一种时变信号的网络化跟踪控制方法
【技术领域】
[0001] 本发明综合利用信息、控制和网络技术，提出一种时变信号的网络化跟踪控制方 法，属自动化控制领域。
【背景技术】
[0002] 跟踪控制要求通过控制器的设计，使被控过程的输出在允许的误差范围内能及时 跟上时变给定信号的变化，既要"跟得准"，又要"跟得上"。在网络化的控制系统中，由于网 络共享介质的特征，不可避免的会存在时延，运更加剧了跟踪控制的难度。如果在控制算法 中没考虑网络中的时延，而直接将控制作用施加于被控对象，势必会造成控制品质下降，甚 至无法完成控制任务。
[0003] 针对网络环境下时变信号跟踪控制问题，传统的控制方法多是被动式的、W牺牲 部分控制质量为代价，让控制器对影响控制性能的因素不敏感;多是战术上的方法，主要考 虑控制算法的具体设计，缺乏全局、战略上的分析;多是局部的应用，适用范围较小，无法适 用不确定、非线性等系统；多是基于模型的设计，如果没有被控对象的数学模型，则无法进 行控制器的设计。
[0004] 因此，如何解决网络的时延特征和输出跟踪控制的及时性的矛盾，实现网络化输 出跟踪控制;如何获得未来的控制作用，在复杂网络环境下实现非线性系统的控制，都是急 需解决的关键科学问题。本发明充分利用"预测"的思想，从人类的自然语言出发，采用"超 前预测"，"全局优化与局部近似"，不变应万变"，"反馈校正"和"主动补偿"五大战略，提 出了一种时变信号的网络化跟踪控制方法。
【发明内容】
[0005] 针对上述现有技术存在的问题，本发明的主要目的在于提供一种时变信号的网络 化跟踪控制方法。简言之，就是在超前预测变结构控制的方案下，使系统具有主动补偿网络 延时的特性，能克服网络中存在的不确定性，更能适应非线性系统的网络化跟踪控制。
[0006] 为达到上述目的，本发明的技术方案采用W下步骤实现：
[0007] 1)根据被控过程的输入输出数据，采用模糊聚类的方法离线获得被控对象的数学 模型；
[0008] 2)根据离线获得的数学模型采用迭代的方法获得被控对象的预测输出，用被控过 程输出和模型计算输出的偏差来在线校正预测模型；
[0009] 3)将未来的给定值与预测的模型输出的偏差及偏差的变化作为状态变量，构造切 换函数。
[0010] 4)将切换函数及切换函数的变化量作为二维模糊控制器的输入，通过模糊控制规 律的设计获得一系列未来的滑模控制作用；
[0011] 5)将运些未来的滑模控制作用"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控制序列作用于被控过程W补偿网络中的时延；
[0012] 6)在下一个周期，重复执行步骤2)-步骤5)。
[0013] 进一步，所述步骤1)中的数学模型采用模糊聚类的方法获得，是一步预测模型，由 于模糊聚类建模适用于非线性和不确定系统，因此该方法即适用于线性系统也适用于非线 性系统，即适用于简单系统，也适用于机理不清的复杂系统。
[0014] 进一步，所述步骤2)的预测输出是一系列未来输出，是由一步预测模型递推得到， 随着预测步数的增加，预测精度会有所降低，解决的办法是采用反馈校正的思想，用被控过 程输出和模型计算输出的偏差来在线校正预测模型。
[0015] 进一步，所述步骤3)通过切换函数的设计，将对偏差的跟踪转换成对W偏差和偏 差的变化信息的线性组合而构成的滑模函数的跟踪。
[0016] 进一步，所述步骤4)需要在当前时刻根据含有未来的偏差和偏差变化信息的滑模 函数来获得未来的控制作用，解决的思路是采用逆向思维，通过分析使系统稳定的滑模函 数的运动规律而间接获得。
[0017] 进一步，所述步骤5)中的时延信息的获得，是通过为每个传输的数据包设置时间 戳，通过当前时间和历史记录的时间相减获得。
[0018] 所述步骤1)是用模糊聚类的方法获得如下形式的模型：
[0020] 其中y为输出，U为输入，X为状态，M为前件变量的隶属度函数，叫为后件变量的隶 属度函数，a，b为系数，C为聚类个数，k为采样时刻，W为输入U的延时。
[0021] 所述步骤2)用迭代的方法计算未来的过程输出，是指将上一步的计算值代入y化） 中，依次得到y化+1)，…，y化+N)。所述步骤2)中的在线校正是指用实际测量值与模型的计 算输出的偏差加权值作为校正量，叠加到模型的计算输出。
[0022] 所述步骤3)切换函数S的构造是用未来的给定值与预测的模型输出的偏差e及偏 差的变化de作为状态变量，即S化）=ceP化)+deP化）=CX化）。
[0023] 所述步骤4)设模糊控制器的输入是S巧,^，它们分别是S化)和ds化）=s化)-S化-1) 的模糊化变量，模糊控制器的输出A U是控制的变化量A U的模糊化变量。定义S和i为和A U的语言变量为
[0024] s = {NB，NM，NS，ZO，PS，PM，PB}
[0025] 5 = {NB，NM，NS，ZO，PS，PM，PBj
[0026] AU={NB，NM，NS，ZO，PS，PM，PB}
[0027] 采用的模糊规则形式为：If S is A and iis B,thenAU is C。
[002引则可根据稳定性条件沾<0建立如表1所示的模糊控制规则。
[0029] 表1模糊滑模控制规则表
[0030]
[0031] 再用重屯、法解模糊即可得到一系列未来的控制作用(u化），u化+1)，…，U化+Nu))。
[0032] 所述步骤5)中的时延补偿是通过对数据包设置时间戳，通过与当前时间进行比较 可得到延时步数，进而可在由控制器端传到过程端的最新的控制作用序列中选择一个控制 作用补偿网络中的时延。
[0033] 有益效果
[0034] 从上述技术方案看出，本发明具有W下有益效果：
[0035] 1、利用本发明，采用模糊聚类的方法进行离线建模。由于建模过程的输入只有被 控过程的输入-输出数据，无需额外的信息。因而是一种基于数据的方法。因而除了能胜任 一般线性系统W外，更能胜任一些机理不清、非线性、时变等不易建模的复杂过程。因而适 用范围更广。
[0036] 2、本发明的建模过程，是用一系列的局部子模型来代替全局模型，通过隶属度函 数的定义在运些子模型之间平滑切换。逼近任何一个光滑的非线性系统。因而把复杂系统 的控制器设计问题转化成多个简单的局部子模型的控制器设计。
[0037] 3、本发明控制作用的产生过程是根据未来的给定值和未来的过程值之间的偏差 及偏差变化信息，通过控制器的设计来产生未来的控制作用。所采用的方法是将偏差及偏 差的变化信息转化成某个滑模函数信息，通过控制作用的切换设计始终保证系统运动无限 趋近并稳定到滑模面上。根据稳定性的理论，在多变的系统中找到某种看似不变的控制规 律，做到不变应万变"。从而适用各种线性和非线性系统的控制。运种控制规律采用模糊 推理的方式获得，从本质上来说仍然是一种基于数据的设计方法。
[0038] 4、本发明采用的时延补偿方式是一种主动补偿方式。与被动补偿方式相比具有天 然的优势，因为被动补偿方式不管怎么先进，都是一种事后的方法，总是不及时。
[0039] 5、跟踪控制要求被控过程输出能及时跟上时变给定信号的变化，而网络环境的时 延特性加剧了跟踪控制的难度;加上一些机理不清的被控过程，很难设计有效的跟踪控制 器。而采用本发明的基于数据的建模和超前预测变结构控制的设计方法能很好的解决运一 难题。
【附图说明】：
[0040]图1为网络环境下时变信号跟踪控制的总体解决框架。
[0041 ]图2为一种时变信号网络化跟踪控制方法的具体设计思路。
【具体实施方式】：
[0042] 为使本发明的目的、技术方案和优点更加清楚明白，下面W-个一阶离散NARX系 统为例详细阐述本发明的实施方式。
[0043] -种时变信号的网络化跟踪控制方法，该方法包括W下实施步骤：
[0044] 假设被控过程用一阶离散NARX模型表示：
[004引 y(k)=f(y(k-l)，u化））
[0046] 其中k为采样时间。f为未知函数，U为输入，y为输出。用T-S模糊模型近似
[0047] Ri：If y(k-l)is Ai and u(k)is Bi
[004引 then y(k)=aiy(k-l)+biU化），i = l,2,...,c
[0049] 其中，前件模糊集Al，Bi，i = I，2，…，C由模糊聚类算法获得，后件参数ai，bi根据被 控过程的输入输出数据(U化），y化)）采用最小二乘的方法获得。
[0050] 1、模糊聚类建模
[0051] 对被控对象施加激励信号，一般采用多个正弦信号加上小幅度变化的白噪声作为 激励信号，采集数据进行模糊聚类系统的辨识。
[0052] 根据被控过程历史输入输出数据，用有限个聚类将系统表示成几个"子模型"，通 过隶属度函数的定义，各个"子模型"之间平滑