一种基于模糊逆模型的网络化控制方法技术

本发明专利技术公开了一种基于模糊逆模型的网络化控制方法，通过求解模糊单点模型的逆系统，采用迭代的方式可得到未来的控制作用以补偿网络时延对控制系统性能的影响。利用本发明专利技术，无需深入了解被控过程的机理，既可以应用于线性系统，也可以应用于非线性系统。

A networked control method based on Fuzzy inverse model

The invention discloses a networked control method based on Fuzzy inverse model. By solving the inverse system of fuzzy single point model, the future control function can be obtained by iteration to compensate the influence of network delay on the performance of the control system. The invention can be applied to both linear and nonlinear systems without further understanding the mechanism of the controlled process.

【技术实现步骤摘要】
一种基于模糊逆模型的网络化控制方法
本专利技术涉及一种基于模糊逆模型的网络化控制方法，通过求解模糊单点模型的逆系统，采用迭代的方式可得到未来的控制作用以补偿网络时延对控制系统性能的影响，属自动化控制

技术介绍
网络技术的进步推动了控制理论的发展。在网络环境下，控制结构不再是传统意义上的点对点方式，而是一种分布式结构。这种结构下传感器、控制器及执行器会通过网络媒介形成闭环，组成网络化反馈控制系统。具有结构简单、成本低、易于维护等特点。但由于网络共享介质的特性，网络中不可避免地会存在时延，数据丢包等现象，这就为传统的控制理论提出了新的挑战。同时，实际应用中，一些被控过程的机理不清，难以直接建立机理数学模型，而现有的网络化控制方法，大多是基于模型的方法，迫切需要开发一些基于数据的控制方法。本专利技术应用模糊聚类建模技术，可直接根据被控对象的输入输出数据，建立系统的模糊聚类模型，再将系统转成模糊单点模型，通过迭代和求逆的方式得到一系列未来的控制作用，从而可以通过在过程端选择合适控制序列的方式补偿网络时延和数据丢包等对控制系统性能的影响。由于是基于数据的方法，因而，具有广泛的应用空间。
技术实现思路
(一)要解决的技术问题针对上述现有技术存在的问题，本专利技术的主要目的在于提供一种基于模糊逆模型的网络化控制方法，以充分提高网络化控制系统的控制性能。(二)技术方案为达到上述目的，本专利技术的技术方案是这样实现的：基于模糊逆模型的网络化控制方法，该方法包括：A、根据被控过程的输入和输出，通过模糊聚类的建模方法获得系统的动态数学模型；B、将模糊聚类的数学模型转化成等价的模糊单点模型；C、根据过去的过程输出和过去的控制作用，以模糊单点模型为基础，通过迭代的方式可获得一系列未来的过程输出；D、判断模糊单点模型的逆系统是否存在，如存在则继续向下执行。如不存在，需要对模糊单点模型进行分割，返回到步骤B；E、根据给定值和未来的过程输出，通过求解模糊单点模型的逆系统，可得到一系列未来的控制作用；F、将这些控制作用打包通过网络由控制器端发送到过程端，在过程端通过网络时延补偿器选择合适的控制序列作用于被控过程以补偿前向网络通道的时延；G、在下一个执行周期，重复执行步骤E和F。作为优选，所述步骤A中的预测模型只需根据系统充分激励的输入输出数据即可获得，其中前件变量的隶属度由G-K算法获得，后件变量的参数由最小二乘法获得。作为优选，所述步骤B的模糊单点模型的前件变量采用分片三角隶属度函数，其划分要多于模糊聚类模型，后件的单点参数由最小二乘法获得，从而使模糊单点模型和模糊聚类模型等价。作为优选，所述步骤C多次迭代后容易造成误差累积，实际应用中需采用内模控制结构，增加反馈控制。作为优选，所述前向通道的时延是固定时延或者是随机时延。作为优选，取一个最大的允许时延，如果某个控制序列超过了该最大的允许时延，则可用该最大的允许时延下的控制序列进行计算。(三)有益效果从上述技术方案可以看出，本专利技术具有以下有益效果：1、利用本专利技术，采用模糊聚类的方法建模，可以适用于过程机理不清的场合，只要能提供充分激励的过程输入输出数据，就可以通过模糊建模的方式来获得预测模型。2、利用本专利技术，模糊单点模型本质上是一个非线性的模型，因而本专利技术的方法可以应用于可逆非线性系统的网络化控制中。3、利用本专利技术，在模糊单点模型的逆不存在时，可通过重新分割论域使其分段单调的方式获得逆模型，因而具有更广的应用前景。4、利用本专利技术，在过程端通过网络时延补偿器选择合适的控制序列作用于被控过程，可以补偿前向网络通道存在的时延。5、利用本专利技术，在控制器设计时，通过直接求取模糊单点模型的逆获得控制作用，具有程序简单，计算量小，便于工业应用。附图说明图1为本专利技术提供的一种基于模糊逆模型的网络化控制方法总体技术方案的实现流程图；图2为本专利技术提供的基于模糊逆模型的网络化控制方法控制结构示意图；图3为基于模糊逆模型的网络化控制方法的内模控制结构图；图4为具体实施例中模糊聚类建模获得的前件变量的隶属度函数图5为基于模糊逆模型的网络化控制方法与常规PID控制方法在前向网络通道存在10步随机时延的情况下控制效果对比图；具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。如图1、2、3所示，本专利技术提供一种基于模糊逆模型的网络化控制方法，该方法包括：A、根据被控过程的输入和输出，通过模糊聚类的建模方法获得系统的动态数学模型；B、将模糊聚类的数学模型转化成等价的模糊单点模型；C、根据过去的过程输出和过去的控制作用，以模糊单点模型为基础，通过迭代的方式可获得一系列未来的过程输出；D、判断模糊单点模型的逆系统是否存在，如存在则继续向下执行。如不存在，需要对模糊单点模型进行分割，返回到步骤B；E、根据给定值和未来的过程输出，通过求解模糊单点模型的逆系统，可得到一系列未来的控制作用；F、将这些控制作用打包通过网络由控制器端发送到过程端，在过程端通过网络时延补偿器选择合适的控制序列作用于被控过程以补偿前向网络通道的时延；G、在下一个执行周期，重复执行步骤E和F。作为优选，所述步骤A中的预测模型只需根据系统充分激励的输入输出数据即可获得，其中前件变量的隶属度由G-K算法获得，后件变量的参数由最小二乘法获得。作为优选，所述步骤B的模糊单点模型的前件变量采用分片三角隶属度函数，其划分要多于模糊聚类模型，后件的单点参数由最小二乘法获得，从而使模糊单点模型和模糊聚类模型等价。作为优选，所述步骤C多次迭代后容易造成误差累积，实际应用中需采用内模控制结构，增加反馈控制。作为优选，所述前向通道的时延是固定时延或者是随机时延。作为优选，取一个最大的允许时延，如果某个控制序列超过了该最大的允许时延，则可用该最大的允许时延下的控制序列进行计算。所述步骤A，假设数据集Z包含被控过程的输入输出数据，y(k),y(k-1),…,y(k-ny+1)为系统的输出，u(k),u(k-1),…,u(k-nu+1)为系统的输入，为输出的模糊集，为输入的模糊集，则被控过程可以用T-S模糊结构模型表示：Ri:如果y(k)属于Ai1且y(k-1)属于Ai2且…且y(k-ny+1)属于且u(k)属于Bi1且u(k-1)属于Bi2且…且u(k-nu+1)属于那么根据系统的输入和输出，采用模糊聚类建模技术建立被控过程的数学模型，包括：选择c个聚类，1＜c＜N(N为整数)，模糊化参数m＞1，收敛准则ε＞0，随机初始化分割矩阵。令l＝1,2,…，按以下步骤计算：S1)计算模糊聚类中心其中，v为模糊聚类中心，μ为隶属度函数，z为模糊化矩阵的观测值，k为整数，表示第i个模糊聚类中的第k个模糊子集，其他符号如前所示。S2)计算模糊聚类方差矩阵F其中，T代表矩阵或向量的转置，其他符号如前所示。S3)计算距离D的范数其中，Ai为第i个聚类的范数矩阵，ρi为其约束值，det表示求解矩阵行列式的值，n为整数，其他符号如前所示。S4)更新分割矩阵如果对于1≤i≤c,1≤k≤N,则其他：如果和且重复上述步骤直到|U(l)-U(l-1)||＜ε，其中U代表隶属度函数矩阵,ε是收敛准则，其他符号如前所示。S5)用最小二乘方法辨识后件本文档来自技高网...

【技术保护点】
1.一种基于逆模型的网络化控制方法，其特征在于，该方法包括：A、根据被控过程的输入和输出，通过模糊聚类的建模方法获得系统的动态数学模型；B、将模糊聚类的数学模型转化成等价的模糊单点模型；C、根据过去的过程输出和过去的控制作用，以模糊单点模型为基础，通过迭代的方式可获得一系列未来的过程输出；D、判断模糊单点模型的逆系统是否存在，如存在则继续向下执行。如不存在，需要对模糊单点模型进行分割，返回到步骤B；E、根据给定值和未来的过程输出，通过求解模糊单点模型的逆系统，可得到一系列未来的控制作用；F、将这些控制作用打包通过网络由控制器端发送到过程端，在过程端通过网络时延补偿器选择合适的控制序列作用于被控过程以补偿前向网络通道的时延；G、在下一个执行周期，重复执行步骤E和F。

【技术特征摘要】
1.一种基于逆模型的网络化控制方法，其特征在于，该方法包括：A、根据被控过程的输入和输出，通过模糊聚类的建模方法获得系统的动态数学模型；B、将模糊聚类的数学模型转化成等价的模糊单点模型；C、根据过去的过程输出和过去的控制作用，以模糊单点模型为基础，通过迭代的方式可获得一系列未来的过程输出；D、判断模糊单点模型的逆系统是否存在，如存在则继续向下执行。如不存在，需要对模糊单点模型进行分割，返回到步骤B；E、根据给定值和未来的过程输出，通过求解模糊单点模型的逆系统，可得到一系列未来的控制作用；F、将这些控制作用打包通过网络由控制器端发送到过程端，在过程端通过网络时延补偿器选择合适的控制序列作用于被控过程以补偿前向网络通道的时延；G、在下一个执行周期，重复执行步骤E和F。2.根据权利要求1所述的方法，其特征在于，所述步骤A，假设数据集Z包含被控过程的输入输出数据，y(k),y(k-1),…,y(k-ny+1)为系统的输出，u(k),u(k-1),…,u(k-nu+1)为系统的输入，为输出的模糊集，为输入的模糊集，则被控过程可以用T-S模糊结构模型表示：Ri:如果y(k)属于Ai1且y(k-1)属于Ai2且…且y(k-ny+1)属于且u(k)属于Bi1且u(k-1)属于Bi2且…且u(k-nu+1)属于那么根据系统的输入和输出，采用模糊聚类建模技术建立被控过程的数学模型，包括：选择c个聚类，1＜c＜N(N为整数)，模糊化参数m＞1，收敛准则ε>0，随机初始化分割矩阵，令l＝1,2,…，按以下步骤计算：S1)计算模糊聚类中心其中，v为模糊聚类中心，μ为隶属度函数，z为模糊化矩阵的观测值，k为整数，表示第i个模糊聚类中的第k个模糊子集，S2)、计算模糊聚类方差矩阵F其中，T代表矩阵或向量的转置，其他符号...

【专利技术属性】
技术研发人员：佟世文，闫晓宇，李媛，程光，方建军，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11