网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法.该算法由网络利用率预测和采样周期调节两部分组成:网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算.采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期.最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能.     

基于有限带宽的NCS模糊动态反馈调度算法研究

带宽受限是影响网络控制系统正常运行的一个重要因素。将模糊控制理论引入反馈控制实时调度框架体系。提出了基于有限带宽分配的模糊动态反馈调度算法。该算法综合考虑了系统中各控制回路的控制偏差和偏差变化率。通过动态调节各控制回路的优先级,在满足系统的实时性要求的同时,能使网络具有较好的服务质量。仿真结果证明了所设计的算法要优于EDF算法,能够更有效的提高网络控制系统的控制质量。     

磁力轴承控制系统任务调度算法研究

在分析了磁力轴承控制系统任务特性和经典的RM及EDF调度算法特性基础上,提出了控制系统中具有智能决策能力的实时任务调度算法．该算法吸收了RM与EDF算法的优点。通过动态地改变任务的周期而有效地进行任务调度,并能进行在线系统检测．对调度算法特性进行了理论分析,指明了算法可行的条件,并对CPU的利用率进行了定量计算与分析．     

基于图论的网络控制系统动态调度策略研究

针对网络资源的有限性对网络控制系统性能所产生的影响问题,研究了一种基于图论的动态调度策略.通过引入图论思想,以获取被控对象与控制器之间网络的最短路径,从而优化系统的带宽分配;并进一步利用EDF调度算法,有效处理动态网络环境下资源利用,降低网络诱导时延和数据流量,保证系统的通信性能;最后,通过实例仿真验证了理论的有效性和正确性.     

网络化控制系统的RM调度优化研究

减少网络堵塞是提高网络化控制系统性能的有效的方法.提出了一种基于RM调度优化算法的研究方法,通过对网络化控制系统中的调度优化算法的分析,网络利用率明显好于未被调度优化的系统.结果表明,合理的调度优化算法能提高控制系统的网络利用率,同时改善了控制系统的动态性能.     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

不确定环境下的嵌入式实时系统EDF调度算法研究与分析

大部分嵌入式系统的实时调度算法, 都是按任务的最坏执行时间进行调度, 会浪费各种资源. 针对网络多媒体系统的实时应用需求和当前调度算法的实时性能的不足, 本文分析了嵌入式实时系统中有代表性的动态EDF调度算法, 建立了一个周期性的任务集模型, 依据该模型, 提出来了一个改进的EDF调度算法, 最后用实验验证了改进的EDF调度算法的有效性.     

基于模糊反馈的网络控制系统分层调度策略

针对基于工业以太网的网络控制系统中控制回路数据、非实时数据和紧急数据共享有限优先队列和网络带宽的特点,综合考虑了控制回路的控制性能要求和非实时节点的网络服务质量要求,提出了基于模糊反馈的分层调度策略。各控制回路和非实时节点的带宽范围由指定的调度节点定时集中分配。在分配的带宽范围内,控制器节点利用系统误差及其变化动态地设定采样周期和数据优先级,非实时节点利用时延和丢包率动态地调整数据包的长度及优先级。与线性最早时限优先、线性最早时限优先+死区调度策略、线性混合业务调度和线性混合业务调度+死区调度策略的对比仿真实验,验证了该调度策略的有效性。     

工业以太环网的最低松弛度优先信息调度算法

为了改善工业以太环网的服务质量,减少帧的冲突、阻塞和丢失,提出了工业以太环网的最低松弛度优先(IERN-LLF)信息调度算法,并证明了在网络所有帧同一时间释放的条件下,IERN-LLF算法是工业以太环网最优的信息调度算法.仿真结果显示,与最早时间限优先(EDF)和单调速率(RM)调度算法相比,工业以太环网在IERN-L...     

Job-shop的实时调度

利用神经网络和启发式分派规则设计了一种Job—shop的实时调度算法，该算法首先在离线时用遗传算法训练神经网络得到调度的启发规则，在加工开始时根据一些动态特性对要执行的工件操作进行模糊分类，然后再根据启发规则对分类后的操作进行在线调度．基于这种算法，用模糊神经网络设计了一个Job—shop实时调度器，最后结合实时调度和重调度问题进行了仿真．通过与FIFO与LR(Lagrangian Relax)的比较，证明提出的算法是高效和可行的．     

基于误码率的模糊加权无线网络公平调度算法

针对无线网络中实现多连接时的公平性调度问题,提出了一种基于信道误码率的模糊规则自校正的加权公平调度算法.该算法通过对链路误码率的定期测量,利用模糊算法对信道的当前状态进行推理判断,从而使各链路的调度权值跟随信道的状态自适应地调整.算法中还引入模糊规则自校正算法,以使其具有自寻优能力.仿真结果表明,所提算法能有效地改善系统的吞吐量及带宽分配的公平性,当信道误码率较高时,系统平均吞吐量比传统加权轮询调度算法提高14倍,而公平性系数仍达到0.8以上.     

时变时延网络化控制系统的鲁棒稳定性

针对一类存在噪声干扰的时变时延网络化控制系统,基于信息调度与控制协同设计的思想,建立了具有信息调度和噪声干扰的时变时延网络化控制系统模型．引入增广状态矩阵分析方法,研究了存在时变时延和噪声干扰情形下闭环网络化控制系统的鲁棒稳定性问题．给出了使闭环系统渐近稳定的控制器参数化表达式．仿真分析表明该策略在满足闭环系统稳定性的同时,降低了系统信道的数据信息流量,充分地利用了网络带宽资源。     

基于输出反馈的网络系统控制器的设计

对网络控制系统进行分析,在考虑网络诱导时延和数据包丢失的基础上,基于一定的数据包丢失率和不大于一个采样周期的时延建立数学模型,研究了动态输出反馈网络控制系统指数稳定性和控制器设计问题,将系统建模为结构事件率约束的异步动态系统.利用线性矩阵不等式方法推导出网络接通率约束的系统指数稳定的充要条件,给出了确保系统稳定的控制器设计方法,仿真实例说明研究结果是有效可行的.     

具有通信约束的网络控制系统稳定性研究

针对网络带宽的限制,在网络控制系统中需要采用多包传输．为了避免这些网络包发生时序错乱,每次只传输控制对象测量值分出的多个数据包中的一个,从而将这类网络控制系统建模为异步动态系统．多包传输网络控制系统中同样存在大的网络延时,这必将影响系统的控制性能,甚至使系统失稳．为了保证这类系统的稳定性,借助异步动态系统的Lyapunov稳定理论,给出了多包传输长时延网络控制系统的Lyapunov稳定条件．仿真实验结果表明了该方法的有效性．     

网络控制系统中任务与信息的优化调度

为了提高网络控制系统性能,解决网络控制系统中信息和任务相互约束的问题,设计了同时调度网络控制系统中任务与信息的算法.采用遗传算法优化调度序列,减小系统采样周期和端端延时,优化了系统整体性能.最终形成同步异构系统一个周期内的调度表,确定了系统每个子任务的执行时间和占用资源,解决了不同控制回路资源冲突问题和相同控制回路任务与信息执行顺序的约束问题,并且保证了每个子任务的实时性.仿真表明该算法是有效的.     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

网络闭环系统的离散模糊控制

针对网络控制系统（NCS）存在时延的情况下如何设计控制器问题,提出了一种新的网络闭环控制系统建模方法-离散模糊T-S模型,并在此模型的基础上应用平行分布补偿原理设计了NCS模糊控制器;应用Lyapunov理论和LMI方法,研究了系统的模糊稳定控制御题,给出了基于线性矩阵不等式的不依赖时滞的状态反馈模糊控制器的设计方法,并获得了NCS模糊控制的稳定充分条件为求解一组线性矩阵不等式;通过仿真验证了该控制方法的有效性。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。