基于反馈控制原理和预测机理的智能动态调度策略.docxVIP

基于反馈控制原理和预测机理的智能动态调度策略

在网络控制系统（rcs）中，由于网络链接的添加，rcs的性能不仅取决于控制方法，还与网络运行性能的优缺点有关。因此,改善网络闭环控制系统的性能,不能仅靠控制策略,良好的调度策略也是必须的。

目前,NCS的调度策略设计主要分为2类:1)基于静态调度策略的设计方法,这类方法大多是离线实现的,难以适应网络中信息流的时变性;2)基于动态调度策略设计方法,通过在线调度网络资源,适应信息流的变化。由于第2类方法是在线执行的,能够按照控制系统的需求动态分配资源,因此,与第1类方法相比,能获得更好的控制性能和网络运行性能。

Branichy等研究了在满足网络资源可调度性和系统稳定性双重约束条件下,使NCS满足性能指标的采样周期优化问题;何坚强等针对文献的数学模型,利用遗传算法获得采样周期的优化解并提出基于RM调度策略;ShenY等中提出了基于EDF调度策略的协同设计方法。Walsh等提出最大误差优先-尝试一次丢弃(MEF-TOD)动态调度策略。该策略通过在线获取网络诱导传输误差,动态分配网络带宽,因此该调度算法保证信息的可靠性和实时性方面均具有一定的优势。Otaneg等提出基于死区的动态调度策略,通过对网络中的各节点传输死区的设置,控制访问网络的数据量,从而在确保系统性能的基础上动态地丢弃一定比率的数据,减轻网络的负荷,但该策略不能确定数据包发送的优先级。Zuberi等针对CAN下NCS,提出混合通信调度(MTS)策略,该策略包含最早时限动态调度算法(ED)与时限单调静态调度算法(DM)。ED用于调度网络中高速信息(实时数据),距离时限越近的控制系统优先级越高;DM用于调度网络中的低速信息(非实时数据),时限越小的控制系统优先级越高,从而提高网络资源的可调度性。白涛等将模糊控制理论引入到NCS信息调度中,利用IF-THEN规则确定数据传输的优先级。上述方法的调度策略中采样周期大多是固定的,难以适应网络中信息流的时变性。王艳等和蔡骅等提出基于变采样周期的动态调度策略,综合优化NCS的性能,以适应网络中信息流的时变性,但该方法没有考虑到消息的实时性。

这些设计中大部分没有考虑NCS中的采样周期具有时变不确定性的特点,其控制性能和网络运行性能与采样周期是密切相关。有的设计虽然考虑了采样周期的时变性,但没有考虑信息流的实时性。因此,根据网络控制系统中采样周期和控制性能以及网络运行性能的相互关系和信息的实时性,提出一种基于反馈控制原理和预测机理的智能动态调度策略,即利用网络资源利用率、截止期错过率以及IAE对消息进行反馈控制调度;利用BP神经网络对网络利用率和数据包执行时间进行预测,实时调整控制系统的采样周期,从而保证既能满足控制系统的性能,又提高了网络资源的利用率。

1采样周期上界tmx

假设传感器为时钟驱动,控制器和执行器均为事件驱动,网络控制系统中的信息传输时序图如图1所示。

由图1知,网络控制系统受控制性能和网络带宽的约束,采样周期的变化是有界的。采样周期的上界Tmax为使系统保持稳定的最大允许传输间隔,因此,Tmax的选择满足信号不失真和网络承载能力的双重限制,即:

其中,R为控制器与被控对象之间网络的最小吞吐量,D为消息的总长度,ωc是基于网络的控制系统的最大工作频率。Tmax越大,网络中传输的信息量越少,拥塞发生的机率越小。因此,上式计算出的取值范围内,将Tmax设得较大来间接地减小网络的时延。

采样周期的下界Tmin为保证网络资源可调度的最小采样周期。因此,传感器第k次采样时的采样周期为T(k)在以下范围内变化,即:

2动态规划器设计

2.1loopi的执行时间

假设控制消息Loopi的周期为hi,其属性为A(Loopi),则:

消息调度模型为:

Loopi(hi,ci,di,IAEi,MRi,Ui,vi)

其中,hi为Loopi的传输周期;ci为Loopi的执行时间,对于软实时消息,有:ci,ej=(ci,e1,ci,e2,…,ci,ev),ci,ej表示Loopi的服务等级j的执行时间,且有:ci,e1≥ci,e2≥…≥ci,ev;di为Loopi的截止时间;,其中,ydes(tk)为期望的系统输出,yact(tk)为系统实际的输出,IAEi的值越小,即累积的误差绝对值越小,说明回路的控制性能越好;MRi为Loopi的截止期错过率;Ui为Loopi的网络资源利用率,可表示为;vi为Loopi的不同逻辑版本的数目,也表示服务等级数,即

2.2消息流调节器

智能动态调度器由5个模块组成:监视器、调度器、PID控制器、调节器以及预测器。其构造如图2所示。

各模块的主要功能如下:

1)监视器的功能为定期采样获取如下检测信息,{hi(tk),ci(tk),Numtotal(tk),Nu