一种基于错序认知的网络控制系统集成控制器设计方法技术方案

一种基于错序认知的网络控制系统集成控制器设计方法，涉及网络控制系统控制器设计技术，包括以下步骤：基于实时统计分析的错序认知方法；基于错序认知的采样率自适应算法；采样率和被控对象联合控制的控制器设计；面向网络的闭环网络控制系统建模；面向网络的控制系统稳定性分析与性能优化。本发明专利技术以错序认知为基本依据、以集成控制为基本模式、以设计控制律自适应控制采样周期和被控对象为基本手段，以获得集成控制器设计关键技术为目标，不仅为解决网络控制系统的错序问题提供新的控制方法，为网络和控制一体化设计提供技术支持，而且对于实现高可靠、硬实时网络通信，提高应用系统性能，降低能耗，具有重要的实际意义。

【技术实现步骤摘要】

本专利技术涉及网络控制系统控制器设计技术，特别是涉及。
技术介绍
网络控制系统能实现信息资源共享，远程操作，并具有操作简便、易于安装和维护、低费用等优点，迎合了工业、医疗和交通等领域实现低成本、节能、高效和智能化发展的迫切需要，被迅速应用到复杂的工业控制、远程医疗、智能交通等领域。网络控制系统以其深远的学术价值和广泛的应用前景，已经引起国内外学者的极度关注，成为国内外控制界研究的热点。控制系统网络化应用领域的特点对可靠性、实时性和节能性等通信质量提出了更加严格的要求。可靠性方面，应用领域现场环境的复杂性，噪声、干扰存在的不可避免性，使得利用稀缺的信道资源实现可靠通信成为急需解决的难题；实时性方面，应用领域对实时性的要求非常严格，微小的延迟都会造成重大事故。具有硬实时保证的通信是控制系统网络化应用的基本要求；节能性方面，低能耗是保证设备长期运行、降低维护成本的关键，也是控制系统网络化应用的又一要求，特别是对电源更换困难的设备而言。网络的介入，不可避免地存在数据包错序现象，数据包错序已经是现代工业、远程医疗、商业等领域网络化应用中一个普遍存在的客观现象。数据包错序是指数据包提前或迟于到达接收端，也有部分文献仅将迟于到达接收端的数据包作为错序包。网络控制系统作为一个包括网络与控制的整体，其性能既包括网络性能又包括控制性能。错序影响网络性能(带宽、传输率、吞吐量和时延等)和控制性能(超调量、稳态误差、相位裕度和跟踪误差等)。为满足应用领域现代化、网络化、智能化高速发展的需求，大量的信息流和高度的链路平行性，尤其是无线自组织网络(Ad Hoc)的应用，使错序呈现日益严重的趋势。鉴于错序对网络控制系统整体性能的影响，为保证可靠、实时的网络通信，降低能耗，获得较高的控制性能指标，网络控制系统有必要采用先进的控制技术，消除错序对系统性能的影响。而目前，能够同时满足上述可靠性、实时性以及节能性三方面要求的基于错序认知的网络控制系统集成控制器设计方法，尚未见报道。
技术实现思路
本专利技术的目的在于提供， 即，提供一种可靠、实时、灵活、节能的、基于错序认知的网络控制系统集成控制器设计方法。本专利技术的目的是通过以下技术方案实现的，该方法包括基于实时统计分析的错序认知方法；基于错序认知的采样率自适应算法；采样率和被控对象联合控制的控制器设计； 面向网络的闭环网络控制系统建模； 面向网络的控制系统稳定性分析与性能优化；其集成控制器包括三个模块认知模块，实现错序感知、识别和分析；计算模块，计算错序度量值，设计采样率自适应算法，计算联合控制采样率和被控对象的控制行为；监管模块，监督系统性能指标变化，调整控制器參数；其错序认知过程包括错序感知、错序分析和错序决策；其采样率自适应算法以错序认知为基本依据，根据采样率与错序熵统计信息之间的复杂耦合关系，构建采样率状态方程。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其所述的错序感知，通过采用数据包的期望到达序列数与接收索引(接收端分配)比较法实现错序的实时感知和识别；错序分析，基于熵的统计学意义，估计最大时延界 D1，确定错序阈值’，采用直方图方法计算错序密度，获得错序熵み=(-的统计规律，其中，BDW表示偏移值为^的数据包的错序密度]カ非负整数，表示错序阈值；错序决策基于错序熵，采用迭代算法，建立采样周期的状态方程。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其所述的基于错序认知的采样率自适应算法具体步骤如下基于错序熵越接近0越有序，越大越无序的原理及其统计规律，应用回归分析方法，研究采样率与错序熵之间的复杂关系；根据采样率关于错序熵的拟合曲线，选用适当步长和限制调控量因子； 基于,采用迭代算法，建立采样周期的状态方程，其中，‘(ft=0,l,L)表示第λ次采样时刻，EM表示时刻的错序熵。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其考虑克服网络不利因素(错序、时延和丢包)的自身控制器设计的同时，实现采样率和被控对象一体化控制。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其采用抛弃晚到包策略，基于泰勒级数展开公式，处理时变采样周期，建模系统为具有多面体不确定项的离散系统；综合上述系统与采样周期状态方程，构建增广系统模型；设计反馈控制输入，令其中，Uif(A)为被控对象控制序列，み(勾为采样周期控制序列。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其网络的闭环网络控制系统建模方法为针对网络传输时延和数据包丢失有界的网络，基于抛弃晚到包策略，根据数据包的偏移值，建立最新信号与偏移值之间的映射关系，获得执行最新信号的控制输入序列；由干，基于错序熵的统计信息，采用区间W + 1)]有限划分和凸组合方法，构建具有多面体不确定项的闭环切換系统模型。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其面向网络的控制系统稳定性分析与性能优化研究中，设计部分模型依赖自适应控制器，克服固定控制器參数具有的保守性，以及完全依赖模型自适应调整控制器參数的计算复杂性和増加的网络负载。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其设计应用系统性能和能量消耗权值比重，构建关于上述两种性能指标的具有权值的多目标效用函数；采用分段Lyapimov函数，利用平均处理时间技木、S-程序和线性矩阵不等式技木，研究系统的稳定性和性能优化，获得控制器设计方案。所述的ー种基于错序认知的网络控制系统集成控制器设计方法，其选用调节因子，构建部分模型依赖自适应控制器权利要求1.，其特征在于，该方法包括 基于实时统计分析的错序认知方法；基于错序认知的采样率自适应算法； 采样率和被控对象联合控制的控制器设计； 面向网络的闭环网络控制系统建模； 面向网络的控制系统稳定性分析与性能优化；其集成控制器包括三个模块认知模块，实现错序感知、识别和分析；计算模块，计算错序度量值，设计采样率自适应算法，计算联合控制采样率和被控对象的控制行为；监管模块，监督系统性能指标变化，调整控制器参数；其错序认知过程包括错序感知、错序分析和错序决策；其采样率自适应算法以错序认知为基本依据，根据采样率与错序熵统计信息之间的复杂耦合关系，构建采样率状态方程。2.根据权利要求1所述的，其特征在于，所述的错序感知，通过采用数据包的期望到达序列数与接收索引(接收端分配)比较法实现错序的实时感知和识别；错序分析，基于熵的统计学意义，估计最大时延界战，确定错序阈值T，采用直方图方法计算错序密度，获得错序熵3.根据权利要求1所述的，其特征在于，所述的基于错序认知的采样率自适应算法具体步骤如下基于错序熵越接近0越有序，越大越无序的原理及其统计规律，应用回归分析方法，研究采样率与错序熵之间的复杂关系；根据采样率关于错序熵的拟合曲线，选用适当步长和限制调控量因子；基于思⑷^),采用迭代算法，建立采样周期的状态方程，其中，4.根据权利要求1所述的，其特征在于，考虑克服网络不利因素(错序、时延和丢包)的自身控制器设计的同时，实现采样率和被控对象一体化控制。5.根据权利要求1所述的，其特征在于，采用抛弃晚到包策略，基于泰勒级数展开公式，处理时变采样周期，建模系统为具有多面体不确定项的离散系统；综合上述系统与采样周期状本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：李金娜，袁德成，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：