论文部分内容阅读
网络化系统是指通过实时通信网络实现系统中各个组成部分之间的信息交换的系统。在这类系统中,系统信号在网络化传输前通常需要使用量化器进行量化,量化器能够根据事先设定或者实时计算得到的量化参数,将系统实际信号转换成在一个给定集合中取值的定量信号。近年来,网络化量化系统成为了网络化系统研究领域的一个重要研究方向。事实上,由于实际系统中量化器件和量化算法的广泛使用,一切使用数字信号实现控制任务的网络化系统都属于网络化量化系统。本文以网络化量化系统为研究对象,利用Lyapunov稳定性理论,矩阵不等式方法,随机过程方法,时滞和切换系统方法,研究了不同情况下网络化系统的动态量化器设计和稳定性分析方法。提出了一种新颖的含缩放因子最优动态量化器,通过采用量化误差动态补偿结构,该量化器能够实现对量化误差的动态补偿,且可以得到系统最大量化输出误差的上界;借助对量化器动态缩放因子的调整,可以实现系统的渐近稳定,并以矩阵不等式形式给出了系统渐近稳定的充分条件。针对存在伯努利丢包的网络化量化系统,设计了该系统的最优动态量化器,分析了系统的均方渐近稳定性,给出了系统均方渐近稳定的充分性条件,并进一步给出了能够镇定系统的控制器求解方法,最后给出了系统仿真对比结果。考虑了存在时变延时的网络化量化系统,得到了该系统的最优动态量化器,给出了系统渐近稳定性的充分条件,并给出了系统仿真对比结果。分别采用随机过程和时滞系统方法,建立了同时存在时变延时和随机丢包的网络化量化系统的模型,设计了能够有效处理时序错乱的信号选取策略,得到了系统的最优动态量化器,并进一步利用Lyapunov方法和切换系统方法分析了系统的渐近稳定性,最后,仿真对比了所提出方法和传统方法的差异,证明了本文提出方法的优越性。研究了存在丢包和时变延时的网络化量化系统的预测控制问题,通过设计量化预测控制策略,实现了对丢包与延时的补偿,并结合系统需要设计了多入多出的最优动态量化器。以电机模型为研究对象,利用仿真和网络化实验从理论和实际两个角度验证了所提出方法的切实可行性。