广义预测算法在网络控制系统中的应用

在网络控制系统中,由于网络的引入不可避免的导致信息的延时.从而使得控制系统的性能下降甚至导致系统不稳.本文在分析网络时延特性的基础上,采用广义预测控制策略对进行时延补偿,并利用Matlab对被控对象进行了仿真实验研究.仿真结果表明该控制策略能使得网络控制系统具有良好性能.     

带误差补偿的GPC对网络控制系统时延的解决

针对网络控制系统(NCS)具有不确定时延的特性，提出了将广义预测控制(GPC)应用于网络控制系统的思想。为了克服模型失配和系统不确定性的影响，基于BP神经网络建立一个误差的预测模型，用误差预测值对输出预测值进行补偿，构成新型的广义预测控制算法，并采用了平滑滤波的加权输入控制律。在网络控制系统中，测试了网络数据传输的随机延迟时间特性，比较了GPC和具有BP网络预测误差补偿的GPC两种控制方法，验证了具有BP网络预测误差补偿的GPC在模型失配时的更好的控制性能。     

工业以太网络控制系统的建模及其控制器设计

为了解决多种现场总线难以集成的难题,提出基于工业以太网的网络控制系统.研究同时具有网络诱导时延和数据包丢失的工业以太网络控制系统的建模问题.假设数据包丢失率一定,网络延时不大于一个采样周期,将工业以太网络控制系统建模为具有事件率约束的异步动态系统.针对对象状态不完全可测情况,研究采用动态输出作为反馈的网络控制系统指数稳定问题,给出确保系统稳定的动态输出反馈控制器的设计方法,并通过仿真算例证明该方法的有效性.     

悬臂梁结构串级无线预测控制算法研究及验证

应用无线方式对结构进行主动控制已经有了初步研究,并逐步取代传统的有线控制策略.无线方式不可避免地引入了延时,影响了系统稳定和控制效果,所以无线主动控制必须要解决延时问题.基于悬臂梁结构搭建了无线控制实验系统,采用PID和模型预测控制相结合的串级控制策略,增加了延时补偿算法,分别以无延时、信号采集端有延时、信号采集端及控制信号输出端都有延时3种工况,对悬臂梁无线控制系统进行了仿真与实验.仿真和实验结果表明,所建立的无线控制系统可以对模型结构实现控制,所运用的延时补偿策略能达到与有线控制相媲美的控制效果,对实际工程应用具有很好的借鉴作用.     

基于滤波电感辨识及延时补偿的并网逆变器模型预测控制

针对三相并网逆变器采用传统模型预测控制时,因模型失配造成输出电流畸变率大、谐波含量高、并网效率低的问题,文章提出了一种基于滤波电感辨识及延时补偿的模型预测控制方案,将在线辨识的滤波电感和延时补偿的电压电流应用到三相并网逆变器模型预测控制系统中,并在MATLAB/Simulink环境下进行了仿真,仿真结果表明:基于滤波电感在线辨识及延时补偿的模型预测控制具有很好的动、静态特性,输出电流正弦度好、谐波含量少,验证了方案的可行性和正确性.     

基于倍频采样和状态预测的LQ控制策略

针对网络控制系统中的延时补偿问题,设计了一种新型网络控制系统工作方式.通过设置缓冲区和采用控制器节点倍频采样的方法,使系统在能够实时准确地获得系统延时的情况下,最大限度地减小系统环路中的时滞,在状态预测的基础上设计的LQ控制器,使得网络控制系统的性能得到进一步改善,仿真结果验证了该方法的有效性.     

并联有源电力滤波器电流预测控制

采用预测控制对并联有源电力滤波器电流进行控制.根据预测控制的3个基本特征,即预测模型、滚动优化和反馈校正对有源电力滤波器(APF)的电流闭环进行设计,使电网中的谐波电流得到了很好的补偿.通过对并联有源电力滤波器的时域分析,得到了电流预测控制的内部模型结构,并根据预测控制理论对并联有源电力滤波器的电流控制环进行了研究和实现.电流预测控制采用实际输出与预测模型输出之间的误差进行反馈校正和滚动优化,克服了系统中存在的不确定性,提高了控制系统的精度和鲁棒性.仿真实验结果表明了该方法的正确性和可行性.     

基于工业以太网的地铁通信网络仿真研究

现有的地铁通信网络传输速率较小,不能够适应视频监视和故障诊断等大容量信息的传输,而工业以太网在传输速率方面有着明显优势。建立工业以太网地铁通信网络的网络模型并进行仿真,研究不同链路速率下以太网延时、端到端丢包率和误码率的变化。     

直线一级柔性连接倒立摆的网络化控制

研究网络化控制系统中网络延时补偿对系统性能的改善效果.为一级柔性连接倒立摆进行了建模并分析系统的可控性和稳定性,设计LQR控制器.实验验证了延时对系统性能和稳定性的影响;使用统计方法研究了以太网中网络延时的分布特性,实验验证了网络延时的对称性;并设计了基于改进的卡尔曼滤波器的状态预测器对网络延时进行补偿;最后实现了完整的柔性倒立摆的网络化控制系统.实验验证了改进的卡尔曼滤波器的状态预测器的有效性,系统性能得到明显改善.     

基于动态矩阵方法的网络控制系统补偿策略

针对网络控制系统数据包不确定的问题,分析了该特性对网络控制系统的影响以及目前的控制方法,设计了控制器节点由事件-时间驱动,传感器节点和执行器节点由时间驱动的分布式网络控制系统模型.在此基础上,根据预测控制中动态矩阵方法具有的简单实用的特点,提出了基于动态矩阵方法的时延控制和数据包丢失补偿策略.应用此策略进行了仿真,结果表明补偿后的系统输出与存在网络时延,但数据包按时到达的系统输出几乎一致,验证了该策略的有效性.     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.     

基于模型参考的锅炉燃烧系统神经网络控制和辨识

大纯时延、煤种多变和蒸汽负荷频繁变化是链条炉难以进行良好燃烧控制的原因。对非线性延迟系统延迟时间的神经网络辨识方法进行了研究,即改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于神经网络动态补偿的模型参考自适应控制策略相结合,可用于对具有变化参数或不确定性延迟时间的非线性大延迟系统的控制。仿真结果表明:这种神经网络模型对非线性大纯时延系统的控制具有控制速度快、鲁棒性能好等优点。     

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立了6个描述终端区交通态势的指标。接着,构建反向传播（back propagation,BP）神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法（particle swarm optimization,PSO）优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型（genetic algorithm and back propagation,GA-BP）。     

延迟时间未知的时延系统神经网络补偿控制

提出了延迟系统及延迟时间参数的神经网络辨识方法。改变神经网络输入样本区间,利用网络输出期望值与输出实际值之间的误差平方和产生的突变,可以辨识出非线性对象的延迟时间。将神经网络大延迟系统的辨识与基于模型补偿的控制策略相结合,可以用于具有变化参数或者不确定性延迟时间的大延迟系统的控制。仿真结果表明这种神经网络模型补偿延迟系统控制具有很好的控制效果,它是大延迟控制中克服延迟时间变化的很有希望的方法。     

改进的航电网络模型仿真与分析

研究了光纤通道技术的应用,使用OPNET建立了基于光纤通道的航电网络,并且按照协议标准建立了终端节点和交换机节点的有限状态机模型。交换机使用组合输入交叉排队(Combined Input-Crosspoint Queueing,CICQ)结构,在输入端口和输出端口使用差值轮询调度(Deficit Round Robin,DRR)算法,然后使用OPNET进行仿真,分析了网络的端到端延迟和吞吐量。结果显示在航电网络中,使用DRR调度算法,能够显著降低数据包的端到端延迟,满足一定的实时性,提高网络的吞吐量,表明此模型适合航电网络。     

基于MCS算法的振动主动控制时滞补偿

 针对振动主动控制中时滞会引起最小控制合成算法失稳问题,提出在传统的最小控制合成算法(MCS)的基础上,应用smith 预估器时滞补偿原理,在MCS 算法中添加时滞补偿因子,构建一种改进的具有时延补偿的MCS 算法。选取工业生产中常见的受控机械臂结构进行建模和仿真。结果表明,改进的MCS 算法克服了振动主动控制策略中时滞失稳问题,具有较好的时滞补偿控制效果。     

基于随机通信时滞补偿的混合动力汽车协调控制研究

为了改善功率分流式混合动力汽车模式切换品质,提出了一种基于随机通信时滞补偿的转矩协调控制策略.在一般的电机转矩补偿控制策略的基础上,为提高车辆协调控制系统的精度,揭示了不同通信网络时滞对于电机补偿控制稳定性的影响,提出了增设BP-Smith自适应补偿模块和电机转矩变化率限制模块构成的复合协调控制策略并进行了仿真验证,结果表明,该控制策略在受到随机网络延时的干扰下仍能保证系统的稳定性及模式切换的平顺性.      

基于UKF的战术数据链通信延时与补偿算法

针对战术数据链在信息传输过程中通信延时和量测信息的非线性问题, 结合当前统计模型提出了一种基于无迹卡尔曼滤波算法的延时补偿算法。将非线性变换引入到状态预测中,
在状态预测的基础上加入延时补偿程序, 完成对延时的补偿, 且该算法对非线性量测模型进行更新, 避免了量测模型线性化带来的精度降低。分析了战术数据链产生延时的原因及其对攻击决策的影响, 建立了机动目标的当前统计模型, 采用无迹卡尔曼滤波算法对目标进行跟踪, 在该算法对状态预测的基础上加入延时补偿算法, 对机动目标的位移、速度进行补偿,仿真结果表明该方法有效。     

基于MCS算法的自适应时滞补偿振动控制研究

由于Smith预估时滞补偿器对预估模型和预估时间有较高的要求,在预估模型和时间出现较大偏差时会引起时滞补偿的MCS算法出现控制效果下降甚至失稳的问题,因此,基于李雅普诺夫稳定性原理,设计一种自适应时滞补偿结构添加到时滞补偿MCS算法中,构建一种具有自适应时延补偿的MCS算法。选取悬臂梁结构为研究对象进行仿真分析,结果表明改进的MCS算法不仅克服了预估时间出现较大偏差时的失稳问题,而且具有较好的时滞补偿控制效果。