网络控制系统时延补偿与调度方法的研究

论文摘要

随着计算机、网络、通信技术和控制理论的发展,网络控制系统在工业控制领域得到越来越广泛的应用,由于闭环控制中引入了网络,不可避免地在控制系统中引起网络诱导时延、数据包丢失等问题,使得传统控制系统的研究方法难以直接应用于网络控制系统,迫切需要研究如何将现有的控制方法应用于网络控制系统中,以及探索研究新的基于网络的控制理论与方法。同时,受网络带宽资源有限的限制,如何采用合适的调度方法合理分配网络资源对提高网络利用率以及控制系统的性能也至关重要。因此,网络控制系统的性能不仅取决于控制策略的优劣,同时还依赖于网络中信息调度策略的优劣,两者是相关联的、缺一不可的。为此,本文主要进行了如下几方面的研究：对网络控制系统时延的组成与特性进行了分析,通过仿真讨论了时延对网络控制系统性能的影响,开发了一套时延测试软件,对大量的实测数据样本进行分析,同时对时延样本通过拉伊达准则与一维插值进行预处理,使得处理后的时延数据具有较好的可靠性。针对网络时延的不确定性,提出了针对小样本数据的基于EMD与LSSVM的网络控制系统时延预测方法与针对大样本数据的基于Lyapunov-Elman的时延预测方法,仿真实验表明两种时延预测方法具有较高的预测精度与预测效果,为时延补偿打下了良好的基础。广义预测控制算法具有自适应性、鲁棒性强的特点,并且有多步预测的功能,本文将针对传统广义预测控制需要求解丢番图方程和矩阵逆运算而降低了算法的运算速度,给出一种结合时延预测的快速隐式广义预测控制时延补偿方法,该方法避免了丢番图方程的求解和矩阵逆运算,提高了算法的运算速度,仿真表明该方法对时延具有很好的补偿效果；同时针对非线性被控对象,提出一种利用改进自由搜索算法（improved free search, IFS）优化的菲线性系统最小二乘支持向量机预测控制时延补偿方法,该方法使用最小二乘支持向量机（LSSVM）建立非线性系统模型并预测系统的输出值,通过输出反馈和偏差校正减少预测误差,由IFS优化算法滚动优化获得非线性系统的控制量。该方法对于非线性系统可以设计出有效的预测控制器。通过对单变量多变量非线性系统进行仿真,证明了该预测控制方法是有效的,且具有良好的自适应能力和鲁棒性。同时将该方法应用于具有随机时延的网络控制系统中,取得了良好的补偿效果。针对带宽受限的多回路网络控制系统提出一种模糊反馈优先级调度方法。首先利用二次型函数映射的动态权重调整策略对控制回路赋予不同的权重系数,继而考虑控制系统输出的误差和误差变化率,提出了改进的基于模糊反馈的优先级调度配置策略,设计了模糊反馈调度器,对各控制回路的优先级进行动态的调整。最后通过True Time工具箱建立了动态权重调整的多回路网络控制系统的模糊反馈优先级调度仿真模型,并将该方法同EDF与权重固定的模糊反馈优先级调度方法进行对比。仿真结果表明在相同的网络带宽占用的情况下,该方法具有更小的网络时延,且具有较好的性能。提出了一种改进的变采样周期策略。根据控制回路的输出误差,动态调整每个回路的权重值,同时利用最小二乘支持向量机算法预测数据传输时间,不断地改变系统的采样周期,优化网络控制系统的性能。仿真实验结果表明,该方法可以使网络利用率快速收敛到设定值。相对固定权重的变采样周期算法,该方法提高了控制回路的输出响应性能,降低控制回路的IAE。同时结合上述模糊反馈优先级配置策略,实现了基于变采样周期和模糊反馈优先级的调度方法,同时通过仿真验证了调度方法的有效性。从基于工业以太网的网络控制系统的整体延迟分析入手,研究了工业以太网时延,并确定交换式以太网作为主要研究对象。针对采用IEEE802.1p优先权调度的交换机内部排队延迟,提出了调度改进构想并给出了一种实现方案,构建了一个典型的树形拓扑交换式以太网模型,计算了调度方法改进前后周期性实时数据帧在各个传输环节的最大延迟,同时,推导了调度改进方案应满足的基本条件。最后,采用了网络演算技术和OPNET仿真两种方法,验证了IEEE802.1p优先权调度改进方案对减小交换式以太网延迟上界的可行性和有效性。通过网络演算和OPNET仿真的结果表明了对IEEE802.1p优先权调度的适当改进可以改善硬实时数据帧在交换式以太网中传输的实时性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 网络控制系统基本问题
• 1.2.1 网络诱导时延
• 1.2.2 单包传输与多包传输
• 1.2.3 数据包丢失
• 1.2.4 数据包时序错乱
• 1.2.5 网络调度
• 1.2.6 节点驱动方式
• 1.3 网络控制系统研究现状
• 1.3.1 网络控制系统时延补偿研究现状
• 1.3.2 网络控制系统调度方法研究现状
• 1.4 本文主要工作
• 第二章 网络控制系统时延特性分析
• 2.1 网络时延的组成和特性
• 2.1.1 网络时延的组成
• 2.1.2 网络时延特性分析
• 2.1.3 网络时延对控制系统性能的影响
• 2.2 网络时延测量
• 2.2.1 时延样本测量
• 2.2.2 时延样本处理
• 2.3 本章小结
• 第三章 网络控制系统时延预测方法研究
• 3.1 引言
• 3.2 基于EMD与LSSVM的网络控制系统时延预测方法
• 3.2.1 LSSVM算法
• 3.2.2 经验模式分解
• 3.2.3 基于EMD与LSSVM的时延预测模型
• 3.2.4 仿真分析
• 3.2.5 仿真小结
• 3.3 基于Lyapunov-Elman的网络控制系统时延预测方法
• 3.3.1 相空间重构
• 3.3.2 最大Lyapunov指数时延预测
• 3.3.3 Elman神经网络时延预测模型
• 3.3.4 Lyapunov-Elman网络时延预测模型
• 3.3.5 改进的自由搜索算法权值寻优
• 3.3.6 仿真分析
• 3.3.7 仿真小结
• 3.4 本章小结
• 第四章 网络控制系统时延补偿策略研究
• 4.1 引言
• 4.2 基于时延预测的快速隐式GPC时延补偿方法
• 4.2.1 预测模型
• 4.2.2 滚动优化
• 4.2.3 仿真分析
• 4.3 基于IFS优化的非线性系统LSSVM预测控制时延补偿方法
• 4.3.1 IFS优化的非线性系统LSSVM预测控制算法
• 4.3.2 IFS优化LSSVM预测控制的非线性系统时延补偿
• 4.4 本章小结
• 第五章 网络控制系统模糊反馈优先级调度
• 5.1 引言
• 5.2 系统结构
• 5.3 基于模糊反馈的优先级配置策略设计过程
• 5.3.1 动态权重补偿
• 5.3.2 模糊反馈调度算法
• 5.4 仿真分析
• 5.5 本章小结
• 第六章 基于变采样周期和模糊反馈优先级的调度方法
• 6.1 引言
• 6.2 改进的变采样周期调度方法
• 6.2.1 反馈调度器的设计
• 6.2.2 网络利用率预测
• 6.2.3 带宽分配策略
• 6.2.4 数据传输时间预测
• 6.2.5 采样周期的计算
• 6.2.6 仿真
• 6.3 基于变采样周期和模糊反馈优先级的调度
• 6.3.1 系统结构
• 6.3.2 仿真分析
• 6.4 本章小结
• 第七章 工业以太网网络控制系统调度方法研究
• 7.1 引言
• 7.2 IEE802.1p协议实时性研究
• 7.2.1 IEE802.1p协议简介
• 7.2.2 IEE802.1p协议实时性分析
• 7.2.3 IEEE802.1p协议改进
• 7.2.4 周期性实时数据延迟上界的计算
• 7.2.5 网络演算理论对交换式以太网最大时延研究
• 7.3 仿真分析
• 7.4 本章小结
• 第八章 结论与展望
• 参考文献
• 致谢
• 作者攻读博士学位期间发表论文及工作
• 个人简历