无模型自适应预测控制在网络化控制系统中的研究与应用

摘要

随着网络通信技术和计算机技术的发展，网络化控制系统逐渐在越来越多的领域得到应用。但是，利用带宽有限的通信网络传输大量实时控制信息，给网络化控制系统的分析和设计带来了诸多问题。网络诱导时延和丢包是影响网络化控制系统性能的两大主要因素。针对这两个问题，一般的研究思路是先建立网络化控制系统的数学模型，再针对该数学模型设计控制器。但是，现实中网络化控制系统的模型难以准确地建立，基于模型的网络化系统的设计方法面临诸多挑战。
　　作为一种数据驱动控制方法，无模型自适应预测控制(Model-free adaptivepredictive control，MFAPC)给网络化控制系统的研究提供了新的思路，该方法仅利用被控对象的在线或离线I/O数据来设计控制器，不依赖被控对象的数学模型，避免了对网络化控制系统建模的难题。因此，针对具有网络时延和丢包的网络化控制系统，提出了基于MFAPC的网络化系统的控制方法并在实物上进行了验证和应用，具有重要的理论和实际意义。本文的主要工作如下:
　　1)针对存在网络时延和丢包的网络化控制系统，在基于数据的网络化预测控制(data-based networked predictive control，DBNPC)方法的基础上，通过将输出误差变化率信息添加到原控制律中，提出了一种改进的DBNPC(improved DBNPC，iDBNPC)方法。
　　2)针对无模型自适应预测控制的不足，提出了改进的无模型自适应预测控制(improved MFAPC，iMFAPC)。为了提高预测模型的准确度，将预测模型误差校正机制引入到预测模型中;另外，通过修改控制输入准则函数，得到充分利用输出误差及误差变化率信息的控制律。然后，针对存在网络时延和丢包的网络化控制系统，提出了网络化的iMFAPC控制方法。
　　3)在MATLAB/Simulink环境下，使用TrueTime工具箱搭建了网络化控制系统仿真平台，对所提控制方法进行了仿真分析。通过对比发现，相比于原方法，iDBNPC方法和iMFAPC方法均能提升系统的收敛速度;iDBNPC方法和网络化的iMFAPC方法均对一定范围的内的网络时延和丢包具有良好的补偿效果，但是网络化的iMFAPC方法比iDBNPC方法的收敛速度快。
　　4)为了进一步验证所提方法的有效性，搭建了实际的网络化的液位控制系统，对所提控制方法进行实物验证。实验结果表明，iDBNPC方法和网络化的iMFAPC方法均能够很好地补偿一定范围内的网络时延和丢包，但是网络化的iMFAPC方法与iDBNPC方法相比具有较快的收敛速度。

目录

声明

致谢

摘要

1．1 研究背景及意义

1．2 网络化控制系统的主要问题

1．2．1 网络诱导时延问题

1．2．2 数据包丢失问题

1．3 网络时延和数据包丢失问题的研究现状

1．3．1 网络时延问题的研究现状

1．3．2 数据包丢失问题的研究现状

1．3．3 针对网络时延和丢包的数据驱动控制研究现状

1．4 本文的主要工作及内容安排

2 网络诱导时延和丢包分析及仿真平台介绍

2．1 网络化控制系统的基本结构

2．2 网络诱导时延和丢包分析

2．2．1 网络诱导时延分析

2．2．2 网络丢包特性分析

2．3 TrueTime工具箱

2．4 本章小结

3 基于数据的网络化预测控制方法

3．1 无模型自适应控制概述

3．2 基于数据的网络化预测控制方法

3．2．1 参数估计器的设计

3．2．2 控制量预测器的设计

3．2．3 网络时延补偿器的设计

3．3 改进的DBNPC方法

3．4 仿真分析

3．4．1 不含通信网络的控制系统的仿真

3．4．2 保持输入策略下网络化控制系统的仿真

3．4．3 预测补偿策略下网络化控制系统的仿真

3．5 本章小结

4 网络化控制系统的无模型自适应预测控制

4．1 预测控制的基本思想

4．2 无模型自适应预测控制

4．2．1 基于紧格式动态线性化的预测模型

4．2．2 控制律的设计

4．2．3 伪偏导数的估计及预报方法

4．3 改进的无模型自适应预测控制

4．3．1 带预测误差校正的数据模型

4．3．2 考虑误差变化率的MFAPC控制律

4．4 网络化的无模型自适应预测控制的实现

4．4．1 参数估计器的设计

4．4．2 预测控制器的设计

4．4．3 补偿器的设计

4．5 仿真分析

4．5．1 不含通信网络的控制系统的仿真

4．5．2 保持输入策略下网络化控制系统的仿真

4．5．3 预测补偿策略下网络化控制系统的仿真

4．6 本章小结

5 网络化控制系统的实验分析

5．1 网络化控制系统实验平台

5．1．1 iNetCon-PC104系统

5．1．2 THJ-3型高级过程控制系统

5．2 实验方案

5．2．1 不含通信网络的控制系统的实验

5．2．2 预测补偿策略下网络化控制系统的实验

5．3 本章小结

6 结论与展望

参考文献

作者简历

学位论文数据集