网络控制系统的数据驱动预测控制..docxVIP

网络控制系统的数据驱动预测控制摘要：本文关注的是网络控制系统的数据驱动的预测控制问题（NCS），它是利用子空间矩阵的设计方法，直接从输入/输出获得网络数据。网络预测控制由控制预测发生器和网络延迟补偿器组成。控制预测发生器提供了一组未来的控制预测，使闭环系统实现所需的控制性能，网络延迟补偿器消除网络传输延迟的影响。仿真实验研究表明，该方法的有效性和优越性。关键词：网络控制系统，数据驱动预测控制，随机网络延时1 引言在过去的十年中，网络技术已显着发展。近年来，网络技术越来越多的被应用到控制系统[ 21,18,12,24,13,22 ]。这种控制系统的控制系统是通过通信信道被封闭的，称之为网络控制系统。现在，网络控制是控制系统的一个新领域 [4,11,15,16,9 ]。特别是，基于互联网的控制系统，允许互联网上远程监控和调整设备，这使得控制系统从任何时候在世界各地的任何地方，都受益于检索数据的方式和设备的反应，。网络化的控制也开辟了一个完整的新的现实世界的应用范围，即远程制造，远程手术，博物馆指导，交通控制，空间探索，灾害救援和医疗保健。在网络控制系统（NCS）、设备、控制器、传感器、执行器和参考命令通过网络连接。在这一领域最受关注的就是网络控制系统[10,25]的设计和分析。闭环NCS现存的网络延迟和数据包丢失的稳定性问题已在[23,19,20]得到解决。在[1,2]，量化反馈控制和H 1输出跟踪控制分别进行分析。为了减少网络流量负载，在[7]中，一个采样数据NCS方案已经提出，并且在无/有网络延迟的情况下，通过状态/输出反馈闭环系统全局指数稳定的一些必要条件和充分条件已经建立了 。[5]中，在网络控制系统中控制器的随机网络延迟到致动器的信道已经进行了研究，在前馈和反馈信道的固定网络延迟和的随机网络延迟已在[6]中被考虑到，但随机网络延迟不是一个马尔可夫过程的形式。在[8,17]中，网络控制系统的随机时间延迟的随机稳定性的问题已经进行了讨论，在其中随机时间延迟作为马尔可夫过程进行了建模。图1物联网近年来，物联网技术的飞速发展，网络控制系统的研究在物联网中起着关键的作用。物联网将利用所有这些技术提供的功能，实现一个完全互动的和共鸣的网络环境的愿景。图1显示了物联网的未来应用。在物联网的研究中，我们发现数据的采集和处理是非常重要的。首先，我们很难在物联网中得到每一个物体精确的物理模型。物联网中，我们知道物体的唯一方式就是得到的数据。其次，由于传感器技术，我们可以检测到在物理状态的事物的变化。因此，有关事物的大量数据被收集和存储。由于计算机科学的进步，特别是在计算能力和存储方面的高质量和可靠的测量过程工具，使有效的收集和处理的数据变为可能。最后，所有的对象和设备连接到大型数据库和网络——实际上对网络的网络（互联网）。信息和命令通过网络传输。在传统的设计框架下，设备的数据用来建立模型，因为动态模型是控制和监测的前提。一旦一个控制器或一个监视器的设计完成，该模型往往就不存在了。然而，模型的使用也引入了不可避免的建模误差和复杂性的模型。随着物联网的出现，海量数据都必须处理。数据驱动的子空间方法在工业过程控制领域已提出。数据驱动的控制方法也可以开发复杂的系统。基于数据驱动的方法特别适合于网络控制系统，因为只有数字数据可以通过网络转化，并且通过控制器和执行器接收。然而，使用网络会导致信息交流的间歇性的损失或延误。这些损失可能会恶化的系统性能，甚至可能导致系统不稳定。因此，在不建模的情况下，本文提出了一种数据驱动的预测网络控制器来解决这些问题。论文组织如下，在第2节，简要介绍了一种基于模型的网络控制系统。第3节介绍了数据驱动预测控制方法。在第4节中，球杆系统的数据驱动的预测网络控制方案的设计。仿真和实验实例表明了该方案的有效性和优越性。结论在第5节中。2基于网络控制系统模型的简介考虑一个离散线性时不变（LTI）动态系统未知过程的干扰和测量噪声，这是描述的状态空间形式： X（k+1）=Ax（k）+Bu（k）+w（k） （1）Y（k）=Cx（k）+Du（k）+v（k） （2）其中是系统状态，是系统输入，是系统输出，是未知的干扰因素，是未知的测量噪声，A，B，C，D是合适有限维的常数系统矩阵。图2 基于网络控制系统的模型系统（1）和（2）的反馈控制方案在当前工作中，如图2中所示。在这里，控制器节点设置一个缓冲区，以满足测量处理的序列。卡尔曼滤波器（KF）来估计状态进而产生预测状态有限时域N：KF是Kalman滤波表达的缩写，K（K +i）是随时间变化的卡尔曼滤波器增益[16]。为了克服未知的网络传输延迟