（控制理论与控制工程专业论文）网络控制系统若干问题的研究.pdf

东南大学学位论文独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我 一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名： 东南大学学位论文使用授权声明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印 件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质 论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布( 包括 刊登) 论文的全部或部分内容。论文的公布( 包括刊登) 授权东南大学研究生院办理。 研究生签名：弓虹导师签名：迎日 摘要 网络控制系统若干问题的研究 硕士研究生：尹焕龙导师：孙长银教授 东南大学 摘要 网络控制系统是由网络互连的传感器、控制器和执行器组成的分布式控制系统。虽然网 络控制系统具有巨大的潜在应用价值，但网络引入的诸多限制会导致系统失去稳定性。本文 采用了基于e u l e r 近似模型方法和模型预测控制方法来解决网络控制系统的镇定问题，主要研 究工作包括： 针对一些采样系统的被控对象精确离散时间模型很难获得并且系统状态测量的采样 速率远低于控制输入的采样速率的情况，本文给出了基于被控对象近似离散时间模型 的多速率采样控制策略，并证明了在近似离散时间模型满足一定性质的情况下，闭环 多速率采样系统是实用渐近稳定的。仿真结果表明该控制策略具有良好的控制性能。 针对网络控制系统中存在的网络诱导时延和数据丢包现象，本文采用基于e u l e r 近似 模型方法设计了补偿网络时延和数据丢包的控制方案，通过将控制律和补偿方案融合 到网络通信协议中，实现一类非线性网络控制系统的镇定控制。该方法能有效减少各 个节点对网络带宽的需求，缓解了网络通信压力。 针对网络控制系统存在事件触发特点，本文将采样系统的模型预测控制方法推广为基 于事件的模型预测控制方法，并结合新提出的网络补偿算法，实现一类输入和状态受 限的离散时间系统的镇定控制。 关键词：网络控制系统，网络诱导时延，数据丢包，近似离散时间模型，模型预测控制， 补偿算法，半全局实用渐进稳定 东南大学硕士学位论文 r e s e a r c ho ns o m ep r o b l e m so f n e t w o r k e dc o n t r o ls y s t e m s m a s t e rc a n d i d a t e ：y i nh u a n l o n g s u p e r v i s e db y ：p r o f s u nc h a n g - y i n s o u t h e a s tu n i v e r s i t y a b s t r a c t n e t w o r k e dc o n t r o ls y s t e m s ( n c s s ) a r ed i s t r i b u t e dc o n t r o ls y s t e m si nw h i c ht h ec o m m u n i c a t i o n b e t w e e ns e n s o r s ，c o n t r o l l e r sa n da c t u a t o r so c c u r st h r o u g has h a r e dn e t w o r k a l t h o u g ht h en c s s h a v eg r e a tp o t e n t i a li nt h ei n d u s t r i a la p p l i c a t i o n t h en e t w o r kv a g a r i e sc a nj e o p a r d i z et h es t a b i l i t yo f t h ec l o s e d 1 0 0 pc o n t r o ls y s t e m s i nt h i sd i s s e r t a t i o n ，t h es t a b i l i z a t i o np r o b l e m so ft h en c s sa r e s o l v e do nt h ee u l e ra p p r o x i m a t em o d e la n dm o d e lp r e d i c t i v ec o n t r o l ( m p c ) m e t h o d t h em a i n r e s e a r c hw o r ki sa sf o l l o w s ： am u l t i r a t ec o n t r o ls c h e m eb a s e do na p p r o x i m a t ed i s c r e t e - t i m ed e s i g nm e t h o di sp r o p o s e dt o s t a b i l i z et h es a m p l e d d a t an o n l i n e a rs y s t e m su n d e rt h el o wm e a s u r e m e n ts a m p l i n gr a t e c o n s t r a i n t i ti sp r o v e dt h a tt h es t a b i l i t yo ft h ec l o s e d l o o ps y s t e mw i t ht h em u l t i r a t ec o n t r o l l e r c a nb eg u a r a n t e e di nt h es e m i g l o b a lp r a c t i c a ls e n s e t h es i m u l m i o nr e s u l t sh a v ec o n f i r m e dt h e e f f i c i e n c yo f t h e p r o p o s e ds c h e m e ac o n t r o ls c h e m et h a tc o m p e n s a t e st h en e t w o r k - i n d u c e dd e l a ya n dp a c k e td r o p o u ti sd e s i g n e d o nt h ee u l e ra p p r o x i m a t em o d e l ，w h i c hc a ns t a b i l i z eac l a s so fn o n l i n e a rn c s si nt h es e n s eo f s e m i g l o b a lp r a c t i c a la s y m p t o t i c a ls t a b i l i t y t h i ss c h e m ec a ne f f e c t i v e l yr e d u c et h ed e m a n df o r t h en e t w o r kb a n d w i d t hb e t w e e nt h en o d e s ，a n da l l e v i a t et h ep r e s s u r eo nt h en e t w o r k a ne v e n t b a s e dm o d e lp r e d i c t i v ec o n t r o la p p r o a c hf o rn o n l i n e a rd i s c r e t e - t i m ep l a n t su n d e rs t a t e a n di n p u tc o n s t r a i n t si sp r e s e n t e d t h i sm e t h o dc a nd e a lw i t ht h ee v e n t - t r i g g e r e ds e n s o r sa n d a c t u a t o r s an o v e ln e t w o r kc o n t r o ls c h e m ei sp r e s e n t e db ym e r g i n gt h ee v e n t b a s e dm p c m e t h o di n t ot h ec o m p e n s a t i o na l g o r i t h m t h i ss c h e m ec a nc o u n t e r a c tt h en e t w o r k - i n d u c e d d e l a y sa n di n f o r m a t i o nl o s s e sa n ds t a b i l i z et h ec l o s e d l o o ps y s t e m si nt h es e n s eo fa s y m p t o t i c a l s t a b i l i t y k e y w o r d s ：n e t w o r k e dc o n t r o ls y s t e m s ，n e t w o r k - i n d u c e dd e l a y , p a c k e td r o p o u t , a p p r o x i m a t e d i s c r e t e t i m em o d e l ，m o d e lp r e d i c t i v ec o n t r o l ，c o m p e n s a t i o na l g o r i t h m ，s e m i g l o b a lp r a c t i c a l a s y m p t o t i c a l l ys t a b l e i l ， 目录 目录 摘要i a b s t r a c t i l 目录l 第一章绪论1 1 1 研究背景及意义1 1 2 网络控制系统的基本概念和问题2 1 3 网络控制系统研究现状3 1 4 本文的主要研究内容7 第二章基于近似离散时间模型方法的非线性采样系统镇定控制研究：。9 2 1 采样控制器的设计方法一9 2 2 基于近似离散时间设计稳定性研究的现有成果1 0 2 2 1 问题描述1 0 2 2 2 单步相容性和多步相容性1 1 2 2 3 单速率采样系统结论1 2 2 3 基于近似模型的多速率采样系统的稳定性研究1 3 2 3 1 问题描述1 3 2 3 2 主要结果1 4 2 3 3 仿真结果1 8 2 4 传感器到控制器通道上存在时延的多速采样系统的主要结论1 9 2 5 本章小结。2 0 第三章基于e u l e r 近似模型方法的一类非线性网络控制系统设计2 2 3 1 引言2 2 3 2 问题的提出。2 3 3 3 基于模型方法的网络控制系统方案概述。2 4 3 4m b n c s s 稳定性分析及控制律的设计2 6 3 5m b n c s s 的通信协议的设计3 2 3 6 仿真实例3 4 3 7 本章小结3 5 第四章基于模型预测控制的网络控制系统，3 6 4 1 引言。3 6 4 2 问题描述3 7 4 3 基于事件的模型预测控制研究3 9 4 3 1 非线性模型预测控铜j ( n m p c ) ：。3 9 4 3 2 基于事件的模型预测控制4 0 4 4 网络控制方案的设计4 3 l 东南大学硕士学位论文 4 4 1 网络控制方案的初步设计4 3 4 4 2 网络控制方案的详细设计4 5 4 4 3 网络控制系统的稳定性分析4 8 4 5 本章小结5 1 第五章总结与展望s 2 5 1 全文总结5 2 5 2j 畏望。5 3 致谢s 4 参考文献5 5 攻读硕士学位期间发表的论文5 8 i v 第一章绪论 1 1 研究背景及意义 第一章绪论 随着计算机网络通信技术和智能传感器技术的不断发展，控制系统的结构正在发生变化。 计算机控制系统从传统的集中式控制方式过渡到集散控制方式、现场总线控制方式。但集中 式控制系统和集散控制系统有着共同的缺点，即工程随着现场设备的增加、功能性需求的增 长和地域的分散，系统布线越来越复杂，系统成本不断增加，而系统的可靠性、抗干扰性、 灵活性和扩展性却不断地降低，故障诊断和维护变得更加困难。传统控制系统很难适应现代 控制特别是复杂系统和远程控制系统的需求。通信、计算技术和控制理论的不断发展，以及 i n t e m e t 网广泛应用，促使人们将网络引入到控制系统中，构成网络控制系统( n e t w o r k e d c o n t r o ls y s t e m s ，简记为n c s s ) ，如图1 1 所示，n c s s 采用分布式控制系统来取代独立控制 系统，使得众多的传感器、控制器和执行器等系统的主要功能部件通过网络相连接，相关信 号和数据通过通信网络进行传输和交换，从而避免了彼此间纷繁的布线，减少了诸如导线及 其接头故障的发生和设备安装拆卸的成本，而且可以实现资源共享、远程操作和控制，通过 融合全局数据得到全局最优解决方案，提高系统的故障诊断能力，方便安装和维护，增加系 统的灵活性、扩展性和可靠性。正因为具有以上多种优点，网络控制系统在太空探索、地球 开发、工业自动化、远程故障诊断、危险环境作业、科学实验和家用机器人等领域具有巨大 的潜在应用价值。 图1 - 1 网络控制系统示意图 然而，由于在反馈控制环中引入了通信网络，网络诱发的诸如有限带宽、随机网络时延、 数据丢包、数据错序、时钟不易同步等网络限制，不可避免地给控制系统带来了不确定性和 信息非完整性，控制系统的分析和设计比传统的点对点控制系统设计更加复杂。另外，通用 数据网络，传输的数据包相对较大，并且传输时刻是零散的，具有突发性，对实时性的要求 相对较低，而控制网络需要频繁地进行较小数据包的传输，数据包要满足一定的实时性。这 就更加需要新的思想和方法来解决网络控制系统相关的新问题。 东南大学硕士学位论文 1 2 网络控制系统的基本概念和问题 1 网络诱导时延( n e t w o r k - in d u c e dd e ia y ) 由于网络带宽有限，多个节点进行数据交换时，往往会出现数据碰撞、多路径传输、网 络拥塞等现象，因而数据传输会出现时间延迟的现象，称这种现象为网络诱导时延。网络诱 导时延是由网络负载、网络协议、拓扑结构以及路由方式等网络性质决定的，可以是定常的、 时变的甚至随机的。 网络诱导时延主要包括：传感器测量数据包等待传输的时间，传感器到控制器的传输时 间，控制器进行数据处理、控制量计算和竞争发送权的时间，控制器到执行器的传输时间。 其中传感器测量、数据处理以及控制量计算的时间都是器件时延，取决于软硬件的实现，如 果硬件处理速度足够快，可以将这部分时延忽略不计；而网络传输时延是由网络环境决定的， 是网络诱导时延的主要部分。 由于大部分控制系统要求严格的实时性，网络诱导时延会导致系统的性能降低，甚至会 造成系统的不稳定，所以在分析和设计网络控制系统中，网络诱导时延是不可忽略的重要因 素之一。 2 数据包丢失( p a c k e td r o p o u t ) 在网络控制系统中，数据是通过数据包进行传输的。由于噪声干扰、与其它数据包的碰 撞等不可控的随机事件的发生，数据包会发生丢失现象。数据丢包主要有两种情况：主动丢 包和被动丢包。所谓主动丢包，就是在拥塞控制算法中，主动将一段时间内未到达的数据包 丢掉，紧接着发送新的数据，以保证采样数据或控制数据的实时性和有效性，以防止网络拥 塞；而被动丢包，是由于多个节点共享传输通道，并且带宽有限，同时只能有部分的节点进 行通信，其它节点只有等待信道的访问权，在等待期间，网络是阻塞的或是连接中断的，这 就不可避免地发生数据丢包。关于数据丢包的数学描述通常采用两种方式：一种是采用统计 的方法，给出数据丢包的概率分布以及丢包比率；另一种是给出两个采样时刻间的数据丢包 的总额。通常，反馈系统可以容许一定的数据丢包率，但丢包率超过一定值时，控制系统就 会失去稳定。 3 单包传输和多包传输 单包传输首先将数据放在单一的数据包中，然后进行传输；而多包传输是将传感器测量 数据或控制输入序列分在不同的数据包中传输。这样做的原因是，在通信网络中，不同类型 网络的数据帧的大小有着不同的限制，如：d e v i c e n e t 网络只允许数据包大小为8 个字节，而 e t h e m e t 的数据帧可以容纳1 5 0 0 个字节。对于超过数据帧大小上界的数据序列，就要将其分 割，然后封装在不同的数据包中进行传输。另外，传感器和驱动器分布在不同的物理空间中， 针对不同节点分别传输所需数据很有必要，因此，有必要将采样值或控制量分包传输。数据 传输方式的不同给网络系统的分析和设计带来了新的问题。 4 数据包错序 在网络环境下，路由器会根据网络的实际情况选择合适的网络路径传输数据，因而相同 节点发送的数据包可能经过不同网络路径达到目标节点，并且数据包在各个中继环节的队列 中等待的时间会有差异，因此，数据包到达同一目的节点的先后顺序会发生错乱，称其为数 据包错序。 2 第一苹绪论 5 网络协议 在控制网络中，主要有两种介质访问控制方式：随机访问方式和时分复用方式( 或称之 为轮询服务方式) 。在随机访问网络中，节点采用载波侦听多路访问( c a r d e rs e n s em u l t i p l e a c c e s s ，c s m a ) 协议，如e t h e r n e t 网采用符合i e e e 8 0 2 3 标准的带有冲突检测的载波侦听多 路访问协议( c s m a c d ) ，其中带有重发机制；c a n 总线采用的是带有信息优先级仲裁的载 波侦听多路访问协议。在时分复用网络中，节点通常采用令牌传递( t o k e np a s s i n g ) 方式获 得网络的访问权，如令牌总线( i e e e 8 0 2 4 标准) 和令牌环网( i e e e 8 0 2 5 标准) 。实际应用 中的控制网主要采用令牌方式，如用于过程控制的现场总线p r o f i b u s 、用于工厂设备连接的 f i e l d b u sf i p ( f i e l d b u sf a c t o r yi n s t r u m e n t a t i o np r o t o c 0 1 ) 和p - n e t 等。由于不同的网络协议具 有不同的通信特征( 时延的数量级和时延的变化规律都会不同) ，所以采用不同网络协议的网 络控制系统会表现出不同特点，相应的数学模型会有很大的区别。 6 节点驱动方式 在网络控制系统中，节点的驱动方式是指传感器节点、控制器节点和执行器节点的启动 方式。目前的控制网络节点有两种驱动方式：时钟驱动和事件驱动。时钟驱动意味着网络节 点在预定的时间开始它的动作，时钟驱动可以使网络节点周期地工作。事件驱动是指网络节 点在特定的事件发生时才开始它的动作。例如传感器一般为时钟驱动，即传感器按系统时钟， 以一定的周期对被控对象进行采样；控制器和执行器既可以设置为时钟驱动方式，也可以设 置为事件驱动方式。将控制器或执行器设置为事件驱动方式，可以减少等待采样时刻的等待 时间，降低对时钟同步性的要求，特别地，在存在许多突发性信号需要传输的网络中，采用 事件驱动方式可以得到很好的性能。采用c s m a 协议的随机访问网络如e t h e r n e t 、c a n 和 l o n w o r k s 等都支持事件驱动方式。 1 3 网络控制系统研究现状 1 时滞系统方法 我们知道由于网络的引入，控制系统中不可避免地受到网络诱导时延的影响。我们很自 然联想到采用时滞系统的相关理论来解决网络诱导时延起主导影响的网络控制系统的稳定性 问题。对于时滞系统，其稳定性的研究起源于2 0 世纪5 0 年代，研究方法有频域和时域方法。 频域方法只适用于定常时滞系统，因而具有很强的局限性。时域方法主要有 l y a p u n o v k r a s o v s k i i 泛函方法和r a z u m i k h i n 函数方法，分别由k r a s o v s k i i 和r a z u m i k h i n 创立 于2 0 世纪5 0 年代末，是时滞系统的一般方法【l 】。伴随着r i c c a t i 方程或线性矩阵不等式( l m i ) 及其m a t l a b 等数值解法软件的出现，通过构建l y a p u n o v k r a s o v s k i i 泛函来获得使时滞系 统稳定的充分条件的方法日益流行起来，这些充分条件由最初的时滞无关条件演化到时滞相 关条件，其中的保守型大大降低。为了获得时滞相关稳定条件，学者们在l y a p u n o v k r a s o v s k i i 泛函中引入双积分项，这样不可避免的在l y a p u n o v k r a s o v s k i i 泛函的导数中出现二次型积分 项，为了处理二次型积分项，文献中采用模型变换方法产生交叉项，通过交叉项的界定来抵 消l y a p u n o v k r a s o v s k i i 泛函的导数中的二次型积分项。但是对交叉项的界定必将导致所得结 果的保守性。为了减少保守性，一系列围绕如何界定交叉项的研究得到广泛开展，如借助p a r k 2 】 不等式和m o o n l 3 1 不等式进行不等式放缩，利用牛顿莱布尼兹公式生成新的交叉项。吴敏与 东南大学硕士学位论文 何勇通过引入自由权矩阵1 4 j 来求解l m i ，从而获得最优的交叉项权值，可以克服固定权矩阵 的保守性，也为多项式型不确定性的参数依赖l y a p u n o v k r a s o v s k i i 泛函提供一种简便的途径。 在时滞系统的理论基础上，国内学者们将网络时延和数据丢包情况联合考虑，并加以适当的 或特殊的假设条件，分析了线性被控对象的网络控制系统的稳定性，随之涌现出了鲁棒控制， 量化控制的相关结果。在处理综合性问题时，控制器的求解要依赖非线性矩阵不等式( n l m i ) ， 对于非线性矩阵不等式，目前主要采用两类方法来处理1 5 】，一个是迭代算法，即锥补线性化 算法；一个是参数设定方法，通过对n l m i 中的某个或某些待定矩阵设定为带有一个标量参 数的特定形式，将n l m i 转化为l m i ，再通过标量参数来求解控制器。文献 6 】中构建了将网 络诱导时延和数据丢包同时考虑的n c s s 模型，在该模型下，设计了时滞依赖的控制器，其 中无记忆状态反馈控制器的增益和最大容许时延可以通过求解一组l m i 得到。【7 】针对不确定 n c s s 设计了h 控制器，在n c s s 模型中同时考虑了网络诱导时延和数据丢包的出现，网络 诱导时延包括了传感器到控制器、控制器到执行器以及计算的时延，h 控制器也是无记忆的， 其增益可以通过求解一组l m i 得到。【8 】解决了有限通信能力下的n c s s 的输出反馈控制问题， 将网络诱导时延、数据丢包以及输入输出量化统一到一个新的网络模型下进行研究，为n c s s 设计了基于观测器的渐进稳定控制器，控制器的各个增益要通过求解非线性矩阵不等式得到， 因此，文中采用锥补线性化方法将非线性问题转化为凸优化问题，然后通过求解一组l m i 得 出控制器的增益。【9 】研究了一类带有随机通信时延的线性不确定n c s s 的稳定性问题，文中 用m a r k o v 过程描述不同网络负载影响下的传感器到控制器和控制器到执行器的时延，然后 基于随机泛函微分方程的r a z u m i k h i n 类型指数稳定定理i lo j 设计了基于模式的状态反馈控制 器，通过求解双线性矩阵不等式( b l m i ) 可以得到控制器的增益，文中同时给出了求解b l m i 的算法，该算法是参数设定法的一种。通过时滞系统方法来研究n c s s ，固然有了丰富的成果， 但是所分析的被控对象绝大多数局限于线性系统。另外，将网络控制系统简单地描述成时滞 系统必然会引入较强的假设条件，实用性就会相应地降低。 2 基于模型的设计方法 m o n t e s t m q u e 和a n t s a k l i s 以尽可能减少n c s 对通信网络带宽的需求为出发点，提出了 基于模型的网络化控制系统( m o d e l b a s e dn e t w o r k e dc o n t r o ls y s t e m s ，m b n c s s ) t j ，并将其 运用在线性时不变被控对象的网络控制上；进而分析了在模型更新时问间隔时变情况下的线 性被控对象的m b n c s s 稳定性1 1 2 】。如图1 2 所示，所谓基于模型的网络控制系统，就是在 传输间隔，即无法得到传感器数据时，控制器采用显式的被控对象模型估计出实际被控对象 的状态，然后生成合理的控制信号，这段时间内其实是进行开环控制的；而在每个传输时刻， 采用所获得的被控对象状态更新系统模型的状态。正是因为模型状态更新频率可以远远低于 控制信号更新的频率，所以可以大大降低对带宽的需求。利用基于模型的方法，m o n t e s t r u q u e 给出了保持线性系统稳定的充分必要条件，并得出最大传输间隔。另外，m o n t e s t r u q u e 研究 了在传感器到控制器存在时延情况下的m b - n c s s 的稳定性，通过在控制器节点添加一个传 播单元来预估当前时刻的系统状态，以此来补偿前向通道的网络时延。【1 3 】提出了基于d r ( d e a dr e c k o n i n g ) 模型的网络控制系统，采用d r 算法估计系统状态不但可以减少网络带宽 占用，而且克服了通信时延的不良影响，使得传统的未考虑通信时延的控制器能在n c s 中继 续有效工作。【1 4 研究了具有离散时间非线性被控对象的m b - n c s s 系统的稳定性问题，状态 测量数据包具有随机丢包特性，并采用m a r k o v 链来描述该丢包过程，最后利用随机l y a p u n o v 4 第一章绪论 第二方法得出m b - n c s s 满足均方稳定性的充分条件，但该研究只对传感器到控制器存在数 据丢包干扰的n c s s 做了分析。【1 5 1 结合基于模型方法和采样系统理论，解决了前向通道和反 馈通道都遭受网络诱发约束下的非线性n c s s 的稳定性问题，并给出了补偿网络诱发约束的 节点间通信协议，为n c s s 的研究提供了控制律和网络协议协同设计思路。 图l - 2 基于模型的网络控制系统 3 混杂系统方法 由于n c s s 中包含连续的被控对象，事件触发或时间触发的设备( 如采样器、保持器和数 字控制器等) 以及网络，所以n c s s 可以被看作为混杂系统。在网络中，数据是采用数据包 的形式传输的，因此任何连续时间信号都要经过采样才能在网络传输，使得n c s s 具有一定 的采样系统的特性。用采样系统模型来描述n c s s 可以很好的描述n c s 的混杂特性，容易将 网络诱导延迟、数据丢包等网络诱发的特性包含在数学模型当中，另外，可以较容易地将网 络调度协议的一些性质融入到系统模型中，以实现控制律和网络协议的协同设计。【1 6 】研究 了具有时间触发的数字控制器和事件触发的执行器的n c s s ，作者用带有离散时间时滞的采样 系统模型描述n c s ，将离散时间子系统的时延转移到采样系统的连续时间子系统之中，通过 构建新的l y a p u n o v 泛函，得到使系统稳定的时滞依赖型的充分条件，放宽了以前文献的中的 传感器到执行器时延小于采样周期的严格假设。 4 切换系统方法 切换系统是指由一定数量采用微分方程或差分方程描述的子系统和子系统之间切换规则 组成的混杂系统。【1 7 】将控制器读取测量值缓存区的周期丁设定为测量周期的瓦的1 n ，即 t = b n ，时延的大小可以是7 1 的整数倍，并规定时延的上界，超过此上界视为数据丢失，按 照b 周期内时延的大小，定义了不同的子系统，因此在每个测量周期内，n c s 按照时延大小 切换模式，转化为一个切换系统，按照已有切换系统的理论处理n c s s ，使一些特殊问题的解 决得以简化，但该方法仅适用于只有传感器到控制器存在时延的情况下。【1 8 】将有限数据丢 包的n c s 建模成线性切换系统，给出了使带有网络时延和数据丢包n c s s 稳定的充分条件， 最后通过求解l m i s 的可行解构建n c s s 控制器。【9 】用连续时间离散状态m a r k o v 过程描述 上行和下行通道上负载状态，对应于每种m a r k o v 过程的模式的时延是时变的并且有已知的 上界，借助于随机跳变系统的稳定性理论，得出模式依赖的控制器。 5 预测控制的方法 预测控制是近年来发展起来的计算机控制算法，由于它采用多步测试、滚动优化和反馈 校正等策略，因此控制效果较好，适用于不易建立精确数学模型并且比较复杂的工业生产过 s 东南大学硕士学位论文 程中，近年来，人们将预测控制的设计思想应用到n c s s 的研究中来，提出了对网络时延和 数据丢包具有一定补偿作用的网络预测控制方案。如图1 3 所示，网络预测控制系统主要由 预测控制生成器( c o n t r o l l e rp r e d i c t i o ng e n e r a t o r ，c p g ) 和网络时延补偿器( n e t w o r kd e l a y c o m p e n s a t o r ，n d c ) 构成。预测控制生成器用来生成一定时间步长的控制信号序列，网络时 延补偿器用来补偿未知的网络时延。 i 卜测控制生成器 i 前向 爿网络延蝌偿器h 被控对象 _ l 时延i 网络 f网一 u 到一 图1 - 3 网络预测控制系统 网络预测控制系统的实现步骤【19 j 是： ( 1 ) 在不考虑网络状况下，运用通常的控制器设计方法如p i d 、l q g 、m p c 等方法 设计控制器，满足系统性能要求； ( 2 ) 基于历史的输出信号、控制器输入信号和参考输入信号，建立输出预估器，预测 未来输出控制信号： ( 3 )预测控制生成器产生输出信号； ( 4 ) 预测控制生成器在时钭，驱动模式下，将预测的控制序列打包传送到被控对象节点 的网络延迟补偿器中； ( 5 ) 应用网络延迟补偿策略，从网络延迟补偿器中选取最新的控制信号作为执行器的 输入。 【2 0 采用改进的模型预测控制( m p c ) 和s m i t h 预估器来建立网络预测控制系统，其中 应用m p c 来生成预测控制序列来补偿前向时延，用s m i t h 预估器来补偿后向时延，并设计了 滤波器来改进网络控制系统的鲁棒性。但此方法仅针对线性被控对象有效。【2 1 提出了包块 化预测网络控制系统( p a c k e t i z e dp r e d i c t i v en c s s ) 方案，该方案中包含两个模块：包块化预 测控制器( p a c k e t i z e dp r e d i c t i v ec o n t r o l l e r ，p p c ) 和选择逻辑单元。p p c 用来生成最优控制 序列并将其传输到网络中，网络具有时延和数据丢包现象，在执行器端通过缓冲器，将新的 到的控制序列缓存，选择逻辑单元用来判断数据的新旧性，并用最新的数据覆盖旧数据。该 方法实现了连续数据丢包个数具有上界的闭环网络控制系统的镇定控制，并具有一定的鲁棒 性。该方法中的被控对象是一般的非线性系统，并且其输入以及状态受到一定的约束。但该 方案只考虑了传感器到控制器传输通道上的时延丢包情况，而假设控制器到被控对象的连接 是理想的。 6 随机最优控制方法 【2 2 采用随机最优控制来处理经受随机网络时延的控制系统，将网络时延影响转化为线 性二次高斯( l q g ) 问题。其中，控制器和执行器都是事件驱动的，传感器是时间驱动的， 假设传感器到控制器时延与控制器到执行器的时延之和小于一个采样周期，所有过去时刻的 网络时延是可知的。在该方法中，系统的状态空间方程中引入了两个随机过程，用m a r k o v 链来对前向和后向通道上的时延进行建模，目标是最小化由被控对象状态和输入组成的成本 函数，进而得出时延相关的控制器。该方法很好的体现了网络时延的随机性，并且具有较好 6 第一覃绪论 的性能表现，然而，寻找网络时延的m a r k o v 关系是一个很有挑战性的工作，并且需要控制 器存储大量的过去信息。 7 调度协议和控制律协同分析的方法 该方法将网络影响视为对原系统施加的扰动。第一步，在不考虑网络的理想情况下设计 控制器；第二步，确定最大允许传输时间间隔( m a t i ) ，使得每个传输时刻只有部分控制信号 和传感器信号经由网络传输的闭环系统保持稳定。 对于一般的带有扰动的非线性n c s ，假设在不考虑网络的情况下已经设计了使得系统稳 定的控制器，即，理想环境下，闭环控制系统如下 邱= 昴( 乞x e ，u ，w ) y c c = 尼( t 托，u ，w ) u = 目c ( 以x c ) ，y = g p ( c ，x p ) 这里的却和z c 分别是被控对象和控制器的状态，y 是被控对象的输出，u 是控制器的输出，w 是 系统的扰动，夕和色分别是最近一次经过网络传输的被控对象和控制器的输出值，网络诱导的 误差为e ( ) 皇( 善 容二乏；2 ) 。由于多个节点共享网络传输介质，所以需要网络调度协议来决 定哪个节点在何时以哪种采样速率来访问网络，因此，各个节点的信息更新并非同步的，调 度协议会进一步加大网络诱导误差，对n c s 的稳定性会造成不利的影响。【2 3 采用网络诱导 误差的跳变方程来描述网络调度协议的作用，假设在随机的传输时刻( 亡o ，t ”，t 小。) 有节点传 输数据，对于任意t 【t i 一1 ，t i 】，整个网络控制系统可以描述成混杂系统 y c = f ( t ，五巳w ) 吾= g ( t ，五e ，w ) p ( 产) = h ( i ，p ( 1 ) ) 其中x 垒( x p ，x c ) ，映射h ：- ( 1 ，f ) 用来描述网络调度协议的调度过程，通过调度状 态垒( f ，e ) w 来决定当前那个节点占用网络通道进行数据传输。 在该统一框架下，分析静态和动态网络调度协议影响下的网络控制系统，【2 3 提出了一 致全局指数稳定( u g e s ) 协议概念，并给出了使得n c s 满足l 口稳定的m a t i 的上界。【2 4 】在此 基础上分析了随机网络协议c s m a ，并提出了几乎必然l y a p u n o vu g e s 协议的概念，给出 n c s 满足l 口稳定的充分条件。以上的研究虽然创新地将网络调度协议和控制律结合起来分析， 但是没有将网络传输时延考虑在系统建模和分析过程中，对于一些实时性敏感的n c s s ，该建 模方法具有很大的局限性。 1 4 本文的主要研究内容 本文主要研究由非线性被控对象组成的网络控制系统的稳定性问题，基于控制律和网络 协议协同设计的思想，将基于近似模型的非线性采样系统的控制理论和模型预测控制的理论 推广到网络环境下，采用离散时间设计方法来设计控制律，并利用网络提供的数据时间戳， 设计了网络时延和数据丢包的补偿策略，在t c p i p 协议簇的应用层中实现了该补偿策略。 具体研究工作如下： 东南大学硕士学位论文 第一章介绍了网络控制系统研究的背景和意义；简要的概述了网络控制系统研究的基本 概念和问题；综述了当前的研究方法，并指出各个方法的局限性和不足。 第二章在已有的基于近似模型的非线性采样系统理论基础上，运用近似离散时间设计方 法，研究了在给定一族被控对象的近似离散时间模型以及该族近似模型的镇定控制器的情况 下的多速率采样系统的镇定控制方案。为了保证近似离散时间设计方法能够有效实施，本章 给出了近似离散时间模型必须具有的性质。本章为在网络环境下运用近似离散时间设计方法 提供了理论基础和实践指导。 第三章在第二章的基础上，基于e u l e r 近似模型方法解决了一类非线性网络控制系统的 镇定问题。针对网络环境下的一类具有严格反馈结构的非线性被控对象，首先运用近似离散 时间设计方法，在不考虑网络影响的情况下，设计了基于e u l e r 近似模型镇定控制律；然后 利用多速率采样系统的理论，设计了补偿网络时延和数据丢包的方案，分析闭环网络控制系 统的稳定性；最后将补偿方案和控制律融合在网络通信协议中形成完整的网络控制方案，使 得网络控制系统满足半全局实用稳定性，并且大大减少了各个节点对网络带宽的需求，缓解 了网络通信压力。 第四章采用模型预测控带i j ( m p c ) 方法来解决网络环境下具有状态和输入约束的非线性被 控对象的镇定控制问题。为了更好的适应网络的事件触发性，本章在已有的采样系统的模型 预测控制理论的基础上，提出了基于事件的模型预测控制方法。然后根据包块化预测控制思 想，我们向控制器中加入基于模型的预测器，根据控制器所得到的最新的状态测量值，预测 器预估出被控对象将来某个时刻的状态，控制器基于该预估状态利用模型预测控制算法计算 新的控制信号，所得结果是一段时域上的反馈控制序列。为了克服数据丢包( 其中也包括网 络时延超过预估延迟的上界的情况) 的影响，控制器要将这段时域上的反馈控制序列打包发 送到执行器中，执行器从该序列中选择合适的控制输入，直到新的序列到达。由于网络诱导 的时延和数据丢包会导致预估模型的控制输入和执行器实际采纳的控制输入不一致现象，所 以为了保证预估状态的可靠性，本文提出了预测一致的网络控制方案的概念。最后，将基于 事件的模型预测控制方法和补偿方案结合在一起，设计了网络应用层的补偿算法，并给出了 使得网络控制系统稳定的充分条件。 第五章对本文的研究工作进行总结，并提出有待进一步研究的问题。 第二章基于近似离散时间模型方法的非线性采样系统镇定控制的研究 第二章基于近似离散时间模型方法的非线性采样系统镇定控制研究 不同于线性被控对象，非线性被控对象的精确离散时间模型是很难获得的，这使得相应 数字控制器的设计变得困难而复杂。本章着力研究通过近似离散时问设计方法实现原精确系 统稳定的充分条件，分析了基于近似模型方法的多速采样系统的稳定性问题，为第三章的网 络控制系统镇定控制方案的设计提供理论指导。 2 1 采样控制器的设计方法 采样控制系统中，控制器在每个采样时刻决定从现在到下一个采样时刻的控制量，而在 相邻两个采样时刻之间工作在开环状态，这种控制器称作为采样控制器。采样控制器的设计 方法主要分为两种1 2 纠： ( 1 ) 连续时间设计方法( e m u l a t i o n ) 。首先按照已有的方法对时间连续的非线性被控对象 设计连续时间控制律，然后将其离散化，最后用采样保持设备进行数字实现，该采样保持设 备需要具有足够高的采样速率。由于在连续时间方法中，控制律的设计是在连续时间域中进 行的，所以可以将传统