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。     

网络控制系统动态死区反馈调度

为了在负载变化的网络环境中合理调度资源,提出了将死区控制与节点优先级分配相结合的调度器。死区控制可以在不严重影响控制质量,以及不改变系统采样率的情况下节省网络资源。结合优先级的合理分配,所设计的网络控制系统可以在网络负载较轻的时候充分利用带宽资源,在网络重负载的时候实现控制质量的逐渐降低。实验仿真结果表明:所设计的在线动态调度方法可以在变化的工作环境中改善网络控制系统的性能,提高应对工作负载变化的能力。     

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.     

时延网络控制系统调度与稳定性

针对共享网络资源的多个网络控制系统的调度与稳定性问题,考虑网络诱导时延对系统的影响,给出网络控制系统的模型描述;基于静态非抢占RM(Rate Monotonic)调度算法,给出网络可调度与闭环系统稳定的充分条件。仿真结果表明该文的方法比已有的方法具有更小的保守性。     

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。     

基于在线时延辨识的网络控制系统调度

基于在线网络时延的辨识方法,提出一种对网络控制系统的周期信息、非周期信息和消息的实时动态调度算法.所提出的利用一种滤波器的辨识方法能够实时在线辨识网络时延,而且基于该时延辨识的调度算法能够动态地调整采样周期和分配带宽,并保证系统的性能和提高网络资源的利用率.仿真实例说明了辨识方法的有效可行性.     

网络控制系统二维优先级和带宽调度策略研究

研究了一种基于二维优先级和带宽调节的网络控制系统调度问题。在调度器的设计过程中,为对优先级和带宽进行协同调度,将任务的执行次序通过任务的一级优先级和任务的二级优先级决定,并在二维优先级调度机制中进一步引入二维带宽控制策略,以根据用户需求实时动态调整网络带宽,从而改善网络环境,克服了现有调度策略的不足。最后,通过仿真分析验证了调度算法的有效性。     

基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能.     

基于信息调度的网络控制系统的故障诊断

研究了基于静态信息调度框架的网络控制的故障诊断问题。表征故障信息的残差信号由一个周期性的未知输入观测器观测出的系统状态和参考模型的状态构造而来。文中给出了此类观测器存在的充分条件,并根据状态估计误差和Lyapunov理论推导出观测器稳定的条件。最后给出了仿真实例验证了提出方法的有效性。     

基于多速率采样系统的网络预测控制算法

针对网络控制系统（NCS）中存在的网络延迟和数据丢包问题,利用提升技术,将预测控制器和网络延迟补偿器相结合,提出了一种基于多速率采样系统的网络预测控制算法．仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,不仅提高了网络资源利用率,且能保证闭环网络控制系统是渐近稳定的．     

基于预估补偿的网络控制系统模糊免疫PI控制

为克服网络时延对系统性能的影响,采用Smith预估补偿和模糊免疫PI控制相结合的方法,把被控对象和网络看作一个时变的被控系统,用渐消记忆的最小二乘算法对该系统的延时参数进行估计,并用Smith补偿器对延时进行补偿,初步解决网络延时给系统带来的影响.将免疫反馈控制和PI控制相结合,组成免疫PI控制器,根据控制量的变化来调节PI控制器参数,在参数选择合适的情况下,克服由延时预估误差对系统引起的控制偏差,提高系统精度.最后以直流电机为被控对象进行了仿真研究,结果表明该方法能有效改善系统的控制性能.     

具有模糊校正的GPC在NCS中的应用

针对网络的引进而产生的时延及系统的不确定性问题,在GPC控制算法的基础上通过加入模糊校正的方法更好的解决了网络控制系统中系统模型失配和噪声干扰等对系统控制效果的影响,仿真结果验证了控制器设计方法的有效性.     

网络控制系统的建模方法综述

由于网络控制系统的复杂性,其建模问题一直没有得到很好解决。为此,总结了目前常见的网络控制系统的建模方法,分析了各种建模方法的优缺点,并在此基础上对网络控制系统的建模方法进行了展望,提出了建立具有多输入多输出、多回路延时的网络控制系统模型;将网络延时的不确定性转化为系统模型的不确定性,对网络控制系统进行建模;综合考虑控制与调度对网络控制系统进行建模等3个研究方向。     

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.     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

基于模糊系统聚类学习的自适应控制算法

在自适应控制最小方差自校正控制器设计中，当被控对象的数学模型未知时，可采用模糊系统代替实际系统。提出了一种新的模糊系统的聚类学习算法，根据初始聚类中心的选取原则，可以使最终获得的聚类结果是全局近优解。该方法只需计算一遍样本间的广义距离，即可完成初步的聚类，通过迭代运算可以使聚类结果得到进一步优化。仿真结果证明了自适应控制器的控制效果。     

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。     

基于神经网络的模糊控制系统的研究

从模糊理论和神经网络各自特点出发 ,详细讨论这 2大系统的联系和区别 .进一步将两者有机的结合起来 ,实现基于神经网络的模糊控制推理结构的设计 ,同时给出其设计的方法和步骤 .显示两者的结合是实现更完美智能控制系统的有效途径 .