首页 / 专利库 / 信号处理 / 信号 / 一种网络化控制系统及其输出跟踪控制方法

一种网络化控制系统及其输出跟踪控制方法

阅读:1发布:2020-08-03

专利汇可以提供一种网络化控制系统及其输出跟踪控制方法专利检索,专利查询,专利分析的服务。并且本 发明 实施例 提供一种网络化控制系统及其输出 跟踪 控制方法,网络化控制系统包括数据缓存器、预测 控制器 和时延补偿器;数据缓存器缓存被控对象的输出数据序列,预测控制器,用于根据被控对象的输出数据序列和参考输入 信号 ,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将控制量预测值序列发送给时延补偿器;时延补偿器从控制量预测值序列中选取施加于被控对象的 控制信号 ,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。本发明实施例充分利用通信网络的“包传输”特性,主动补偿网络化系统反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失。,下面是一种网络化控制系统及其输出跟踪控制方法专利的具体信息内容。

1.一种基于输出跟踪控制的网络化控制系统,其特征在于,所述网络化控制系统包括数据缓存器、预测控制器和时延补偿器;
所述数据缓存器,用于缓存被控对象的输出数据序列,并将所述被控对象的输出数据序列发送给预测控制器;
所述预测控制器,用于根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器;
所述时延补偿器,用于从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
2.一种基于权利要求1所述的网络化控制系统的输出跟踪控制方法,其特征在于,包括:
数据缓存器缓存被控对象的输出数据序列,并将所述被控对象的输出数据序列发送给预测控制器;
预测控制器根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器;
时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
3.根据权利要求2所述的输出跟踪控制方法,其特征在于,所述被控对象的输出数据序列表示为:
Y(k)=[y(k) y(k-1) … y(k-Ly-1)];
数据缓存器在每一个采样时刻,将所述被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器;
其中,Ly为被控对象的输出伪阶数。
4.根据权利要求3所述的输出跟踪控制方法,其特征在于,采用离散时间非线性系统描述被控对象:
y(k+1)=f(y(k),…,y(k-ny),u(k),…,u(k-nu));  (1)
式中,y(k)∈R和u(k)∈R分别为k时刻,被控对象的输出和输入,f(·)为未知的非线性函数,ny和nu分别为未知的系统输出阶数和输入阶数。
5.根据权利要求4所述的输出跟踪控制方法,其特征在于,还包括将被控对象的离散时间非线性系统表示为实时动态线性化数据模型:
非线性函数f(·)关于hyu(k)的各个变量都存在连续偏导数,其中
Ly≥0和Lu≥1分别为系统输
出伪阶数和输入伪阶数;
对于任意时刻k1≠k2且k1≥0、k2≥0和hyu(k1)≠hyu(k2),均有:
|y(k1+1)-y(k2+1)|≤b|hyu(k1)-hyu(k2)|;  (2)
式中,b为一个常数,且b>0;
记Δhyu(k)=hyu(k)-hyu(k-1),当||Δhyu(k)||≠0成立时,被控对象的离散时间非线性系统表示为如下实时动态线性化数据模型:
y(k+1)=y(k)+φyu(k)TΔhyu(k);  (3)
式中, 为伪梯度,且对于任意时刻
k有界。
6.根据权利要求5所述的输出跟踪控制方法,其特征在于,所述预测控制器根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器包括:
基于接收的被控对象的最新输出数据 计算对应的控制量预测值
其中, 为反馈通道在k时刻的实时网络时延, 为前向通道的随机网络时延的上界;
将所述被控对象的输出数据序列对应的控制量预测值序列
及其相应的时间戳k打包发送给时延补偿器。
7.根据权利要求6所述的输出跟踪控制方法,其特征在于,所述基于接收的被控对象的最新输出数据 计算对应的控制量预测值 包括:
根据被控对象的最新输出数据 计算被控系统的伪梯度 的估计值:
其中,
式中, 为伪梯度 的估计值,μ>0为权重因子,η∈(0,2]为步长因
子, 为 的初始值,ε为充分小的正数,sign(·)为符号运算函数;
联合公式(3)、公式(5)和公式(6),计算被控对象的输出增量预测值和输出预测值:
式中,
且当i-j≤0时,有:
其中,j=1,2,…,Ly, g=1,2,…,
Lu;
基于公式(7)和公式(8)分别计算的被控对象的输出增量预测值和输出预测值,采用如下算法可得 时刻的控制信号:
式中,ρi∈(0,1]为步长因子,i=1,2,…,Ly+Lu, λ>0为
权重因子, 为参考输入信号;
预测控制器将被控对象的控制量预测值序列 及其
时间戳k打包发送至时延补偿器。
8.根据权利要求7所述的输出跟踪控制方法,其特征在于,所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括:
在每个采样时刻,根据接收到的最新控制量预测值序列 从中选择第
个控制量预测值,施加于被控对象,以主动补偿系统前向通道中的随机网络时延,其中, 为采样时刻k,前向通道的随机网络时延。

说明书全文

一种网络化控制系统及其输出跟踪控制方法

技术领域

[0001] 本发明属于自动控制技术领域,尤其涉及一种网络化控制系统及其输出跟踪控制方法。

背景技术

[0002] 近年来,随着工业化与信息化的飞速发展,通信网络有面向自动化的辅助作用,已逐渐发展到与各类工业控制系统的全面、深度融合,从而产生了众多网络化控制系统。与传统的点对点控制系统相比,网络化控制系统具有很多优势,如:简化了系统设计和安装,降低了系统成本和能量消耗,便于资源共享和远程控制,增强了系统的灵活性、可靠性及可移动性等。因此,网络化控制系统已广泛应用于国民经济和国防建设的各个领域,如:过程控制、航空航天、交通管理、电生产、设备制造、机器人控制、远程医疗、无人机、汽车电子、智能家居等。而随着互联网+智能时代的到来,可以预想到,网络化控制系统将会出现在更多更广的领域。
[0003] 然而,由于网络带宽等条件的限制,网络本身也会给网络化控制系统带来许多不利因素,如:网络诱导时延、数据包乱序与丢失等,这些通信约束可导致系统性能下降甚至失稳。因此,近年来,针对存在上述通信约束的网络化系统,众多学者和工程师进行了深入而广泛的研究,并取得了大量的研究成果,而针对网络化系统的输出跟踪控制问题,研究相对较少,且现有方法还存在以下不足:1)大多方法仅适用于线性系统,而现实中所有被控对象本质上都是非线性的,甚至是时变非线性的、强非线性的;2)大多方法是基于模型设计的,而现在很多被控对象,结构越来越复杂,规模越来越大,难以为其建立精确的数学模型;3)大多方法在被控对象的模型不精确时,容易产生稳态输出跟踪误差。由于上述局限,大大限制了现有网络化输出跟踪控制方法在实际工程中的应用和推广。

发明内容

[0004] 为克服上述现有问题或者至少部分地解决上述问题,本发明实施例提供一种网络化控制系统及其输出跟踪控制方法。
[0005] 根据本发明实施例的第一方面,提供一种网络化控制系统,所述网络化控制系统包括数据缓存器、预测控制器和时延补偿器;
[0006] 所述数据缓存器,用于缓存被控对象的输出数据序列,并将所述被控对象的输出数据序列发送给预测控制器;
[0007] 所述预测控制器,用于根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器;
[0008] 所述时延补偿器,用于从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
[0009] 根据本发明实施例第二方面提供一种网络化控制系统的输出跟踪控制方法,包括:
[0010] 数据缓存器缓存被控对象的输出数据序列,并将所述被控对象的输出数据序列发送给预测控制器;
[0011] 预测控制器根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器;
[0012] 时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
[0013] 在上述技术方案的基础上,本发明还可以作出如下改进。
[0014] 可选的,所述被控对象的输出数据序列表示为:
[0015] Y(k)=[y(k)y(k-1)…y(k-Ly-1)];
[0016] 数据缓存器在每一个采样时刻,将所述被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器;
[0017] 其中,Ly为被控对象的输出伪阶数。
[0018] 可选的,采用离散时间非线性系统描述被控对象:
[0019] y(k+1)=f-y(k),…,y(k-ny),u(k),…,u(k-nu));(1)
[0020] 式中,y(k)∈R和u(k)∈R分别为k时刻,被控对象的输出和输入,f(·)为未知的非线性函数,ny和nu分别为未知的系统输出阶数和输入阶数。
[0021] 可选的,还包括将被控对象的离散时间非线性系统表示为实时动态线性化数据模型:
[0022] 非线性函数f(·)关于hyu(k)的各个变量都存在连续偏导数,其中Ly≥0和Lu≥1分别为系统输
出伪阶数和输入伪阶数;
[0023] 对于任意时刻k1≠k2且k1≥0、k2≥0和hyu(k1)≠hyu(k2),均有:
[0024] |y(k1+1)-y(k2+1)|≤b|hyu(k1)-hyu(k2)|;(2)
[0025] 式中,b为一个常数,且b>0;
[0026] 记Δhyu(k)=hyu(k)-hyu(k-1),当||Δhyu(k)||≠0成立时,被控对象的离散时间非线性系统表示为如下实时动态线性化数据模型:
[0027] y(k+1)=y(k)+φyu(k)TΔhyu(k);(3)
[0028] 式中, 为伪梯度,且对于任意时刻k有界。
[0029] 可选的,所述预测控制器根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器包括:
[0030] 基于接收的被控对象的最新输出数据 计算对应的控制量预测值其中, 为反馈通道在k时刻的实时网络时延, 为前向通道的随机网络时延的上界;
[0031] 将所述被控对象的输出数据序列对应的控制量预测值序列及其相应的时间戳k打包发送给时延补偿器。
[0032] 可选的,所述基于接收的被控对象的最新输出数据 计算对应的控制量预测值 包括:
[0033] 根据被控对象的最新输出数据 计算被控系统的伪梯度 的估计值:
[0034]
[0035]
[0036] 式中, 为伪梯度 的估计值,μ>0为权重因子,η∈(0,2]为步长因子, 为 的初始值,ε为充分小的正数,sign(·)为符号运算函数;
[0037] 联合公式(3)、公式(5)和公式(6),计算被控对象的输出增量预测值和输出预测值:
[0038]
[0039]
[0040] 式中,i=1,2,…,
[0041]
[0042] 且当i-j≤0时,有:
[0043]
[0044] 其中,j=1,2,…,Ly, g=1,2,…,Lu;
[0045] 基于公式(7)和公式(8)分别计算的被控对象的输出增量预测值和输出预测值,采用如下算法可得 时刻的控制信号:
[0046]
[0047] 式中,ρi∈(0,1]为步长因子,i=1,2,…,Ly+Lu, λ>0为权重因子, 为参考输入信号;
[0048] 预测控制器将被控对象的控制量预测值序列及其时间戳k打包发送至时延补偿器。
[0049] 可选的,所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括:
[0050] 在每个采样时刻,根据接收到的最新控制量预测值序列 从中选择第 个控制量预测值,施加于被控对象,以主动补偿系统前向通道中的随机网络时延,其中, 为采样时刻k,前向通道的随机网络时延。
[0051] 本发明实施例提供一种网络化控制系统及其输出跟踪控制方法,该方法通过充分利用通信网络的“包传输”特性,主动补偿网络化系统反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失。附图说明
[0052] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0053] 图1为本发明实施例提供的网络化控制系统整体结构示意图;
[0054] 图2为本发明实施例提供的网络化控制系统的输出跟踪控制方法流程图
[0055] 图3是λ=1时无随机网络时延的本地控制效果图;
[0056] 图4是λ=1时有随机网络时延但无补偿的控制效果图;
[0057] 图5是λ=1时有随机网络时延且有补偿的控制效果图;
[0058] 图6是λ=6时无随机网络时延的本地控制效果图;
[0059] 图7是λ=6时有随机网络时延但无补偿的控制效果图;
[0060] 图8是λ=6时有随机网络时延且有补偿的控制效果图。

具体实施方式

[0061] 为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
[0062] 在本发明的一个实施例中提供一种基于输出跟踪控制的网络化控制系统,图1为本发明实施例提供的网络化控制系统整体结构示意图,该网络化控制系统包括数据缓存器、预测控制器和时延补偿器。
[0063] 其中,数据缓存器,用于缓存被控对象的输出数据序列,并将被控对象的输出数据序列发送给预测控制器;
[0064] 预测控制器,用于根据被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将控制量预测值序列发送给时延补偿器;
[0065] 时延补偿器,用于从控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
[0066] 可以理解的是,现有技术中由于网络带宽等条件的限制以及网络本身给控制系统带来许多不利因素,如:网络诱导时延、数据包乱序与丢失等,这些通信约束可导致系统性能下降甚至失稳。为了解决现有技术中的问题,本发明实施例充分利用通信网络的“包传输”特性,提供一种基于输出跟踪控制的网络化控制系统,以主动补偿网络化系统的反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失的情况。
[0067] 在本发明实施例中,反馈通道和前向通道中的随机网络诱导时延、数据包乱序与丢失将被分别统一处理为各自通道(包括反馈通道和前向通道)的随机网络时延。为了补偿反馈通道和前向通道中的随机网络时延,本发明实施例中的网络化控制系统主要包括数据缓存器、预测控制器和时延补偿器。
[0068] 其中,数据缓存器设置在传感器中,主要用于缓存被控对象的输出数据,并将其与时间戳打包发往控制器。
[0069] 预测控制器设置在控制器中,利用来自数据缓存器的反馈数据(即被控对象的输出数据及其时间戳)、参考输入信号和预测控制器中保存的历史控制量,根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,采用预测控制方法,计算控制量预测值,并将一组控制量预测值序列及其时间戳打包发往时延补偿器。
[0070] 时延补偿器设置在执行器中,缓存从预测控制器发送过来的最新控制量预测值序列,并根据时间戳从中选择施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
[0071] 在本发明的另一个实施例中提供一种网络化控制系统的输出跟踪控制方法,图2为本发明实施例提供的网络化控制系统的输出跟踪控制方法流程图,该跟踪控制方法包括:
[0072] 数据缓存器缓存被控对象的输出数据序列,并将所述被控对象的输出数据序列发送给预测控制器;
[0073] 预测控制器根据所述被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器;
[0074] 时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿。
[0075] 可以理解的是,本发明实施例充分利用通信网络的“包传输”特性,提供一种基于预测输出跟踪控制的网络化控制系统,以主动补偿网络化系统的反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失的情况。
[0076] 在上述实施例的基础上,本发明实施例中,被控对象的输出数据序列可表示为:
[0077] Y(k)=[y(k)y(k-1)…y(k-Ly-1)];
[0078] 数据缓存器在每一个采样时刻,将被控对象的输出数据序列Y(k)及其时间戳打包发送给预测控制器;
[0079] 其中,Ly为被控对象的输出伪阶数。
[0080] 在上述各实施例的基础上,本发明实施例中,采用离散时间非线性系统描述被控对象:
[0081] y(k+1)=f(y(k),…,y(k-ny),u(k),…,u(k-nu));(1)
[0082] 式中,y(k)∈R和u(k)∈R分别为k时刻,被控对象的输出和输入,f(·)为未知的非线性函数,ny和nu分别为未知的系统输出阶数和输入阶数。
[0083] 在上述各实施例的基础上,本发明实施例中,被控对象的离散时间非线性系统满足如下条件:
[0084] (1)非线性函数f(·)关于hyu(k)的各个变量都存在连续偏导数,其中Ly≥0和Lu≥1分别为系统输
出伪阶数和输入伪阶数,可根据被控系统的复杂程度进行适当选择。
[0085] (2)对于任意时刻k1≠k2且k1≥0、k2≥0和hyu(k1)≠hyu(k2),均有:
[0086] |y(k1+1)-y(k2+1)|≤b|hyu(k1)-hyu(k2)|;(2)
[0087] 式中,b为一个常数,且b>0;
[0088] 记Δhyu(k)=hyu(k)-hyu(k-1),当||Δhyu(k)||≠0成立时,被控对象的离散时间非线性系统可以等价表示为如下实时动态线性化数据模型:
[0089] y(k+1)=y(k)+φyu(k)TΔhyu(k);(3)
[0090] 式中, 为伪梯度,且对于任意时刻k有界。
[0091] 在上述各实施例的基础上,本发明实施例中,预测控制器根据被控对象的输出数据序列和参考输入信号,以及根据反馈通道的实时网络时延和前向通道随机网络时延的上界,基于被控对象的实时动态线性化数据模型,计算控制量预测值序列,且将所述控制量预测值序列发送给时延补偿器包括:
[0092] 基于接收的被控对象的最新输出数据 计算对应的控制量预测值其中, 为反馈通道在k时刻的实时网络时延, 为前向通道的随机网络时延的上界;
[0093] 将所述被控对象的输出数据序列对应的控制量预测值序列及其相应的时间戳k打包发送给时延补偿器。
[0094] 可以理解的是,本发明实施例中,考虑反馈通道随机网络时延 和前向通道随机网络时延 基于动态线性化数据模型,使系统输出y(k)跟踪参考输入信号r(k)∈R,即网络化输出跟踪控制。
[0095] 在本发明实施例中,数据缓存器、预测控制器和时延补偿器均为时间驱动,且时钟同步;系统反馈通道的随机网络时延和前向通道的随机网络时延有界,即满足和 其中 和 为整数,其中, 为k时刻反馈通道的随机网络时延, 为反馈通道的随机网络时延的上界; 为k时刻前向通道的随机网络时延, 为前向通道的随机网络时延的上界。
[0096] 本发明实施例中,基于接收的被控对象的最新输出数据 计算对应的控制量预测值 具体为,为了计算控制量预测值 在当前时刻k,根据被控对象的最新输出数据 计算被控对象的伪梯度 的估计值,计算公式如下:
[0097]
[0098]
[0099] 式中, 为伪梯度 的估计值,μ>0为权重因子,η∈(0,2]为步长因子, 为 的初始值,ε为充分小的正数,可取ε=10-5,sign(·)为符号运算函数。
[0100] 联合公式(3)、公式(5)和公式(6),计算被控对象的输出增量预测值和输出预测值:
[0101]
[0102]
[0103] 式中,i=1,2,…,
[0104]
[0105] 且当i-j≤0时,有:
[0106]
[0107] 其中,j=1,2,…,Ly, g=1,2,…,Lu;
[0108] 基于公式(7)和公式(8)分别计算的被控对象的输出增量预测值和输出预测值,采用如下算法可得 时刻的控制信号:
[0109]
[0110] 式中,ρi∈(0,1]为步长因子,i=1,2,…,Ly+Lu, λ>0为权重因子, 为参考输入信号;
[0111] 预测控制器将被控对象的控制量预测值序列及其时间戳k打包发送至时延补偿器。
[0112] 在上述各实施例的基础上,本发明实施例中,所述时延补偿器从所述控制量预测值序列中选取施加于被控对象的控制信号,以实现对反馈通道和前向通道中的随机网络时延的主动补偿包括:
[0113] 在每个采样时刻,根据接收到的最新控制量预测值序列 从中选择第 个控制量预测值,即u(k),施加于被控对象,以主动补偿系统前向通道中的随机网络时延,其中, 为采样时刻k,前向通道的随机网络时延。
[0114] 下面利用MATLAB软件对本发明实施例提供的输出跟踪控制方法进行数值仿真验证,考虑如下非线性系统:
[0115]
[0116] 在仿真中,被控系统的初始输入输出均取为0,参考输入取为正弦与余弦的叠加信号,如附图3-8所示。系统中的反馈通道中的随机网络时延为2~5步,前向通道中的随机网络时延为1~4步,即 各个参数取为:Ly=Lu=1,η=1,ρ=[1 1],μ=0.001, ε=10-5。
[0117] 仿真分为如下两种情形进行,第一种,λ=1的情形:此时仿真分为如下3种情况进行:(1)无网络时延;(2)有网络时延但无补偿;(3)有网络时延且有补偿,并为了比较三种情形的输出跟踪性能,定义性能指标为 三种情况的仿真结果分别如附图3-5所示。
[0118] 附图3为被控系统无随机网络时延的本地控制结果图,从附图3中可以看出,被控系统的输出可以很好地跟踪时变参考输入,性能指标为ELCS=3.7673。
[0119] 附图4为被控系统有随机网络时延但无补偿的控制结果图,从附图4中可以看出,网络化系统中的随机网络时延最终导致了被控系统的发散,性能指标为ENCS=∞。
[0120] 附图5为被控系统有随机网络时延且有补偿的控制结果图,即本发明实施例提供的输出跟踪控制方案。从附图5中可以看出,与无补偿网络化系统的控制结果(附图4)相比,在同样随机网络时延的影响下,有补偿网络化系统是稳定的,且其控制效果接近于无随机网络时延的本地控制效果(附图3),性能指标为ENPCS=17.4274。
[0121] 第二种,λ=6的情形,此时仿真仍分为3种情况进行:(1)无网络时延;(2)有网络时延但无补偿;(3)有网络时延且有补偿。三种情况的仿真结果分别如附图6-8所示。
[0122] 附图6为被控系统无随机网络时延的本地控制结果图,从附图6中可以看出,被控系统的输出可以很好地跟踪时变参考输入,但与附图3相比(λ=1),输出跟踪性能稍差一些,此时性能指标为ELCS=23.0861。
[0123] 附图7为被控系统有随机网络时延但无补偿的控制结果图,从附图7中可以看出,此时网络化系统虽然稳定,但与无随机网络时延的本地控制效果(附图6)相比,网络化系统的输出跟踪性能要差的多,性能指标为ENCS=279.6587。
[0124] 附图8为被控系统有随机网络时延且有补偿的控制结果图,即本发明实施例的输出跟踪控制方案。从附图8中可以看出,与无补偿的网络化系统的控制结果(附图7)相比,在同样随机网络时延的影响下,有补偿网络化系统的控制效果要好的多,甚至非常接近于无随机网络时延的本地控制效果(附图6),性能指标为ENPCS=25.0877。
[0125] 本发明实施例提供一种网络化控制系统及其输出跟踪控制方法,该方法通过充分利用通信网络的“包传输”特性,主动补偿网络化系统反馈通道和前向通道中存在的随机网络诱导时延、数据包乱序与丢失。
[0126] 最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈