一种数据驱动的网络控制系统时延主动补偿控制方法技术方案

本发明专利技术涉及网络控制技术领域，公开了一种数据驱动的网络控制系统时延主动补偿控制方法，从数据角度出发，通过系统输入输出数据计算系统输入输出误差序列，构造闭环子空间从而计算闭环子空间矩阵，克服了开环子空间方法的有偏性；通过构造预测模型，设计闭环子空间预测控制算法及补偿结构，主动补偿网络时延的影响；同时考虑系统实时性，采用一种简便的递推计算式更新参数矩阵以替代复杂的矩阵分解算法，从而减小最优多步控制量的在线递推计算量，减小了计算复杂度，提高了系统的实时性。

A data-driven active time delay compensation control method for networked control systems

【技术实现步骤摘要】
一种数据驱动的网络控制系统时延主动补偿控制方法
本专利技术涉及网络控制
，具体涉及一种数据驱动的网络控制系统时延主动补偿控制方法。
技术介绍
当前，云控制系统(Cloudcontrolsystem，CCS)的研究和应用还存在许多挑战。将工业云接入生产过程，这对于网络时延、性能以及计算力都提出了非常高的要求。云控制系统是网络控制系统(Networkedcontrolsystem，NCS)的进一步扩展。因此，对NCS时延、错序、性能及稳定性的研究是云控制系统的基础理论，也是构建工业云平台的核心，具有非常重要的现实意义。由于实际生产过程是复杂多变的，通过网络连接的控制系统往往无法建模。随着通信技术、物联网技术的发展，能够获取并存储系统在运行过程中产生的海量数据。从数据角度出发，利用各种智能算法实现系统自主控制，将是这一研究领域的趋势。子空间方法也是一种基于数据的方法，也在各行业实际系统中得到了应用，并取得了良好的效果。子空间方法理论得到了很大发展和应用，但在一些基本问题上还没有形成较系统和完备的理论，比如系统稳定性以及估计误差的收敛性问题。目前，子空间方法已经应用到网络控制系统中以辨识系统矩阵，但现有方法假设系统输入与噪声不相关，导致了估计的偏差性，从而使控制器不能满足系统性能要求。
技术实现思路
基于以上问题，本专利技术提供一种数据驱动的网络控制系统时延主动补偿控制方法，从数据角度出发，通过输入输出数据计算系统输入输出误差序列，构造闭环子空间从而计算闭环子空间矩阵，克服开环子空间方法的有偏性；通过构造预测模型，设计闭环子空间预测控制算法及补偿结构，主动补偿网络时延的影响，克服时延的影响；同时考虑系统实时性，采用一种简便的参数矩阵递推更新方法替代复杂的矩阵分解算法，从而减小最优多步控制量的在线递推计算量，减小了计算复杂度，提高了系统的实时性。为解决以上技术问题，本专利技术提供了一种数据驱动的网络控制系统时延主动补偿控制方法，包括如下步骤：S1、获取控制系统输入数据和输出数据，在云服务器中将输入输出数据转换成Hankel矩阵形式；S2、分析系统输入与噪声之间的相关性，计算输入输出误差序列，构造闭环系统的扩展子空间，利用子空间方法，根据输入输出数据辨识系统矩阵；S3、根据系统矩阵建立控制系统的状态模型；S4、根据系统状态模型设计预测控制算法，设立目标性能函数，计算最优多步预测控制量序列，主动补偿网络时延影响；S5、根据输入输出数据对矩阵参数进行更新，滚动计算最优多步控制量序列，实现最优多步控制量的在线递推计算，减小计算量，提高系统实时性。进一步地，步骤S1中Hankel矩阵的建立方法为：考虑输入输出数据离散线性时不变状态空间信息形式：其中A、B、C为具有相应维数的常矩阵，K为卡尔曼滤波增益，e(k)为噪声序列；xk∈Rn为系统状态，系统输出为yk∈Rm，作用于被控对象的控制量uk∈Rl；对式(1)进行迭代可得如下的输入输出方程：其中Xp和Xf代表系统“过去”和“将来”的状态矩阵，Up、Uf、Yp、Yf、Ef为Hankel矩阵。进一步地，步骤S2中闭环系统的扩展子空间构造过程为：因数据传输存在时延现象，控制器的状态空间模型需考虑时延因素：式中τ为传输时延，v为白噪声输入，控制器输入即为系统输出y，控制器输出即为系统输入u，控制器状态向量为xc；考虑时延因素，将Bc，Dc参数改为受时延影响的变量形式，模型改写为用下列暂态形式替代式(1)和(3)的白噪声项e(k)、v(k)其中输入输出序列是k0至k时刻的有限维序列；u(k)、y(k)在W[k0k)上的投影分别用u(k)/W[k0k)和y(k)/W[k0k)表示；当(k-k0)→∞时，系统状态向量和控制器状态向量的kalman估计由下述投影计算：其值根据输入输出序列的更新通过下式进行更新：用分别表示由白噪声向量张成的Hilbert空间；则上式中W[k0k+1)可计算为表示直和运算；闭环系统因此可改写为：将式(5)中的用u(k)，的函数形式来表示，并代回到(4)式计算，令可得到定义则有当lim(k-k0)→∞时，limB(k)→B，limBc(k)→Bc，limDc(k)→Dc，limL(k)→L，从而定义则而将式(1)的等式两边对作正交投影可得到从(6)式可知，状态变化量与噪声和线性相关，即系统形成闭环后所引入的噪声与系统输入具有相关性；定义误差向量并构造如下的闭环子空间其中，若定义则有以下等式成立，设式(1)表示的系统为n阶系统，如果对于任意整数s>n，满足则为系统的状态空间，定义如下：由此，可通过闭环子空间方法对系统矩阵进行辨识；首先构造输入输出矩阵以及误差向量，根据式(7)构造扩展子空间，将Y[kk+s]沿子空间∑[kk+s]和分解成两部分之和上式第二项可表示为而式(9)的第一项可作为ΓNX[kk+s]的近似，即然后通过矩阵SVD分解可得到矩阵ΓN，最后分别计算出系统矩阵A，B，C；采用扩展子空间方法对系统矩阵{A，B，C}的估计为一致估计，由式(2)可知对上式进行斜投影根据扩展子空间∑[kk+s]的定义以及斜投影的性质，上式第二项为零，则若上式成立，当s→∞时，系统矩阵的估计值为一致估计，即进一步地，步骤S4中最优多步预测控制量序列的计算方法为：控制器根据反馈时延情况在线递推计算控制量序列，并发送至执行器；在式(1)中，令系统可表示为：k时刻控制器收到的数据[u(k)，y(k)]实际为k-τsc时刻传感器端发送的数据[u(k-τsc)，y(k-τsc)]；控制器根据数据包时间戳计算反馈时延τsc并进行补偿；若p+N-1个数据对[u(k)，y(k)]为已知，对系统表达式迭代展开可得到其中Yk＝[y(k-N+1)y(k-N+2)…y(k)]Ek＝[e(k-N+1)e(k-N+2)…e(k)]Xk-p＝[x(k-p-N+1)x(k-p-N+2)…x(k-p)]Zp称为过去输入输出数据矩阵；根据系统因果关系，在N足够大的条件下，对式(10)的最小二乘问题进行求解，可得到Ξ0的估计值上标表示穆尔-彭诺斯广义逆(Moore-Penrose)，式(11)的求解可通过矩阵LQ分解进行：假设预测长度为f，令在k时刻可预测未来f步系统输出[14]：其中假定参考信号序列为本文档来自技高网...

【技术保护点】
1.一种数据驱动的网络控制系统时延主动补偿控制方法，其特征在于，包括如下步骤：/nS1、获取控制系统输入数据和输出数据，在云服务器中将输入输出数据转换成Hankel矩阵形式；/nS2、分析系统输入与噪声之间的相关性，计算输入输出误差序列，构造闭环系统的扩展子空间，利用子空间方法，根据输入输出数据辨识系统矩阵；/nS3、根据系统矩阵建立控制系统的状态模型；/nS4、根据系统状态模型设计预测控制算法，设立目标性能函数，计算最优多步预测控制量序列，主动补偿网络时延影响；/nS5、根据输入输出数据对矩阵参数进行更新，滚动计算最优多步控制量序列，实现最优多步控制量的在线递推计算，减小计算量，提高系统实时性。/n

【技术特征摘要】
1.一种数据驱动的网络控制系统时延主动补偿控制方法，其特征在于，包括如下步骤：
S1、获取控制系统输入数据和输出数据，在云服务器中将输入输出数据转换成Hankel矩阵形式；
S2、分析系统输入与噪声之间的相关性，计算输入输出误差序列，构造闭环系统的扩展子空间，利用子空间方法，根据输入输出数据辨识系统矩阵；
S3、根据系统矩阵建立控制系统的状态模型；
S4、根据系统状态模型设计预测控制算法，设立目标性能函数，计算最优多步预测控制量序列，主动补偿网络时延影响；
S5、根据输入输出数据对矩阵参数进行更新，滚动计算最优多步控制量序列，实现最优多步控制量的在线递推计算，减小计算量，提高系统实时性。


2.根据权利要求1所述的一种数据驱动的网络控制系统时延主动补偿控制方法，其特征在于：步骤S1中Hankel矩阵的建立方法为：考虑输入输出数据离散线性时不变状态空间信息形式：



其中A、B、C为具有相应维数的常矩阵，K为卡尔曼滤波增益，e(k)为噪声序列；xk∈Rn为系统状态，系统输出为yk∈Rm，作用于被控对象的控制量uk∈Rl；
对式(1)进行迭代可得如下的输入输出方程：









其中Xp和Xf代表系统“过去”和“将来”的状态矩阵，Up、Uf、Yp、Yf、Ef为Hankel矩阵。


3.根据权利要求2所述的一种数据驱动的网络控制系统时延主动补偿控制方法，其特征在于，步骤S2中闭环系统的扩展子空间构造过程为：
因数据传输存在时延现象，控制器的状态空间模型需考虑时延因素：



式中τ为传输时延，v为白噪声输入，控制器输入即为系统输出y，控制器输出即为系统输入u，控制器状态向量为xc；考虑时延因素，将Bc，Dc参数改为受时延影响的变量形式，模型改写为



用下列暂态形式替代式(1)和(3)的白噪声项e(k)、v(k)






其中输入输出序列是k0至k时刻的有限维序列；u(k)、y(k)在W[k0k)上的投影分别用u(k)/W[k0k)和y(k)/W[k0k)表示；当(k-k0)→∞时，系统状态向量和控制器状态向量的kalman估计由下述投影计算：



其值根据输入输出序列的更新通过下式进行更新：






用分别表示由白噪声向量张成的Hilbert空间；则上式中W[k0k+1)可计算为表示直和运算；闭环系统因此可改写为：






将式(5)中的用u(k)，的函数形式来表示，并代回到(4)式计算，令可得到






定义

则有









当lim(k-k0)→∞时，limB(k)→B，limBc(k)→Bc，limDc(k)→Dc，limL(k)→L，从而定义
则而



将式(1)的等式两边对作正交投影可得到



从(6)式可知，状态变化量与噪声和线性相关，即系统形成闭环后所引入的噪声与系统输入具有相关性；定义误差向量并构造如下的闭环子空间：



其中，
若定义则有以下等式成立，
设式(1)表示的系统为n阶系统，如果对于任意整数s>n，满足则为系统的状态空间，定义如下：



由此，可通过闭环子空间方法对系统矩阵进行辨识；首先构造输入输出矩阵以及误差向量，根据式(7)构造扩展子空间，将Y[kk+s]沿子空间∑[kk+s]和分解成两部分之和



上式第二项可表示为



而式(9)的第一项可作为ΓNX[kk+s]的近似，即


<...

【专利技术属性】
技术研发人员：付伟，唐谦，
申请(专利权)人：重庆工业职业技术学院，
类型：发明
国别省市：重庆;50