网络环境下的预测控制论.doc

网络环境下的预测控制摘要 网络控制系统（Networked Control Systems, NCSs）是一种空间分布式控制系统，其控制回路中的传感器、控制器、执行器由有限带宽的通信网络相连接。预测控制（Model Predictive Control, MPC）因在控制多变量约束系统方面的优势而成为流程工业过程中应用得最多的先进控制方法。本文以预测控制综合方法为基本方案，围绕网络控制的基本问题，并结合相关稳定性理论，对网络环境下的预测控制综合方法展开了研究。关键词 网络控制；预测控制；稳定性Predictive control under the internet environmentAbstract Networked Control Systems (NCSs) are spatially distributed control systems, where the sensor, controller and actuator are connected trough shared band-limited communication network. Due to its advantage forcontrol ofthemultivariable constrained systems,model predictive control (MPC) has become the most widely applied advanced control method in process industries. Considering the basicissues in NCSs, this dissertationstudies the MPC under networked environment by taking the synthesis approaches as the basic control scheme. Keywords Networked Control; Model Predictive Control; Stability.1 绪论1.1 预测控制基本介绍预测控制来源于工业过程控制中的一类基于预测过程模型的高级控制算法。它基于信息建模的思想，强调模型的函数而非模型的结构，能体现系统将来的行为。预测控制所表现的建模的简易性和控制的鲁棒性，使它显示了较强的生命力和吸引力，并很快引起了工业控制界的广泛关注。预测控制算法有三个基本特征，即多步预测、滚动优化和反馈校正，由计算机程序在线连续执行。虽然预测控制系统能控制各种复杂过程，但由于其本质原因，设计这样一个控制系统非常复杂，要有丰富的经验，这也是预测控制不能像预期那样得到广泛应用的主要原因。1.2网络控制基本介绍在过去的几十年中，传统的集中式和集散式控制系统曾经极大地推动了控制工业的发展。随着计算机网络的广泛使用和网络技术的不断发展，控制系统的结构正在发生变化，正朝着网络化方向发展。网络控制系统(Networked Control System，简称NCS)，即网络化的控制系统，是在网络环境下实现的闭环控制系统，是计算机控制系统的更高发展阶段，是控制技术、计算机技术与网络通信技术相结合的产物1。控制技术构建了网络控制系统的功能和算法结构，是其内在灵魂与核心。计算机技术是网络控制系统各个节点和控制功能模块的实现方式，是形成网络控制的软、硬件基础，是网络控制系统的执行部件。通信技术连接了网络控制系统中的各个组成部分，是网络控制系统的信息传输系统。三种技术有机结合，形成了完整的网络控制技术。与传统的点对点结构的系统相比，网络控制系统具有可以实现资源共享、远程操作与控制、较高的诊断能力、安装与维护简便、能有效减少系统的重量和体积、增加系统的灵活性和可靠性等诸多优点，是实现工厂自动化管理集中、控制分散、通信迅速的最新过程控制系统。1.2.1网络控制系统的定义“Networked Control Systems”最早于1998年出现在马里兰大学GCWalsh的论著中，但未给出明确的定义。只是用图示说明了网络控制系统的结构，指出在该系统中控制器与传感器通过串行通信形成闭环。清华大学的顾洪军给出了明确的定义1：定义 网络控制系统(NCS，Networked Control Systems)，又称为网络化的控制系统，即在网络环境下实现的控制系统，是指在某个区域内一些现场检测、控制及操作设备和通信线路的集合，用以提供设备之间的数据传输，使该区域内不同地点的设备和用户实现资源共享和协调操作。广义的网络控制系统包括狭义概念的网络控制系统在内，还包括通过企业信息网络以及Internet/Intranet/Infranet实现的对工厂车间、生产线甚至现场设备的监视与控制等。1.2.2网络控制系统的特点及优点 网络控制具有如下特点2：(1)结构网络化。(2)节点智能化。(3)控制现场化和功能分散化。(4)系统开放化和产品集成化。(5)全数字化通信。(6)网络通信的强实时性。网络控制系统的优点有：(1)提高了控制系统的精度和可靠性。(2)增强了系统信息集成能力，有利于不同网络的互连集成。(3)便于安装和维护。(4)可以降低系统成本和系统体积。(5)可以作为实现各种复杂分布式或优化控制算法的应用平台。(6)对于系统开发者和用户而言，打破了技术垄断。1.2.3网络控制系统的基本问题目前，网络控制系统还没有一套成熟的理论与方法，还有很多基本问题有待于研究人员进一步研究。这些问题的存在，不但会降低系统的控制性能，而且还是引起系统不稳定的潜在因素，因此对这些问题的研究，具有重要的理论意义和广泛的应用价值。l、时变传输周期传统的计算机控制系统都假设对被控对象的采样为等周期采样，这种假设使得对系统的分析大大简化。然而，在NCS中这种等周期采样的假设将不再一定成立3。2、网络时延在控制系统中，时延是普遍存在的现象。它来源于控制对象本身的时滞、控制算法的复杂程度、数据转换和传输(调度)以及外界干扰等。针对网络控制系统中的时延效应和控制性能要求，许多研究者提出了多种不同的网络控制系统模型和时延补偿等控制技术，主要有状态增广法、状态估计法、最优控制方法和摄动方法等。3、多数据包传输多包传输是指数据被分成几个包发送且有可能不同时达到控制器或执行器。多包传输的一个原因是数据量较大无法在有限的单包中传输，另一方面是因为NCS的传感器和执行器常常分布在一个很大的物理空间，要将这些数据放在一个数据包中往往是不可能的。在具有多包传输的NCS中，由于网络诱导时延的存在，多个数据包有可能无法在同一时间内到达控制器。4、数据包的时序错乱和丢包问题在网络环境下，被传输的数据流经众多计算机和通信设备，且路径不唯一，这必然会导致数据包的时序错乱问题。同时，从网络控制系统的机理分析，当数据包在网络中传输的时候，由于网络阻塞、连接中断等原因会导致数据包丢失。虽然大多数网络都具有重新传输的机制，但它们也只能在一个有限的时间内传输，当超出这个时间后，数据也就会丢失。因此在NCS的设计中，对数据包的丢失问题必须寻找相应的解决方法。5、时钟同步在NCS中，当控制器和执行器有一个为时钟驱动时，便存在时钟同步问题。时钟同步的目的是给两个或多个节点的内部时钟以同样的值。时钟同步又可分为硬件同步和软件同步。硬件同步一般是在系统的各个节点之间用导线相连，时钟同步信号由导线传递。在NCS中，由于系统的节点有可能分布在一个较大的物理空间，用硬件同步一般比较困难且代价昂贵，大多采用软件同步的方式。软件同步一般通过在网络上定时广播具有较高优先权的同步时钟的方式实现。6、网络控制系统中的通信协议网络控制系统中的通信协议可分为fieldbuses、automotive buses、其它machine buses、一般意义上的网络以及大量的研究协议。Fieldbuses是专门为实时控制而设计的，但在有些场合，其它网络也可以作实时控制用。一个合理的通信协议可以确保网络服务性能。网络协议的静态服务性能指标(如数据帧长度、通信速率、网络拓扑等)和动态服务性能指标(如网络时延特性、丢包率等)都将影响网络控制系统的整体性能。1.3网络环境下的预测控制自网络控制系统问世以来，将预测控制用于补偿网络时滞以及处理数据丢包、量化等问题就得到了学术界的广泛关注，也被公认为是处理网络控制系统中相关问题的有效方法，因此在这一研究方向上也有很多成果，可参考文献4-13。文献4针对同时具有数据丢包和网络时滞的网络控制系统，提出了一种改进型网络预测控制方法。该方法基于有时滞的传感器数据来设计预测控制器并通过一种新的补偿策略来克服网络时滞和数据丢包给系统带来的影响。闭环系统描述为具有结构不确定性的时滞系统模型，这样做的目的是便于采用时滞依赖稳定性的丰富成果来分析系统的稳定性。文献5提出了一种“基于数据包”的控制模式来处理网络控制系统中的时滞和丢包问题。在实际的网络控制系统中，网络数据都是采用数据包进行传输的。“基于数据包”的控制模式利用数据包可同时封装多个数据信息的特性，通过将多个数据信息同时发送到接收端的方式来补偿数据丢包和网络时滞。在“基于数据包”的控制模式下，文献96得到了新的网络控制系统模型及时滞依赖的反馈控制策略，并给出了能同时处理网络时滞和数据丢包的预测控制器设计方法。关于网络预测控制控制的其他研究可参考文献6-13。分析以上所列文献可以看出，虽然关于网络环境下的预测控制的研究成果已经很丰富，但多数结论还是基于预测控制的设计方法。对于网络环境下的预测控制综合方法的研究只有少量论文出现，比如文献14。2具有数据量化的网络控制系统预测控制综合网络控制系统需要研究的问题很多，如1.2.3小节所述，本文重点研究对传感器信号和控制信号进行数据量化这一问题。由于采用通信网络作为传输媒介，数据在传输过程中必然会经过A/D，D/A转换。因此，数据受到量化误差的影响是不可避免的。数据量化不仅会影响系统的控制性能，甚至会造成系统不稳定。近些年来，具有数据量化的网络控制系统的相关理论研究得到了学术界的广泛关注，并涌现了一大批很有意义的研究成果，例如文献15-18。虽然这些文献研究的都是具有数据量化的网络控制系统的预测控制，也有很多有意义的发现，但它们考虑的都是预测控制的设计方法且都不考虑物理约束，没有研究约束预测控制综合方法。因此，对于这一问题还有待进一步研究。2.1网络控制系统预测控制综合本节主要研究同时量化传感器信号和控制信号的网络控制系统的预测控制综合方法。首先，基于文献16中的扇形界方法，建立了网络控制系统的新模型。然后，针对所得到的系统模型，给出了两种预测控制综合方法。其一，通过将无穷时域控制作用参数化为单个的状态反馈，得到了没有自由控制作用的预测控制综合方法。其二，通过将无穷时域控制作用参数化为一个自由控制作用加一个状态反馈，得到了带一个自由控制作用的预测控制综合方法。最后，通过一个仿真实例验证了所给出的两种方法的有效性。仿真结果表明，本章提出的两种预测控制综合方法均能使闭环系统稳定，且采用带一个自由控制作用的预测控制综合方法可以得到更好的控制效果。2.2仿真实例本节通过一个仿真实例来验证所给出预测控制综合方法的有效性。考虑如下的离散线性时变系统：假设不确定参数满足，且在每个k时刻。输入约束为。初始状态。对网络传输环境，假设量化器f和量化器g均为对数量化器，且量化密度为，量化器参数选取。权矩阵。通过求解优化问题，得到的仿真结果如图1-3所示，其中对应没有自由控制作用的预测控制用虚线表示，带一个自由控制作用的预测控制用实线表示。图1给出了采用两种预测控制综合方法的系统状态响应曲线。图2和图3分别给出了控制输入和性能指标。图1 状态响应图2 控制输入图3 性能指标上界从图1可以看到，本章所给出的两种预测控制综合方法均能使闭环系统稳定，且采用有自由控制作用的预测控制可以得到更好的控制效果。图2显示采用带一个自由控制作用的预测控制方法得到的控制作用更强。图3表示两种预测控制综合方法的性能指标均单调递减。2.2本节总结本节研究同时量化传感器信号和控制信号的网络控制系统建模以及镇定问题。首先，根据扇形界方法，建立了网络控制系统的新模型，将系统的二次镇定问题转化为了鲁棒控制问题。然后，在保证闭环系统稳定性及满足系统输入、状态约束的条件下，分别给出没有自由控制作用的预测控制以及带一个自由控制作用的预测控制。最后，通过一个仿真实例验证了所给出的预测控制综合方法的有效性。总结网络时滞、数据丢包和数据量化是分析和设计网络控制系统过程中必须要解决的三个基本问题，采用流程工业中应用的最为广泛的多变量约束控制算法预测控制，来解决网络控制系统的基本问题有着重要的理论及实际意义。本文在分析数据丢包、数据量化以及网络时滞的特性及其给控制系统的分析和设计带来的根本困难的基础上，以具有数据量化的网络控制系统预测控制综合为例提出了一种网络控制系统的分析及建模方法，通过仿真测试取得了较好的效果。参考文献1顾洪军网络控制系统建模及性能分析方法的研究：博士学位论文北京：清华大学，20012顾洪军，张佐，吴秋峰网络控制系统的机理描述模型控制与决策，2000，5：634-6363朱其新网络控制系统的建模、分析与控制：博士学位论文南京：南京航空航天大学，20034 Zhao Y B, Liu G P,Rees D. Improved predictive control approach to networked control systemsJ. IET Control Theory andApplications,2008,2:675-681.5 Zhao Y B, Liu G P,Rees D. Design of a packet-based control framework fornetworked control systemsJ. IEEE Transactionson Control Systems Technology, 2009, 17:859-865.6 Quevedo D E,Ostergaard J, NesicD. Packetized predictive control of stochastic systems over bit-rate limited channels with packet lossJ. IEEE Transactions on Automatic Control, 2011, 56:2854-2868.7 Quevedo D E,Nesic D. Robust stability of packetized predictive control of nonlinear systems with disturbances and Markovian packet lossesJ. Automatica, 2012, 48:1803-1811.8 Xue B,Li N,Li SY,Zhu Q.Robust predictive control for networked control systems with quantizationJ. IET Control Theory and Applications, 2010, 4:2896-2906.9 Zhao Y B, Liu G P, Rees D.Time delay compensation and stability analysis ofnetworked predictive control systems based onHammerstein modelC. IEEE Networking, Sensing and Control Proceedings,2007: 808-811.10 WuJ, ZhangL Q, ChenT W. Model predictive control for networked control systemsJ.International Journal of Robust and Nonlinear Control, 2009, 19(9): 1016-1035.11 GoodwinG C, HaimovichH, QuevedoD E, WelshJ C. A moving horizon approach to networked control system designJ.IEEE Transactions onAutomatic Control, 2004, 49(9): 1427-1445.12 WangX L, FeiC G, HanZ Z.Adaptive predictive functional control for networked control systems with random delaysJ. International Journal of Automation and Computing, 2011, 8(1):