一类新的基于神经网络预测的变周期网络控制系统采样方案

提出了一类新的能够减轻时延对网络控制系统影响的基于神经网络预测的变周期网络控制系统采样方法,简要论述了在网络控制系统中融入了BP神经网络后,如何对它进行建模、分析、控制,被选作采样周期的时延可以利用BP神经网络工具进行在线预测,文中还给出了一种新的可以应用于生产实践的网络控制系统推广模型.     

基于模型预测控制的孤岛微电网频率二次控制策略

在多逆变器并联的孤岛微电网系统中,由于线路阻抗以及负荷分布不均等因素的影响,采用传统的下垂控制会导致稳态下系统频率偏离额定值.为了消除频率偏差,通常采用分层控制方法,但二次层中采用PI控制无法解决不确定通信延时对系统稳定性的影响.为此,在分层控制的基础上,提出了一种基于模型预测控制的孤岛微电网频率二次控制策略,在二次控制系统设计中采用模型预测控制方法,以此解决不确定延时对系统频率的影响;并采用小信号模型和参与因子分析系统的稳定性.最后,通过Matlab/Simulink仿真验证采用所提控制方法的分层控制系统对不确定延时具有较强的鲁棒性,验证了所提控制方法的有效性和可行性.     

基于最优预测状态估计的网络化最优控制

针对网络化控制系统中存在的时变网络诱导时延和数据包丢失,提出基于最优预测状态估计的网络化线性二次型高斯(LQG)最优控制算法.对于存在网络诱导时延的情况,考虑反馈信号的网络诱导时延大于1个采样周期的情况,把网络化最优预测状态估计算法与传统最优控制算法结合,补偿网络诱导时延的影响.对于存在时变数据包丢失的情况,把时变数据包丢失的状态描述为1个二元赋值变量,假定当数据包丢失时目标节点保持上一时刻的值,给出相应的最优预测状态估计器和线性二次型(LQ)最优控制器的设计方法.研究结果表明:分离定理成立;网络化最优预测状态估计方法的缺点在于随着网络诱导时延增大或数据包丢失数目增加,其预测估计误差协方差阵略微增大,从而导致最优控制系统的代价略微增长.仿真和实验验证了算法的有效性和理论分析的正确性.     

二自由度状态预测控制

本文叙述,讨论用状态观测器作状态预测的纯滞后时间控制系统的构成,抗干扰性、鲁棒性,提出便于调整的二自由度状态预测控制用于直流电机调速系统中,由仿真比较可知能获得良好控制效果。     

变采样周期网络控制系统的模型预测控制

对一类具有随机时延和输入约束的网络控制系统,利用变采样周期的方法,将连续的被控对象离散化,从而将网络控制系统建模为部分转移概率未知的Markov跳变系统.基于预测控制的滚动优化原理,提出一种模型预测控制策略,通过线性矩阵不等式的方法,给出保证整个闭环系统随机渐近稳定充分条件.仿真算例说明所提方法的有效性.     

基于状态观测器的非一致采样系统状态反馈预测控制

针对控制信号不等间隔采样的非一致采样系统,提出了一种基于状态观测器的状态反馈预测控制算法．通过提升控制信号,设计了输入、输出同周期的非一致采样系统的状态观测器,并且给出了提升控制信号前后观测器系数矩阵的关系．运用线性矩阵不等式方法,解决了无穷时域二次型性能指标下的优化问题,给出了状态反馈预测控制器存在的充分条件．仿真结果证明了控制算法的有效性．     

基于局域网的网络状态预测

讨论了网络状态预测的意义及存在的问题 ,并分析了TCP协议中的通用网络状态估算法 ,针对其应用到具体局域网环境中时的不足之处 ,提出了平滑因子应该是时变的观点 ,并在此基础上给出一种新的用于局域网环境的网络时延预测算法 ,并给出实验数据进行比较分析     

基于定性动态概率网络的交通状态预测及改进

 交通问题已经成为了制约城市发展的一个主要问题.城市的交通状态是可以预测和加以改进的.有效的交通状态预测在一定程度上能优化交通状态,减少交通堵塞.定性动态概率网络(QDPNs)是目前进行动态地推理不确定知识领域最有效的模型之一.提出了一种基于定性动态概率网络的交通状态预测及改进的方法,该方法从系统的角度对城市的交通状态进行建模,通过推理,能够找到交通问题的症结,以便采取有针对性的措施来解决交通拥堵问题.     

网络控制系统中状态观测器的设计方法

阐述了当前网络控制系统的类型与结构，在此基础上，论述了网络控制系统在单个数据包传输且随机时间延迟小于一个采样周期的情况下，全维状态观测器的设计方法，并提出了一种基于状态观测器的动态补偿方法．最后给出了不同随机时间延迟范围下的系统仿真，证实了这种补偿方法的有效性。     

变采样周期网络控制系统的量化状态反馈控制

研究了一类具有变采样周期的网络控制系统的量化状态反馈控制问题.将从传感器到控制器的随机时延作为系统的时变采样周期,通过将具有时变采样周期、随机时延和量化器的网络控制系统建模为M arkov跳变系统,利用李雅普诺夫稳定性理论和线性矩阵不等式方法给出了系统指数均方稳定的充分条件,并设计了一种量化状态反馈控制器.通过仿真算例说明了所提方法的有效性.     

时变时延比例积分状态反馈网络控制系统的稳定性

研究在传感器与控制器间、控制器与执行器间有时延和数据包丢失的网络控制系统的模型、指数稳定性和控制器设计问题.将时变时延和数据包丢失的比例积分状态反馈网络控制系统建模为有事件率约束的异步动态系统.基于异步动态系统理论、Lyapunov稳定性原理和线性矩阵不等式方法,提出网络控制系统指数稳定的半负定矩阵条件和比例积分状态反馈控制器设计方法.通过数值算例说明提出的网络控制系统指数稳定的半负定矩阵条件和控制器设计方法是可行的.     

基于最小二乘支持向量机的网络控制系统建模

针对网络控制系统实时信号的传输问题,提出一种采用最小二乘支持向量机理论预测和补偿非理想条件下网络传输导致的不良影响,建立一个较通用网络控制系统模型的方法,并对所提出模型的正确性和可应用性进行验证.仿真结果表明,基于最小二乘支持向量机预测模型能在一定程度上提高网络控制系统的动态性和稳定性,弥补了周期性传输采样信号占用大量网络带宽和不必要网络通信的缺陷.     

网络控制系统中在线时延评估方法及其控制

为了解决网络控制系统中数据传输时延给控制品质带来不良影响的问题，从融合通信技术和控制技术的角度出发，提出一种新的控制方案．通过运用在线时延评估方法——平均时延窗口(ADW)法来在线估计出网络控制回路中的时延特性．在此基础上，根据得到的时延来确定LQG控制器中的控制参数．此控制方案克服了对网络时延离线的盲目假设，而且在具体实施中不需要网络同步时钟技术的支持，因此具有一定程度的实用性．通过在CAN总线实验平台的验证，其结果显示了此控制方案的有效性．     

主动变采样周期方法在网络化控制系统中的应用

针对基于Internet的网络控制系统中由于控制器位置变化可能导致控制性能下降甚至不稳定的问题,提出了主动变采样周期的网络化控制器设计方法. 为变采样周期的网络化控制系统建立了离散数学模型,采用Lyapunov方法给出了短延时情况下主动变采样周期网络控制系统闭环稳定的充分条件,并在倒立摆网络化控制系统中进行了实验验证. 实验结果证明了采用固定采样周期的控制器在网络位置变化后可能使系统不稳定,采用主动变采样周期的状态反馈控制方法设计的控制器在网络位置变化后仍然可以使系统稳定.      

一类时延网络控制系统的有限时间镇定

研究了一类具有状态时延的网络控制系统的有限时间镇定问题.基于Lyapunov函数法,得到线性矩阵不等式形式的状态反馈控制器设计的充分条件,该状态反馈控制器使得网络控制系统有限时间稳定.最后,给出一个数值算例说明了该方法的有效性、可行性.     

基于观测器的时延网络控制系统稳定性

针对一类传感器采用时间驱动,控制器和执行器采用事件驱动的确定短时延网络控制系统,设计了一个状态观测器.将该网络控制系统离散化,并在此观测器的基础上给出了系统的离散模型和判定渐近稳定的方法.通过建立一个Lyapunov函数并采用线性矩阵不等式(LMI)的方法获得系统渐近稳定的充分条件.仿真实例验证了该方法的可行性及有效性.     

基于事件触发的线性网络化控制系统主-被动混合容错控制设计

针对一类具有时变时延的线性网络化控制系统(NCS),在离散事件触发通信机制下,研究了执行器任意失效故障的主-被动混合容错控制问题.建立了基于事件触发机制的闭环故障系统模型,设计了能使系统在发生故障集以内的故障时稳定的被动容错控制器.同时,设计故障诊断观测器估计任意执行器失效故障的大小,一旦获得准确的故障信息,立即重构控制器以补偿故障的影响.所设计的主-被动混合容错控制器在执行器任意失效故障下,不但能使系统稳定而且具有良好的控制性能.仿真算例验证了本文方法可在确保故障系统稳定的前提下能有效地节约网络通信资源.     

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.