基於數據的網路控制系統的時滯建模與補償控制

《基於數據的網路控制系統的時滯建模與補償控制》是依託北京交通大學，由張嚴心擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於數據的網路控制系統的時滯建模與補償控制
• 項目類別：青年科學基金項目
• 項目負責人：張嚴心
• 依託單位：北京交通大學

項目摘要

時滯問題是網路控制系統（NCS）重要研究內容。本項目針對NCS時滯的非線性 、時變、重複性、周期性等特點，直接利用網路中可測的輸入輸出數據，對網路時滯進行建模和補償。主要針對控制器到執行器之間的時滯（不可直接測得）建模。根據其統計特徵，採用閾值自回歸方法、T-S模糊建模等方法進行建模。在此基礎上，結合一定的控制方法設計時滯補償器。其次，根據網路時滯的周期性、重複性等特點，基於疊代學習辨識的疊代學習控制方法，設計前饋反饋結合的時滯補償器。並研究其他數據驅動方法（如去偽控制算法、無模型自適應控制方法）是否適用於設計網路時滯補償器。再次，探討基於數據的網路時滯補償控制器的總體設計的結構框架和方案。最後，將THJ-2型高級過程控制系統連入幾類代表性網路，套用本項目提出的理論方法，驗證其補償網路時滯的有效性。本項目為網路時滯的建模和補償提供新穎的控制策略，具有重要的學術和套用價值。

結題摘要

時滯問題是網路控制系統（NCS）的重要研究內容。本項目針對NCS 時滯的非線性、時變、重複、周期性等特點，直接利用網路中可測的輸入輸出數據，對網路時滯進行建模和補償。根據網路時滯的統計特徵，採用閾值自回歸方法、馬爾科夫模型、T-S 模糊等方法進行建模，構建了時間分割切換模型、可以增長和修剪的T-S嵌套模糊跳變系統模型以及一種新型的運用建立狀態空間模型對網路時延進行預測的方法。在採用閾值理論建立的時間分割切換模型的基礎上， 結合GPC方法設計時滯補償控制方案，並基於遺傳算法對切換序列進行最佳化改進；將T-S模糊控制理論和GPC控制算法結合起來對網路時滯進行補償，證明該算法具有穩定性和魯棒性等其他性態。討論T-S嵌套模糊跳變系統保成本控制器和H無窮控制器的設計方法。 其次，基於疊代學習辨識的疊代學習控制方法，設計時滯補償器。設計智慧型型PD疊代學習時滯補償算法，放寬初態定位要求，允許疊代初態在收斂性條件範圍內任意設定，充分利用時間域和疊代域的信息，對未知參數設計相應的自適應律，並用魯棒控制項補償系統中的干擾。基於Lyapunov穩定性理論，分析算法的收斂性，在初態學習的基礎上得到模糊自適應疊代學習算法，神經網路自適應疊代學習算法，粒子群自適應疊代學習控制算法。此外，設計了引入排隊序列機制的改進型自適應系統辨識廣義預測控制算法、變死區採樣控制下的T-S模糊PID控制算法，結合改進的重置控制系統，套用於無線網路控制系統網路延時補償中，不僅提高了系統的控制性能（縮短系統調節時間，減小系統超調量），還減小了網路負載，節約了網路資源，有效地最佳化控制系統的網路服務質量（QoS）和控制性能（QoP）。最後，將THJ-2 型高過程控制系統連入幾類代表性網路，套用本項目提出的理論方法，驗證其補償網路時滯的有效性。