CN115685956A - 一种线性网络控制系统的稳定性分析方法及系统 - Google Patents

一种线性网络控制系统的稳定性分析方法及系统 Download PDF

Info

Publication number
CN115685956A
CN115685956A CN202211201974.7A CN202211201974A CN115685956A CN 115685956 A CN115685956 A CN 115685956A CN 202211201974 A CN202211201974 A CN 202211201974A CN 115685956 A CN115685956 A CN 115685956A
Authority
CN
China
Prior art keywords
model
control system
network control
packet loss
linear network
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
CN202211201974.7A
Other languages
English (en)
Other versions
CN115685956B (zh
Inventor
杨清宇
宋朋涛
李东鹤
安豆
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202211201974.7A priority Critical patent/CN115685956B/zh
Publication of CN115685956A publication Critical patent/CN115685956A/zh
Application granted granted Critical
Publication of CN115685956B publication Critical patent/CN115685956B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开了一种线性网络控制系统的稳定性分析方法及系统,该方法在评估系统的安全运转条件、保障网络系统的稳定运行方面具有显著的作用,首先,考虑采用动态量化器对状态信号和控制信号进行编码量化,并设计了量化参数调整规则,保证全域信号的量化误差维持在较小区间。其次,引入伯努利随机变量建模网络传输过程中的随机丢包现象,构建起闭环信道的随机系统模型。最后,基于Lyapunov稳定性理论和线性矩阵不等式理论构造系统的稳定性分析方法,并进一步设计了闭环系统丢包裕度的求解算法。该发明构建的随机系统模型更加符合网络系统的实际通信过程,所设计的稳定性判据可以在Matlab平台快速执行和求解,避免了过大的计算需求,为网络系统的稳定运行提供评估策略。

Description

一种线性网络控制系统的稳定性分析方法及系统
技术领域
本发明涉及网络系统的控制和稳定性分析技术领域,具体为一种线性网络控制系统稳定性分析方法及系统。
背景技术
网络控制系统具有灵活性强、可靠性高和易于维护等特点,被广泛地应用在机器人、自动驾驶和航空发动机等工业领域。在系统运行过程中,由于通信网络的引入,难以避免地会产生网络诱导因素,比如量化误差、时延和丢包,劣化系统的响应性能,严重时会导致系统失稳。如何评估和分析系统的安全运转条件已成为网络控制系统领域最为重要的课题。
受限于共享网络和有限带宽,信号在经过网络传输前需量化和编码。针对这个问题,已有大量的研究成果并逐渐在实际生产中应用,比如均匀量化器、对数量化器和动态量化器等。相对于静态量化策略,动态量化方案能够自由缩放量化范围,保证全域信号的量化误差维持在较小区间内,兼具灵活性和可靠性。而在设计动态量化装置时的一个关键难题是如何构造动态量化参数调整规则,从而保证网络系统的安全稳定运转。此外,量化边界和量化误差会影响传输信号的精确度,非精确信号持续地输入到网络系统会加剧偏差的积累,进而劣化系统的稳定性,严重时将导致系统彻底失稳,造成巨大经济损失和人员伤亡。
此外,工业网络控制系统往往运转在时变复杂工况,强噪声、共享网络和未知的DOS攻击会造成传输信号丢失,使得系统无法及时地获得控制信号,从而影响其稳定性能。Lyapunov稳定性理论从能量的角度为基于机理模型的网络系统提供了稳定性评估流程。
然而,现有的稳定性分析技术主要是基于单通道、单因素或者连续丢包进行讨论,忽略了实际系统运转时的双通道信号传输机理和随机丢包特性。其次,现有的稳定性分析技术忽略了量化机制与稳定性判据的协同设计,无法显示地揭示设备参数对系统稳定性的影响。
发明内容
针对现有技术中存在的问题,本发明提供一种线性网络控制系统稳定性分析方法,可以更好地评估系统的安全运转条件,为网络系统的稳定运行提供保障。
本发明是通过以下技术方案来实现:
一种线性网络控制系统的稳定性分析方法,包括以下步骤:
步骤1、基于信号传输机理构建闭环线性网络控制系统的信号传输模型;
步骤2、构造闭环线性网络控制系统的信号传输模型的Lyapunov函数,并基于线性矩阵不等式理论推导独立矩阵模型;
步骤3、根据信号传输模型和独立矩阵模型采用S-procedure和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
优选的,步骤1中信号传输模型的构建方法如下:
S1.1、构建线性闭环网络控制系统的数学模型;
S1.2、在数学模型的基础上引入动态量化模型对经过线性网络控制系统传输的信号编码量化;
S1.3、在数学模型的基础上引入伯努利随机变量构造线性网络控制系统传输过程中的丢包模型,根据丢包模型刻画数学模型的网络丢包现象;
S1.4、根据动态量化模型和丢包现象的模型构造状态反馈控制器,
S1.5、根据步骤S1.2信号编码量化方法和步骤S1.3的网络丢包现象的刻画方法,建立线性网络控制系统的控制器到执行器回路的信号传输模型;
S1.6、在状态反馈控制器的基础上引入辅助向量构建修正模型,根据修正模型修正线性网络控制系统的控制输入;
S1.7、根据动态量化模型、丢包模型、状态反馈控制器、信号传输模型、修正模型构建闭环线性网络控制系统的信号传输模型。
优选的,所述数学模型的如下:
Figure RE-GDA0004031264860000031
其中,
Figure RE-GDA0004031264860000032
Figure RE-GDA0004031264860000033
分别表示线性网络控制系统的状态向量、控制输入向量和系统输出向量,A、B和C表示适维常矩阵。
优选的,所述闭环线性网络控制系统的信号传输模型的表达式如下:
Figure RE-GDA0004031264860000034
其中,
Figure RE-GDA0004031264860000035
为x(k)的量化输出值,ex(k)表示量化误差,α(k)为伯努利随机变量,
Figure RE-GDA00040312648600000311
表示控制器获得的实际输入信号,K为控制器增益,
Figure RE-GDA0004031264860000037
为u(k)的量化输出值,β(k)为随机变量,e(k)表示状态量的网络传输误差。
优选的,所述丢包模型的表达式如下:
Figure RE-GDA0004031264860000038
其中,
Figure RE-GDA0004031264860000039
表示控制器获得的实际输入信号,随机变量α(k)满足:
Figure RE-GDA00040312648600000312
γ为信号
Figure RE-GDA00040312648600000310
成功传输的概率。
优选的,所述步骤2中所述独立矩阵模型的推导方法如下:
S2.1、对Lyapunov函数引入增广向量,得到Lyapunov函数的差分模型;
S2.2、在动态量化模型的基础上构造动态量化器参数调整模型,
S2.3、通过信号传输模型和调整模型界定动态量化模型的误差的取值范围;
S2.4、对Lyapunov函数引入线性矩阵不等式理论和Lyapunov函数的差分模型,将界定动态量化模型的误差取值范围的过程转化为独立矩阵模型;
优选的,所述独立矩阵模型的表达式如下:
ξT(k)Φ1ξ(k)≥0,ξT(k)Φ2ξ(k)≥0,ξT(k)Φ3ξ(k)≥0
其中,Δx和Δu分别表示状态值和控制值的量化误差,δ表示对控制器增益的界定。
优选的,步骤3后还包括以下过程:
根据稳定性判据确定网络控制系统的丢包裕度,根据丢包裕度确定网络系统的稳定范围。
优选的,所述丢包裕度的确定方法如下:
以固定步长降低γ和
Figure RE-GDA0004031264860000041
的取值,直至稳定性判据无解,对应的γ和
Figure RE-GDA0004031264860000042
的最小值为闭环系统丢包裕度,根据丢包裕度确定网络系统的稳定范围。
一种线性网络控制系统的稳定性分析方法的系统,包括,
信号传输模块,用于根据信号传输机理构建闭环线性网络控制系统的信号传输模型;
独立矩阵模块,构造闭环线性网络控制系统的信号传输模型的Lyapunov函,数,并基于线性矩阵不等式理论推导独立矩阵模型;
稳定性判断模块,用于根据信号传输模型和独立矩阵模型采用S-procedure 和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的一种线性网络控制系统稳定性分析方法,基于信号传输机理构建闭环线性网络控制系统的信号传输模型;构造闭环线性网络控制系统的信号传输模型的Lyapunov函数,并基于线性矩阵不等式理论推导独立矩阵模型;根据信号传输模型和独立矩阵模型采用S-procedure和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。本发明采用S- procedure和线性矩阵不等式理论推导闭环系统的稳定性分析方法,该发明构建的随机系统模型更加符合网络系统的实际通信过程,所构造的稳定性判据可以在Matlab平台快速执行和求解,避免了过大的计算需求,所提出的稳定性分析技术考虑了多重网络诱导因素的影响,解决了评估系统能否安全运转的问题,为网络系统的稳定运行提供了评估策略。
进一步,采用动态量化器对状态信号和控制信号进行编码量化;采用伯努利随机变量建模网络传输过程中的随机丢包,建立起闭环信道的随机系统模型;然后,基于Lyapunov函数和线性矩阵不等式理论构造系统的稳定性判据,并设计闭环系统丢包裕度的求解算法,为网络系统的稳定运行提供评估策略。
进一步,设计了闭环系统丢包裕度的求解算法,根据丢包裕度确定网络系统的稳定范围。
附图说明
图1为本发明带有双通道动态量化和丢包的网络控制系统示意图;
图2为本发明被控对象的输出响应示意图;
图3为本发明被控对象到控制器回路的动态量化输入和输出示意图;
图4为本发明被控对象到控制器回路的动态参数调整示意图;
图5为本发明被控对象到控制器回路的信号丢包示意图;
图6为本发明控制器到执行器回路的动态量化输入和输出示意图;
图7为本发明控制器到执行器回路的动态参数调整示意图;
图8为本发明控制器到执行器回路的信号丢包示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
参阅图1-8,一种线性网络控制系统的稳定性分析方法,包括以下步骤:
步骤1、基于信号传输机理构建闭环线性网络控制系统的信号传输模型。
S1.1、具体的,考虑一类线性网络控制系统,其数学模型为:
Figure RE-GDA0004031264860000061
其中,
Figure RE-GDA0004031264860000062
Figure RE-GDA0004031264860000063
分别表示系统的状态向量、控制输入向量和系统输出向量,A、B和C表示适维常矩阵。
S1.2、在数学模型的基础上,引入动态量化模型对经过网络传输的信号编码量化,其动态量化模型描述如下:
Figure RE-GDA0004031264860000064
Figure RE-GDA0004031264860000065
其中,
Figure RE-GDA0004031264860000066
为x(k)的量化输出值,ex(k)表示量化误差,满足条件: |ex(k)|≤μxΔx,μx和Δx分别表示动态量化参数和量化误差。
S1.3、引入伯努利随机变量α(k)刻画数学模型的网络丢包现象,丢包现象的模型为:
Figure RE-GDA0004031264860000067
其中,
Figure RE-GDA0004031264860000068
表示控制器获得的实际输入信号,随机变量α(k)满足:
Figure RE-GDA0004031264860000069
γ为信号
Figure RE-GDA00040312648600000610
成功传输的概率。
S1.4、根据动态量化模型和丢包模型构造状态反馈控制器,状态反馈控制器形式如下:
Figure RE-GDA00040312648600000611
其中,K为控制器增益。
S1.5、根据动态量化模型和丢包模型的构建方法,建立线性网络控制系统的控制器到执行器回路的信号传输模型如下:
Figure RE-GDA00040312648600000612
其中,
Figure RE-GDA0004031264860000071
为u(k)的量化输出值,eu(k)表示量化误差,满足条件: |eu(k)|≤μuΔu,μu和Δu分别表示动态量化参数和量化误差。随机变量β(k)满足:
Figure RE-GDA0004031264860000072
Figure RE-GDA0004031264860000073
为信号
Figure RE-GDA0004031264860000074
成功传输的概率。
S1.6、在状态反馈控制器的基础上引入额外的辅助向量构建修正模型,根据修正模型修正网络控制系统的控制输入,修正模型如下:
u(k)=β(k)K(x(k)+ex(k)+e(k))+β(k)eu(k)+(1-β(k))u(k-1)
其中,e(k)表示状态量的网络传输误差,满足:
Figure RE-GDA0004031264860000075
S1.7、根据动态量化模型、丢包模型、状态反馈控制器、信号传输模型、修正模型构建闭环线性网络控制系统的信号传输模型,信号传输模型如下:
Figure RE-GDA0004031264860000076
步骤2、构造闭环线性网络控制系统的信号传输模型的Lyapunov函数,并基于线性矩阵不等式理论推导独立矩阵模型。
S2.1、构造的Lyapunov函数形式如下:
Figure RE-GDA0004031264860000077
其中,P、Q和R表示待求的正定矩阵。
S2.2、对Lyapunov函数引入增广向量ξ(k),作为Lyapunov函数的差分模型,具体如下:
Figure RE-GDA0004031264860000078
对Lyapunov函数化简,推导如下的二次型表达式:
Figure RE-GDA0004031264860000079
S2.3、在动态量化模型的基础上构造动态量化器参数调整模型,调整模型为:
Figure RE-GDA0004031264860000081
其中,θx和θu表示待求解系数,Mx和Mu分别表示状态值和控制值的量化边界。
S2.4、通过信号传输模型和调整模型界定动态量化模型的误差的取值范围,界定过程如下:
Figure RE-GDA0004031264860000082
Figure RE-GDA0004031264860000083
Figure RE-GDA0004031264860000084
S2.5、对于Lyapunov函数引入线性矩阵不等式理论和Lyapunov函数的差分模型,将界定过程转化为独立矩阵模型;
ξT(k)Φ1ξ(k)≥0,ξT(k)Φ2ξ(k)≥0,ξT(k)Φ3ξ(k)≥0
其中,Δx和Δu分别表示状态值和控制值的量化误差,δ表示对控制器增益的界定,满足:KTK≤δI。
步骤3、根据信号传输模型和独立矩阵模型采用S-procedure和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
稳定性判据的形式描述如下:
对于带有双通道量化和随机丢包的网络控制系统,给定参数Δx、Δu、Mx、 Mu、γ、
Figure RE-GDA0004031264860000085
K和λ,如果存在正定矩阵P、Q和R,正定标量δ、θx≥1和0<θu≤1,使得下列不等式同时成立:
KTK≤δI≤λI
Figure RE-GDA0004031264860000091
则闭环系统在双通道量化和丢包影响下是渐进稳定的。
其中,参数
Figure RE-GDA0004031264860000092
ψ1=[θx 00000]T
Figure RE-GDA0004031264860000093
Figure RE-GDA0004031264860000094
步骤4、根据稳定性判据确定网络控制系统的丢包裕度。
以固定步长降低γ和
Figure RE-GDA0004031264860000095
的取值,直至稳定性判据无解,对应的γ和
Figure RE-GDA0004031264860000096
的最小值为闭环系统丢包裕度,根据丢包裕度确定网络系统的稳定范围。
本发明提出了一种线性网络控制系统稳定性分析方法,采用动态量化器对状态信号和控制信号进行编码量化,避免输入信号超出量化边界。采用伯努利随机变量建模网络传输过程中的丢包,建立起闭环信道的随机系统模型。然后,基于Lyapunov函数和线性矩阵不等式理论构造系统的稳定性判据,并设计了闭环系统丢包裕度的求解算法,为网络系统的稳定运行提供了评估策略。与已有的网络系统信号传输模型相比,考虑了双通道数据量化编码对系统稳定性的影响,并设计了动态参数调整规则,使得量化器能够根据输入信号实时调整量化区间,保证全域下信号的高量化精度。因此,本发明考虑的信号传输模型更符合实际通信过程,
此外,本发明讨论了双通道丢包对系统稳定性的影响,不同于对连续丢包量的分析,本发明考虑了系统随机丢包的情形,并构造了丢包裕度的求解算法,为网络系统的稳定运行提供了评估策略,解决了评估系统能否安全运转的问题,为网络系统的稳定运行提供了技术保障,从而避免系统失稳造成的巨大经济损失和人员伤亡。
本发明还提供了一种线性网络控制系统的稳定性分析方法的系统,包括,
信号传输模块,用于根据信号传输机理构建闭环线性网络控制系统的信号传输模型;
独立矩阵模块,构造闭环线性网络控制系统的信号传输模型的Lyapunov函,数,并基于线性矩阵不等式理论推导独立矩阵模型;
稳定性判断模块,用于根据信号传输模型和独立矩阵模型采用S-procedure 和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
实施例1
为了验证本发明提出稳定性分析方法的有效性,通过一个工作在特定飞行包线下的航空发动机网络控制系统实例对本发明做出进一步的描述。
1)请参阅图1,构建航空发动机网络控制系统的数学模型,考虑工作在地面最大慢车状态的航空发动机小偏离状态空间模型,描述如下:
Figure RE-GDA0004031264860000101
其中,
Figure RE-GDA0004031264860000102
采用状态反馈控制器:
Figure RE-GDA0004031264860000103
其中,
Figure RE-GDA0004031264860000104
2)验证参数的选择
采样周期T=0.02,量化边界Mx=20和Mu=50,量化误差Δx=0.05和Δu=0.1,丢包概率
Figure RE-GDA0004031264860000111
界定参数λ=10000。
3)验证结果分析
求解上述稳定性判据,得到参数如下:
Figure RE-GDA0004031264860000112
Figure RE-GDA0004031264860000113
δ=6662,θx=1.0158,θu=0.8214
则闭环系统是随机渐进稳定的,且量化器的动态参数调整规则为:
Figure RE-GDA0004031264860000114
以固定步长0.01降低γ和
Figure RE-GDA0004031264860000115
的取值,求解得上述系统的丢包裕度
Figure RE-GDA0004031264860000116
参阅图2,当系统存在双通道量化和丢包时,在上述设备参数作用下,系统的输出量是渐进稳定的,验证了本发明稳定性判据的有效性。
请参阅图3、图4、图6和图7,本发明设计的量化参数调整规则能够根据输入信号的大小自适应调节量化区间,保证线性网络控制系统全域信号的量化误差维持在较小区间内。请参阅图5和图8,本发明设计的稳定性分析方法考虑了双通道随机丢包的影响,丢包现象会使状态信号和控制信号无法及时更新,劣化系统响应性能,但在本文稳定性判据求解的丢包裕度范围内,系统是稳定的,构造的稳定行判据为网络系统的稳定运行提供了评估策略。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种线性网络控制系统的稳定性分析方法,其特征在于,包括以下步骤:
步骤1、基于信号传输机理构建闭环线性网络控制系统的信号传输模型;
步骤2、构造闭环线性网络控制系统的信号传输模型的Lyapunov函数,并基于线性矩阵不等式理论推导独立矩阵模型;
步骤3、根据信号传输模型和独立矩阵模型采用S-procedure和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
2.根据权利要求1所述的一种线性网络控制系统的稳定性分析方法,其特征在于,步骤1中信号传输模型的构建方法如下:
S1.1、构建线性闭环网络控制系统的数学模型;
S1.2、在数学模型的基础上引入动态量化模型对经过线性网络控制系统传输的信号编码量化;
S1.3、在数学模型的基础上引入伯努利随机变量构造线性网络控制系统传输过程中的丢包模型,根据丢包模型刻画数学模型的网络丢包现象;
S1.4、根据动态量化模型和丢包现象的模型构造状态反馈控制器,
S1.5、根据步骤S1.2信号编码量化方法和步骤S1.3的网络丢包现象的刻画方法,建立线性网络控制系统的控制器到执行器回路的信号传输模型;
S1.6、在状态反馈控制器的基础上引入辅助向量构建修正模型,根据修正模型修正线性网络控制系统的控制输入;
S1.7、根据动态量化模型、丢包模型、状态反馈控制器、信号传输模型、修正模型构建闭环线性网络控制系统的信号传输模型。
3.根据权利要求2所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述数学模型的如下:
Figure RE-FDA0004031264850000011
其中,
Figure RE-FDA0004031264850000012
Figure RE-FDA0004031264850000013
分别表示线性网络控制系统的状态向量、控制输入向量和系统输出向量,A、B和C表示适维常矩阵。
4.根据权利要求3所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述闭环线性网络控制系统的信号传输模型的表达式如下:
Figure RE-FDA0004031264850000021
其中,
Figure RE-FDA0004031264850000022
为x(k)的量化输出值,ex(k)表示量化误差,α(k)为伯努利随机变量,
Figure RE-FDA0004031264850000029
表示控制器获得的实际输入信号,K为控制器增益,
Figure RE-FDA0004031264850000024
为u(k)的量化输出值,β(k)为随机变量,e(k)表示状态量的网络传输误差。
5.根据权利要求4所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述丢包模型的表达式如下:
Figure RE-FDA0004031264850000025
其中,
Figure RE-FDA0004031264850000026
表示控制器获得的实际输入信号,随机变量α(k)满足:
Figure RE-FDA0004031264850000027
γ为信号
Figure RE-FDA0004031264850000028
成功传输的概率。
6.根据权利要求1或5所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述步骤2中所述独立矩阵模型的推导方法如下:
S2.1、对Lyapunov函数引入增广向量,得到Lyapunov函数的差分模型;
S2.2、在动态量化模型的基础上构造动态量化器参数调整模型,
S2.3、通过信号传输模型和调整模型界定动态量化模型的误差的取值范围;
S2.4、对Lyapunov函数引入线性矩阵不等式理论和Lyapunov函数的差分模型,将界定动态量化模型的误差取值范围的过程转化为独立矩阵模型。
7.根据权利要求6所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述独立矩阵模型的表达式如下:
ξT(k)Φ1ξ(k)≥0,ξT(k)Φ2ξ(k)≥0,ξT(k)Φ3ξ(k)≥0
其中,Δx和Δu分别表示状态值和控制值的量化误差,δ表示对控制器增益的界定。
8.根据权利要求1所述的一种线性网络控制系统的稳定性分析方法,其特征在于,步骤3后还包括以下过程:
根据稳定性判据确定网络控制系统的丢包裕度,根据丢包裕度确定网络系统的稳定范围。
9.根据权利要求8所述的一种线性网络控制系统的稳定性分析方法,其特征在于,所述丢包裕度的确定方法如下:
以固定步长降低γ和
Figure RE-FDA0004031264850000031
的取值,直至稳定性判据无解,对应的γ和
Figure RE-FDA0004031264850000032
的最小值为闭环系统丢包裕度,根据丢包裕度确定网络系统的稳定范围。
10.一种执行权利要求1-9任一项所述的一种线性网络控制系统的稳定性分析方法的系统,其特征在于,包括,
信号传输模块,用于根据信号传输机理构建闭环线性网络控制系统的信号传输模型;
独立矩阵模块,构造闭环线性网络控制系统的信号传输模型的Lyapunov函,数,并基于线性矩阵不等式理论推导独立矩阵模型;
稳定性判断模块,用于根据信号传输模型和独立矩阵模型采用S-procedure和Schur引理构造稳定性判据,根据稳定性判据对线性网络控制系统的稳定性进行判断。
CN202211201974.7A 2022-09-29 2022-09-29 一种线性网络控制系统的稳定性分析方法及系统 Active CN115685956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211201974.7A CN115685956B (zh) 2022-09-29 2022-09-29 一种线性网络控制系统的稳定性分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211201974.7A CN115685956B (zh) 2022-09-29 2022-09-29 一种线性网络控制系统的稳定性分析方法及系统

Publications (2)

Publication Number Publication Date
CN115685956A true CN115685956A (zh) 2023-02-03
CN115685956B CN115685956B (zh) 2024-08-16

Family

ID=85064715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211201974.7A Active CN115685956B (zh) 2022-09-29 2022-09-29 一种线性网络控制系统的稳定性分析方法及系统

Country Status (1)

Country Link
CN (1) CN115685956B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064997A (en) * 1997-03-19 2000-05-16 University Of Texas System, The Board Of Regents Discrete-time tuning of neural network controllers for nonlinear dynamical systems
CN102571829A (zh) * 2010-12-10 2012-07-11 同济大学 一种网络控制系统的量化控制方法及量化控制装置
US20140070734A1 (en) * 2012-09-04 2014-03-13 Khalifa University of Science, Technology, and Research Method and system for motor speed control
CN104570727A (zh) * 2014-11-14 2015-04-29 冶金自动化研究设计院 具有随机丢包的非线性双时标系统网络化控制方法
US20160028599A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Scheduling predictive models for machine learning systems
CN106249599A (zh) * 2016-09-28 2016-12-21 河南理工大学 一种基于神经网络预测的网络化控制系统故障检测方法
CN107272660A (zh) * 2017-07-26 2017-10-20 江南大学 一种带丢包的网络化控制系统的随机故障检测方法
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
CN112327616A (zh) * 2020-10-19 2021-02-05 江苏大学 一种基于事件触发的网络控制系统控制器设计方法
US20210364388A1 (en) * 2019-11-21 2021-11-25 Dalian University Of Technology Improved Smith Predictive Controller-Based Aero-engine H-Infinity Algorithm

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6064997A (en) * 1997-03-19 2000-05-16 University Of Texas System, The Board Of Regents Discrete-time tuning of neural network controllers for nonlinear dynamical systems
CN102571829A (zh) * 2010-12-10 2012-07-11 同济大学 一种网络控制系统的量化控制方法及量化控制装置
US20140070734A1 (en) * 2012-09-04 2014-03-13 Khalifa University of Science, Technology, and Research Method and system for motor speed control
US20160028599A1 (en) * 2014-07-23 2016-01-28 Cisco Technology, Inc. Scheduling predictive models for machine learning systems
CN104570727A (zh) * 2014-11-14 2015-04-29 冶金自动化研究设计院 具有随机丢包的非线性双时标系统网络化控制方法
CN106249599A (zh) * 2016-09-28 2016-12-21 河南理工大学 一种基于神经网络预测的网络化控制系统故障检测方法
CN107272660A (zh) * 2017-07-26 2017-10-20 江南大学 一种带丢包的网络化控制系统的随机故障检测方法
CN109243165A (zh) * 2018-07-31 2019-01-18 湖州师范学院 一种处理事件触发的网络t-s模糊系统丢包的方法
US20210364388A1 (en) * 2019-11-21 2021-11-25 Dalian University Of Technology Improved Smith Predictive Controller-Based Aero-engine H-Infinity Algorithm
CN112327616A (zh) * 2020-10-19 2021-02-05 江苏大学 一种基于事件触发的网络控制系统控制器设计方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
刘建刚;: "一类不确定网络控制系统的有界输入保性能控制", 齐齐哈尔大学学报(自然科学版), no. 02, 15 March 2010 (2010-03-15) *
吴金晶;姜偕富;王芳;李严鹏;: "一类改进的线性网络控制系统的稳定性准则", 杭州电子科技大学学报(自然科学版), no. 03, 15 May 2019 (2019-05-15) *
李建国;蒋赢;陆丽;: "具有随机丢包的线性网络控制系统控制器设计", 计算机仿真, no. 09, 15 September 2013 (2013-09-15) *
杨, 王向东: "一类带有不确定性网络控制系统的稳定性分析", 沈阳工业大学学报, no. 05, 25 October 2004 (2004-10-25) *
王燕锋;井元伟;詹宏维;张可菊;: "具有时延和数据包丢失的网络控制系统状态反馈", 东北大学学报(自然科学版), no. 03, 15 March 2011 (2011-03-15) *
罗小元;尚美杰;陈彩莲;关新平;: "执行器端丢包故障的网络控制系统建模与设计", 华中科技大学学报(自然科学版), no. 1, 15 August 2009 (2009-08-15) *
邱占芝, 张庆灵: "具有有界输入的网络控制系统时延独立稳定性", 计算技术与自动化, no. 03, 30 September 2005 (2005-09-30) *
高敏;姜顺;潘丰;: "带丢包的网络化控制系统的随机故障检测", 南京理工大学学报, no. 03, 16 July 2018 (2018-07-16) *

Also Published As

Publication number Publication date
CN115685956B (zh) 2024-08-16

Similar Documents

Publication Publication Date Title
Lu et al. Robust adaptive model predictive control: Performance and parameter estimation
CN109814381B (zh) 一种基于事件触发的网络控制系统控制器设计方法
CN113325822B (zh) 基于动态事件触发机制和传感器非线性的网络控制系统故障检测方法
CN109410361A (zh) 一种基于马尔科夫跳变的事件触发状态估计系统
CN113325821A (zh) 基于饱和约束和动态事件触发机制的网络控制系统故障检测方法
CN107168053B (zh) 一种具有随机滤波增益变化的有限域滤波器设计方法
CN114257409B (zh) 一种应对拒绝服务攻击的自触发量化控制方法
CN111966226B (zh) 一种基于补偿型长短期记忆网络的触感通信容错方法及系统
CN108512528B (zh) 一种cim函数下的比例控制和归一化lmp滤波方法
CN111142386A (zh) 一种基于非均匀量化的不确定多智能体系统一致性控制方法
Guan et al. A hybrid transmission scheme for networked control systems
Chen et al. Design of event‐triggered networked control systems via specific triggering quantizer
CN115685956A (zh) 一种线性网络控制系统的稳定性分析方法及系统
CN113406931B (zh) 基于动态事件触发的非线性随机网络化工业系统控制方法
CN114019804A (zh) 一种自适应神经网络动态面控制方法
Nithya et al. Quantized filtering for networked Takagi–Sugeno fuzzy systems with multipath data packet dropouts
CN115718427B (zh) 一种保安全的非脆弱网络化预测控制方法
CN109976373B (zh) 飞行器中的差分量化反馈控制器及其控制方法
CN109543822B (zh) 一种基于卷积神经网络的一维信号数据修复方法
CN111880413A (zh) 一种针对船舶航向保持的自适应动态面算法
CN108462481B (zh) 一种μ律函数下基于参数调整的比例LMP滤波方法
CN108512529A (zh) 一种μ律函数下的比例控制和归一化LMP滤波方法
Barforooshan et al. Achievable performance of zero-delay variable-rate coding in rate-constrained networked control systems with channel delay
CN113644857A (zh) 一种永磁直线电机有限级量化迭代学习控制方法
Yoshino et al. Dynamic quantizers design under data rate constraints by using PSO method

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