000023
式中，
Figure FDA0002336480380000024
A1(z-1)＝1-A(z-1)，且当i-j≤0时：
Figure FDA0002336480380000025
其中，j＝1,2,…,na；
所述预设控制信号在
Figure FDA0002336480380000026
时刻的值为：
Figure FDA0002336480380000031
式中，
Figure FDA0002336480380000032
其中，j＝0,1,…,ng，所述预设控制信号在k时刻对应的控制量预测值序列为：
Figure FDA0002336480380000033
7.根据权利要求6所述的用于工程控制的增量式网络化预测控制方法，其特征在于，所述由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿，具体包括：
基于来自所述控制器的最新控制量预测值序列
Figure FDA0002336480380000034
从中选择第
Figure FDA0002336480380000035
个控制量，即u(k)，并将u(k)施加于所述被控对象，对所述系统前向通道随机网络时延进行主动补偿，其中
Figure FDA0002336480380000036
由所述执行器的当前时间减去来自所述传感器的最新时间戳所得到。
8.一种用于工程控制的增量式网络化预测控制系统，其特征在于，包括：
缓存模块，用于将被控对象的输出数据缓存在传感器中，并将所述输出数据与时间戳打包，得到所述传感器的反馈数据，将所述反馈数据发送至控制器；
控制模块，用于基于所述被控对象的增量式输入输出模型、所述反馈数据、系统参考输入数据和历史控制量，并根据系统反馈通道随机网络时延和系统前向通道随机网络时延，计算控制量预测值，得到控制量预测值序列，将所述控制量预测值序列与所述时间戳打包发送至执行器；
补偿模块，用于由所述执行器根据所述时间戳选择预设控制信号，由所述预设控制信号对所述系统反馈通道随机网络时延和所述系统前向通道随机网络时延进行主动补偿。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述用于工程控制的增量式网络化预测控制方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述用于工程控制的增量式网络化预测控制方法的步骤。
CN201911358087.9A 2019-12-25 2019-12-25 一种用于工程控制的增量式网络化预测控制方法及系统 Active CN111061154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911358087.9A CN111061154B (zh) 2019-12-25 2019-12-25 一种用于工程控制的增量式网络化预测控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911358087.9A CN111061154B (zh) 2019-12-25 2019-12-25 一种用于工程控制的增量式网络化预测控制方法及系统

Publications (2)

Publication Number Publication Date
CN111061154A true CN111061154A (zh) 2020-04-24
CN111061154B CN111061154B (zh) 2022-05-13

Family

ID=70303506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911358087.9A Active CN111061154B (zh) 2019-12-25 2019-12-25 一种用于工程控制的增量式网络化预测控制方法及系统

Country Status (1)

Country Link
CN (1) CN111061154B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117518838A (zh) * 2024-01-05 2024-02-06 铵泰克（北京）科技有限公司 一种网络化控制系统输出稳定性的控制方法和系统

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
李斌 等: ""一种网络控制系统时延补偿方法"", 《网络与通信》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117518838A (zh) * 2024-01-05 2024-02-06 铵泰克（北京）科技有限公司 一种网络化控制系统输出稳定性的控制方法和系统
CN117518838B (zh) * 2024-01-05 2024-03-29 铵泰克（北京）科技有限公司 一种网络化控制系统输出稳定性的控制方法和系统

Also Published As

Publication number Publication date
CN111061154B (zh) 2022-05-13

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
CN110620528B (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
Liu et al. One-step receding horizon H∞ control for networked control systems with random delay and packet disordering
Caruntu et al. Robustly stabilising model predictive control design for networked control systems with an application to direct current motors
Findeisen et al. Stabilizing nonlinear predictive control over nondeterministic communication networks
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
Li et al. Sliding mode predictive tracking control for DC permanent magnet motor in NCSs with random delay and packet dropouts
US11269315B2 (en) Distributed control system
CN111025913B (zh) 一种用于工程控制的网络化预测控制方法及系统
CN105334734B (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
Zhao et al. Networked predictive control systems based on the Hammerstein model
Tian et al. Stabilisability analysis and design of UDE‐based robust control
Caruntu et al. Network delay predictive compensation based on time-delay modelling as disturbance
CN111077781B (zh) 一种网络化控制系统及其输出跟踪控制方法
Hwang Decentralized Fuzzy Control of Nonlinear Interconnected Dynamic Delay Systems via Mixed $ H_2/\! H_\infty $ Optimization With Smith Predictor
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
Zhang et al. Design of sliding mode fault‐tolerant control for Markovian jump systems with probabilistic delay: A discrete partitioning strategy
Dong et al. Incremental networked predictive control of multi‐agent systems with plant‐model mismatch and random communication constraints
CN112731800A (zh) 分数阶混沌系统的预定时间自适应同步方法及系统
CN113459083A (zh) 一种事件触发下的机械臂自适应固定时间控制方法及系统
Xu et al. Extended observer‐based hybrid tracking control strategy for networked system with FDI attacks
Zhang et al. Time delay compensation in a wireless tracking control system with previewed reference
Fu et al. Predictive triggered control for networked control systems with event-triggered mechanism
Ghosh et al. Adaptive Discrete Sliding Mode Controller for Networked 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
GR01 Patent grant
GR01 Patent grant