论文部分内容阅读
网络控制系统是指传感器、控制器和执行器通过网络通信连接而成的闭环反馈控制系统。网络控制系统采用网络作为通信媒介,网络的特性必然影响控制系统的性能。由于网络时延、丢包的存在,通过网络传播的控制信息不能及时到达目的节点,传统的控制算法不再适用于网络控制系统,迫切需要研究新的控制策略以应对由于网络的介入而引起的对控制系统性能不利的影响。如何在网络控制系统中实现现有的经典控制策略并取得较好的控制效果是网络控制研究的一个重要领域,具有深远意义。工程中仍大量使用PID控制器,PID控制器结构简单,实现方便,鲁棒性强,控制参数与工程指标密切相关,如何在网络控制系统中应用PID控制器是网络控制器设计的一个重要方向。本文从控制器设计角度,针对延时小于一个采样周期的网络控制系统,主要做了如下几个方面的工作：1.研究了网络控制系统的时延组成和影响因素,分析了不同节点驱动方式下的网络时延特性。2.针对传感器时间驱动,控制器和执行器事件驱动的网络控制系统分别建立了时延小于和大于一个采样周期的状态空间模型。3.针对网络控制系统PID参数难以整定的问题,在随机时延小于一个采样周期的情况下,提出单神经元模糊PID控制器,用单神经元在结构上模拟PID,并利用神经元的自适应性在线调整PID参数。针对单神经元学习速率敏感的特性,采用模糊算法动态调整学习速率的大小,并用自适应算法调整比例因子。仿真实验表明,单神经元模糊PID在小于一个采样周期随机时延的网络控制系统中具有较好的控制效果。4.针对由于网络控制系统难以建立精确数学模型而导致传统PID参数整定策略不适用的问题,提出极限学习机在线整定PID控制策略,该策略首先通过极限学习机的自学习能力在线辨识包含网络的广义被控对象的近似模型,进而获得被控对象的Jacobian信息,实现对PID参数的在线调整。最后,利用Truetime仿真工具箱,在Matlab平台上进行仿真,实验证明了在网络控制系统中极限学习机PID具有良好的动态特性和自适应性。