一种网络控制系统时延补偿方法

本文分析介绍了具有随机时延网络控制系统控制器设计及时延补偿方法,采用广义预测控制(GPC)算法设计控制器。针对输出时延通过对时间加上时间戳来估算时间延迟,并采用状态观测器进行时延补偿,而控制时延则采用队列机制,增加缓存器的方法来保证被控对象获得最优控制信号。通过仿真证实该方法的有效性。     

网络控制系统PI预测控制及稳定性分析

将PID反馈原理引入广义预测控制（GPC）思想,把GPC目标性能函数改造成具有PI的结构形式,根据反馈时延导出多步控制序列,通过时延补偿器对前向时延进行补偿,使控制性能在网络环境下得到极大改善。控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义。构造Lyapunov函数对闭环系统的稳定性进行分析,并通过仿真验证了该算法的有效性。     

基于Linux和S3C2440的GPC控制器设计

为克服网络控制系统中时延对系统性能的影响,提出了一种基于嵌入式Linux的广义预测控制器（GPC）的设计方案。该方案构建了以ARM9处理器S3C2440A为核心、运行Linux操作系统的嵌入式控制器平台,并通过Boa Web Server实现使用Browser/Server对控制器进行远程访问和参数调整。同时针对网络延迟采用GPC算法,对控制系统的时延进行软件补偿,以实现对被控对象的实时控制。     

网络控制系统的自整定PID 控制器设计

结合广义预测控制（GPC）方法和PID反馈结构,设计了一种具有预测功能的PID控制器,PID参数根据未来时刻的预计输出误差进行整定.控制器导出多步控制序列,置于执行器端的延迟补偿器根据网络时延从控制序列中选择控制信息并作用于控制对象,从而对时延进行补偿,使控制性能得到极大改善.控制器结合了PID控制和预测控制的优点,具有较强的鲁棒性和工程意义.最后通过构造Lyapunov函数对闭环系统的稳定性进行了分析,并通过仿真验证了该算法的有效性.     

动态矩阵控制在网络时延补偿中的应用研究

在网络控制系统中,随机传输时延大大降低了系统的控制性能,并导致系统的不稳定.针对以太网在网络控制系统中的随机传输时延问题,提出了一种基于DMC的NCS时延补偿控制方案.该方案采用DMC算法设计控制器,同时通过网络时延补偿器和动态缓冲器整定控制量,使系统输出能迅速跟踪突变输入.利用TureTime工具箱进行仿真实验,结果证明了该算法在处理网络控制系统的时延问题时具有有效性和可行性.     

网络控制系统Smith Fuzzy PID控制器的设计

针对网络控制系统中普遍存在的时延问题,提出了一种将模糊自适应算法和Smith预估补偿算法与常规PID控制器相结合的智能控制策略。该方法充分利用了Smith预估控制算法对带时延系统的良好控制能力,同时利用模糊推理算法实现对PID参数的在线自整定,进一步改善PID控制器的性能。仿真结果表明,基于该智能控制器的网络控制系统克服了传统PID控制超调量大及常规Smith预估补偿过分依赖于被控对象精确数学模型的缺陷,可以有效降低时延对系统性能的不利影响,使被控对象具有良好的动、静态特性。     

基于ABR业务的自适应广义预测流量控制策略

针对ABR业务传输存在大时延的情况，设计了一种自适应广义预测（GPC）流量控制器；该算法实现简单，适合计算机控制系统实现．在大时延ATM网络中具有实际应用价值；仿真结果表明，该算法能够快速有效地调节ABR分组发送速率和缓冲区排队队列。提高链路利用率，有效地克服了时延影响。     

SDN中应用网络分区的控制器部署策略

鉴于大型软件定义网络中控制器部署的复杂性特点,以最小化控制时延为优化目标,提出一种改进的K-均值网络分区算法。通过聚类划分建模控制器部署问题,考虑在真实网络环境中节点的连通性,采用节点间的最短路径代替传统的欧氏距离计算传输时延。实验结果表明,与基于K-means算法相比,该算法可以有效减小网络的最大时延和平均时延,准确部署控制器。     

短时延多包传输网络容错控制数学建模仿真

在网络容错控制过程中存在响应时间长、控制效率低的问题,为此建立短时延多包传输网络容错控制数学模型.分析了容错控制模型原理,为降低检测过程的复杂度,依据分析结果采用割点检测方法检测传输网络的运行状态,并对不同的网络故障进行分类处理.以此为基础,设计主动容错控制器,利用控制器计算不同故障类型下的补偿控制量,通过数学迭代算法实现容错补偿控制,从而完成短时延多包传输网络容错控制数学模型构建.通过实验得出结论:与传统模型相比,该容错控制数学模型在控制过程中的响应时间较短,且控制效率较高,充分验证了上述方法的有效性与可行性.     

融合GPC和QFT对不确定性系统的鲁棒控制

针对广义预测控制(GPC)与定量反馈理论(QFT)的特点,提出了把两种算法融合的鲁棒控制算法。该方法是在对QFT进行修改的基础上,采用双回路控制。内回路采用QFT控制器实现对系统不确定性的控制;外回路采用GPC控制器,实现对系统的各种性能要求并且提高鲁棒性。该方法可以充分利用两种控制理论的优点。最后的仿真结果显示,融合的算法比单独采用其中的任何一种控制算法所取得的控制效果都好。     

水泥生料立磨压差的广义预测PID控制

针对立磨粉磨系统的非线性、大滞后、慢时变问题,设计了广义预测PID控制器(GPC-PID).通过构造广义预测控制目标函数中的控制加权序列使广义预测控制具有PID控制算法的结构,通过广义预测控制和PID的相互递推关系计算PID参数.仿真结果表明,广义预测PID控制能较好地稳定磨内压差,并且具有响应速度快、抗干扰性强、鲁棒性好等优点.     

基于IGPC的时变大时滞系统自适应控制

针对工业过程中常见的参数时变和大时滞问题，研究了广义预测控制算法在其中的应用问题。为了克服普通广义预测控制算法计算复杂的缺点，采用隐式广义预测控制算法(IGPC)通过直接辩识控制器参数求解最优控制增量，具有计算量小、计算速度快的特点。仿真结果表明，在不需要关于被控对象的先验知识的情况下，隐式广义预测自校正控制器能很好地跟踪设定值的变化，当参数时变时仍具有很好的控制性能，适合于实现时变大时滞系统的自适应控制。     

基于RBF神经网络与Smith预估补偿的智能PID控制

针对工业控制中普遍存在的大滞后现象,提出了一种将RBF神经网络算法和Smith预估补偿算法与传统的PID控制器相结合的智能RBF-Smith-PID控制策略。该方法利用RBF神经网络的在线学习、控制参数自整定能力,和Smith预估补偿对纯滞后系统的良好控制,有效地克服了常规PID控制的缺陷,提高了系统的鲁棒性和自适应性,对纯滞后系统起到了良好的控制。     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

基于广义预测控制算法(GPC)的网络闭环控制系统研究

网络控制系统中普遍存在的传输延时严重影响了系统的控制性能。针对这个问题,本文介绍了一个控制器由事件驱动、传感器和执行器由时间驱动的分布式系统模型。控制器采用了GPC控制算法,执行器节点设置控制增量缓冲区,以此来保证在网络存在随机时延情况下输出的控制量均为最优或者次最优,系统仍有良好的控制性能。     

广义预测控制器系数直接算法

为了简化广义预测控制算法的分析与设计，提出了广义预测控制器系数直接计算方法．该方法利用过程模型直接递推，把广义预测控制律表达成控制器系数与参考轨迹及过程历史信息乘积的形式．其控制器系数计算只与模型参数及设计参数有关，避免了在线求解Diophantine方程、输出预测表达式及自由响应项，简化了设计思路，减少了在线运算量．在一个DCS控制的非线性液位装置上得到的对比实验结果表明该方法是可行和有效的．