一种数据驱动预测云控制方法技术

本发明专利技术提供了一种数据驱动云控制方法，能够快速启动，并且可以处理约束。本发明专利技术采用离线数据准备方式，为数据驱动算法准备初始数据，解决了控制系统要求快速启动的问题；同时本发明专利技术将云辨识器和云控制器分开设计，首先通过云辨识器得到系统状态空间模型；然后根据模型，添加实际约束，建立最优化问题，使用模型预测控制方法，即滚动优化的方法，求解出最优预测控制序列，解决了现有数据驱动云控制方法不能处理约束的问题，并通过对应时延控制量实现网络补偿。

A Data-Driven Predictive Cloud Control Method

The invention provides a data driven cloud control method, which can start quickly and process constraints. The invention adopts off-line data preparation method to prepare initial data for data-driven algorithm, which solves the problem of fast start-up of control system requirements; at the same time, the invention separates cloud identifier and cloud controller, first obtains system state space model through cloud identifier; then, according to model, adds actual constraints, establishes optimization problem, and uses model predictive control method. The rolling optimization method solves the optimal predictive control sequence, solves the problem that the existing data-driven cloud control method can not deal with constraints, and achieves network compensation by corresponding delay control quantity.

【技术实现步骤摘要】
一种数据驱动预测云控制方法
本专利技术属于云控制
，涉及一种数据驱动预测云控制方法。
技术介绍
信息技术的发展催生了许多科技理论成果，为人熟知的就有云计算、物联网、网络化控制等。在新时代，基于这三者的快速发展，云控制系统的概念被提出。现代控制理论的研究方法主要可以分为基于模型(Model-based)和数据驱动(Data-driven)两大类。前者的本质是采用机理或辨识模型的方法建立被控对象的数学模型，然后基于此模型实现系统的控制、优化与决策等目标；数据驱动理论则是利用数据完成对系统的预测、控制、调度、优化、决策等期望功能。当前，工业和控制系统的规模和复杂性持续增长，基于模型的传统分析和控制方法难以解决此类问题；同时，在工业生产过程中，产生、存储了海量的经验和数据，但因计算能力和理论技术的限制，这些数据没有被有效利用。这些问题制约着国民经济的进一步发展。基于数据驱动预测的云控制系统可有效解决以上问题。作为云控制系统中的一项关键技术，数据驱动预测云控制系统基于网络化控制理论技术，以物联网为应用场景，借助云计算的强大处理能力，不需对被控对象进行机理分析，利用历史数据，直接实现精确、可靠的控制与决策作用。同时，在存在网络时延的条件下，有效、精准地补偿了时延的影响。其中，设计辨识和控制算法是数据驱动预测云控制的关键技术。利用输入输出历史数据，对控制系统进行辨识分析，再由模型预测控制方法获得预测控制序列，以期在网络时滞干扰下，获得精确、可靠的控制效果。但是现有数据驱动云控制方法存在以下两个问题：一，对于快速启动系统，数据准备阶段用时过长；二，数据驱动云控制算法中未考虑约束且存在网路时延。
技术实现思路
有鉴于此，本专利技术提供了一种数据驱动云控制方法，能够快速启动，并且可以处理约束。为了达到上述目的，本专利技术的技术方案包括如下步骤：步骤1，在本地受控系统和云服务器之间建立通信系统，形成云端-本地控制回路；步骤2，在云服务器中首先使用PID算法生成或随机输入控制量获得离线数据，将其传输并施加到本地受控系统中，将本地受控系统返回的控制量和对应的输出信息以Hankel矩阵形式储存，得到Hankel矩阵；步骤3，云服务器根据Hankel矩阵，辨识获得本地受控系统的状态空间矩阵；步骤4，在云服务器中根据本地受控系统的状态空间矩阵，先利用系统辨识得到本地受控系统的数学模型，基于本地受控系统的数学模型，利用预测控制方法建立系统应满足的约束条件，计算出当前k时刻的最优预测控制序列；记录开始计算时的时刻t1，并将最优预测控制序列和时刻t1发送到本地受控系统；步骤5，本地受控系统记录接收到最优预测控制序列时的时刻t2；由时刻t1和时刻t2算出网络时延τ；在最优预测控制序列中，从第ceil(τ)个分量开始作为实际施加的控制量，施加到本地受控系统，得到对应的输出信息；其中ceil(·)代表向上取整；将实际施加控制量和对应的输出信息一起返回云服务器，更新Hankel矩阵；重复执行步骤3-5，直至实现稳定控制或重复次数达到设定值，实现数据驱动云控制。其中，所述步骤3中，根据Hankel矩阵，采用子空间方法、集员理论、无模型自适应理论或迭代学习方法，辨识获得本地受控系统的状态空间矩阵。其中，所述步骤3中，其中，采用子空间方法具体为：对Hankel矩阵依次进行正交投影、加权映射、SVD分解、确定阶数、获得状态序列估计、求解最小二乘问题，辨识出本地受控系统的状态空间矩阵。其中，所述步骤4中，在系统应满足的约束条件下，通过求解当前系统实际状态的最优化问题得到最优预测控制序列。其中，所述步骤2中，通过如下子步骤得到Hankel矩阵：步骤S20、设置预测步长N和信息步长j的值；所述设定的控制步长N大于网络时延τ，其中已知网络时延τ的估计值；步骤S21、输入本地受控系统2N+j-1个有效的随机输入，得到2N+j-1个输出，即得到2N+j-1个输入输出对，继而得到本地受控系统当前时刻输入数据的Hankel矩阵Up,0、Uf,0和输出数据的Hankel矩阵Yp,0、Yf,0，其中下标p和f分别表示过去和将来。其中，所述步骤1中，采用Python在受控系统与云服务设备之间建立UDP半双工通信，形成控制回路；本地受控系统使用一个host和port的数据对为数据通信元组；云服务器使用另一个host和port的数据对作为通信元组。有益效果：本专利技术采用离线数据准备方式，为数据驱动算法准备初始数据，解决了控制系统要求快速启动的问题；同时本专利技术将云辨识器和云控制器分开设计，首先通过云辨识器得到系统状态空间模型；然后根据模型，添加实际约束，建立最优化问题，使用模型预测控制方法，即滚动优化的方法，求解出最优预测控制序列，解决了现有数据驱动云控制方法不能处理约束的问题，并通过对应时延控制量实现网络补偿。附图说明图1为本专利技术的云控制系统结构图；图2为本专利技术的内外网间UDP半双工通信示意图；图3为本专利技术的算法流程图；图4为本专利技术的网络延时测量示意图；图5为本专利技术的数据驱动预测控制补偿策略示意图；图6为本专利技术的球杆系统实验示范系统框图；图7为本专利技术的球杆系统实验示范数据流图；图8为本专利技术的球杆系统实验示范系统输出(中国)；图9为本专利技术的球杆系统实验示范系统输出(新加坡)。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术涉及的符号：所述Hankel矩阵，以输入信息为例，形如形式的矩阵称为Hankel矩阵，其中下标“p”代表“past”，即过去；“f”代表“future”，即未来；N，j表示预测步长和信息步长，即Hankel矩阵的行和列，预测步长同时代表控制序列的预测步数；k为k时刻；系统矩阵[ABCD]：x(k+1)＝Ax(k)+Bu(k)；y(k)＝Cx(k)+Du(k).其中x(k)为状态量，u(k)为控制量，y(k)为输出量；Up|k,Uf|k表示k时刻，输入数据组成的Hankel矩阵，输出数据同理；t1,t2为云端向本地传送、本地接收信息时对应的时刻；Ts表示采样时间周期；τ表示云端向本地传送、本地接收信息的单位时延数；ωp1,k,ωp2,k,ωp,k为定义输入、输出信息在预测时域内及组成的数据列向量Wp为定义Yp,k和Up,k组成的中间变量Wp＝[Yp,k；Up,k]；表示Yf的行子空间在Uf的行子空间上的投影；Yf-、Uf、Wp+等，定义或类似定义如下：U1、S1、Γk、Xk为中间变量；W1、W2为权重矩阵，可选取为单位阵；Γk、表示Γk除去最后一行和第一行的矩阵。本专利技术的云控制系统结构图如图1所示，网络化云控制是基于云的网络化控制，控制器部署在云端，通过网络与本地受控系统连接形成闭合回路，包括控制系统内外网实时通信、预测控制算法、网络延时测量以及时延补偿等。本专利技术利用网络化控制、云计算技术部署云控制系统，丰富了控制器的设计途径，拓宽了控制系统拓扑结构，包括以下步骤：步骤1，建立通信。在本地受控系统P和云服务器之间建立通信系统，形成云端-本地通信回路；具体包括如下子步骤：采用Python在受控系统与云服务设备之间建立UDP(UserDatagramProtocol)半双工通信，形成控制回路；设置受控系统为本地端，使用一个host和port的数据对作为本文档来自技高网...

【技术保护点】
1.一种数据驱动预测云控制方法，其特征在于，包括如下步骤：步骤1，在本地受控系统和云服务器之间建立通信系统，形成云端‑本地控制回路；步骤2，在云服务器中首先使用PID算法生成或随机输入控制量获得离线数据，将其传输并施加到本地受控系统中，将本地受控系统返回的控制量和对应的输出信息以Hankel矩阵形式储存，得到Hankel矩阵；步骤3，云服务器根据Hankel矩阵，辨识获得本地受控系统的状态空间矩阵；步骤4，在云服务器中根据本地受控系统的状态空间矩阵，先利用系统辨识得到本地受控系统的数学模型，基于本地受控系统的数学模型，利用预测控制方法建立系统应满足的约束条件，计算出当前k时刻的最优预测控制序列；记录开始计算时的时刻t1，并将最优预测控制序列和时刻t1发送到本地受控系统；步骤5，本地受控系统记录接收到最优预测控制序列时的时刻t2；由时刻t1和时刻t2算出网络时延τ；在最优预测控制序列中，从第ceil(τ)个分量开始作为实际施加的控制量，施加到本地受控系统，得到对应的输出信息；其中ceil(·)代表向上取整；将实际施加控制量和对应的输出信息一起返回云服务器，更新Hankel矩阵；重复执行步骤3‑5，直至实现稳定控制或重复次数达到设定值，实现数据驱动云控制。...

【技术特征摘要】
1.一种数据驱动预测云控制方法，其特征在于，包括如下步骤：步骤1，在本地受控系统和云服务器之间建立通信系统，形成云端-本地控制回路；步骤2，在云服务器中首先使用PID算法生成或随机输入控制量获得离线数据，将其传输并施加到本地受控系统中，将本地受控系统返回的控制量和对应的输出信息以Hankel矩阵形式储存，得到Hankel矩阵；步骤3，云服务器根据Hankel矩阵，辨识获得本地受控系统的状态空间矩阵；步骤4，在云服务器中根据本地受控系统的状态空间矩阵，先利用系统辨识得到本地受控系统的数学模型，基于本地受控系统的数学模型，利用预测控制方法建立系统应满足的约束条件，计算出当前k时刻的最优预测控制序列；记录开始计算时的时刻t1，并将最优预测控制序列和时刻t1发送到本地受控系统；步骤5，本地受控系统记录接收到最优预测控制序列时的时刻t2；由时刻t1和时刻t2算出网络时延τ；在最优预测控制序列中，从第ceil(τ)个分量开始作为实际施加的控制量，施加到本地受控系统，得到对应的输出信息；其中ceil(·)代表向上取整；将实际施加控制量和对应的输出信息一起返回云服务器，更新Hankel矩阵；重复执行步骤3-5，直至实现稳定控制或重复次数达到设定值，实现数据驱动云控制。2.根据权利要求1所述的数据驱动预测云控制方法，其特征在于，所述步骤3中，根据Hankel矩阵，采用子空间方法、集员理论、无模型自适应理论...

【专利技术属性】
技术研发人员：夏元清，高润泽，马粮，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11