论文部分内容阅读
通过实时通信网络以实现控制系统中各个组成部分(如:传感器、控制器、执行器)之间信息交换、资源共享的一类反馈控制系统称为网络控制系统。网络控制模式具有如下优点:信息资源能够共享、连接线数大大减少、易于扩展、效率高、成本低、故障诊断能力强、方便安装与维护等等。由于网络带宽的限制,导致数据传输延时、数据丢包、数据错序和数据误传等一系列问题,这使得网络控制系统的分析与设计变得十分复杂。
本文以变采样周期的网络控制系统为模型,把当前时刻的延时作为当前时刻的采样周期,由于延时是随机变化的,从而采样周期也是随机变化的。利用线性矩阵不等式和凸优化技术,借鉴随机最优反馈控制、迭代学习、随机系统最小熵控制的有关理论和方法,积极在理论上行进创新,着眼于提出新的控制策略。
基于变采样周期的网络控制系统模型,推导出使网络控制系统随机稳定的线性矩阵不等式条件。利用凸优化技术,通过求解LMI得到了基于观测器的状态反馈控制器增益。
同样基于变采样周期的网络控制系统模型,利用随机动态规划知识,设计观测器重构系统的状态,结合Lyapunov泛函,得到了指数均方稳定的最优状态反馈控制律。
把整个网络控制系统看作一个随机系统,把信息论中衡量不确定性的熵引入到网络控制系统中,设计PI控制器使得跟踪误差的熵达到最小,利用迭代学习控制技术,求得PI控制器的增益Kp和Ki。
在随机系统的框架下,假设延时的概率密度函数已知,利用BP神经网络逼近输出跟踪误差的概率密度函数,采用最速下降优化方法使得输出跟踪误差的熵最小,从而把网络控制系统的不确定性控制到最小。
利用灰色预测理论预测出网络诱导延时,作为当前时刻的采样周期,把被控对象建模为一个变周期采样的网络控制系统模型,基于这个模型,结合观测器和增广向量方法,设计Lyapunov泛函,得到使网络控制系统渐近稳定的LMI条件,通过求解线性矩阵不等式,得到实时变化的基于观测器的状态反馈控制器。
最后,对取得的研究成果进行了总结,并展望了需要进一步研究的工作。