切换，从而逼近任何一个非线性系统。基本思 想是把辨识数据分成组，每一组都表示了输入和输出之间的局部线性关系，即每个聚类定 义了一个模糊区，用一个子模型来局部近似，多个子模型近似表示我们的非线性系统。根据 运种聚类划分，提取出模糊规则、隶属度函数和模糊模型的其他参数。一组采用一条模糊规 贝1J，即模糊规则的数目等于组的数量。其中屯、问题是设定合理的聚类指标，根据该指标确定 的聚类中屯、来实现模糊输入空间的最优划分。
[0053] 1)模糊聚类
[0054] 考虑模糊C均值聚类方法，设一组数据向量Zk，l含k含N，将运一组数据划分为C个 模糊类，第k个数据属于第i个模糊类的隶属度函数用iiik表示，假设
[005引 X冷=l，(i- = 1，么.,.，AO '护I
[0056] 并且走义iiik(i二1,2, . . . ,c;k=l,2, . . . ,N)阵为U。
[0057] 那么目标函数就是：
[0059] 式中iiik/斤0,响;Vi为模糊组I的聚类中必，/?二(? - V, f A(Z* -V,). I < / < C，1之是這化 为第I个聚类中屯、与第k个数据点间的欧几里德距离，且me[l，w)是一个加权指数。
[0060] 构造如下新的目标函数，可求得使上式达到最小值的必要条件为：
[0062] 式中Mk=I, . . .，N),是I]伯=Uir = U,…,iV)的N个约束式的拉格朗日乘子。对 /:二 1 所有输入参量求导得出使乃^^^....，" = ￡/,=：1；|>:巧达到最小的必要条件： i 二.1 i 二-1- '片1
[0066] 模糊聚类算法描述如下：
[0067] 步骤1 :用值在0，1之间的随机数初始化隶属度矩阵U，使其满足 Ix =1，化= 1，2，...，N); i=l.
[006引步骤2:用
计算C个聚类中屯、Ci，i = l，2，...，c;
[0069] 步骤3:根据式
计算价值函数。如果它小于 某个确定的阔值，或它相对上次价值函数值的改变量小于某个阔值（阔值在控制程序初始 化中设定），则算法停止；
[0070] 步骤4:用式
更新U阵。返回步骤2。
[0071] 2)计算前件变量的隶属度
[0072] 由前面的模糊聚类划分，得到局部子模型的聚类中屯、Cl。对于任何一个输入点Zj, 可由公式巧二(乙左-V,)7 A(z,: 么c，l么?计算数据点和聚类中屯、的欧几里 德距离。再应用公式
可求得前件变量的隶属度。
[007引3)估计后件参数
[0074]后件参数ai，bi的获得实际上是最小二乘Y = X . 0+C的估计问题，其中
[0076] 0 = [ai bi 日2 b2 …ac bc]T，其解为目= (xTx)-Vy。
[0077] 4)计算模型输出
[0079] 2、超前预测变结构控制器设计
[0080] 根据上一步的分析，采用逆向思维，通过分析期望的轨迹变化规律，用未来的偏差 和偏差的变化作为输入条件来获得未来的控制作用。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。设计各个"子模型"之间的切换平面， 确定切换函数，护;) = 0,使得控制作用^ / 存在，且满足 、 ; [Mf-(色*) S(V)CO S 0及可达性条件。
[0081 ]其控制器设计问题描述如下：
[008引设有一控制系统
[008引 8。二f(eP，化\t)，坛。G於，沪巨R"，化及
[0084]其中eP为未来的给定值与预测输出的偏差，即未来的偏差，uP为未来的控制作用。 设采样时间为T，则
[0086] 切换函数为
[0087] s(k)=ceP(k)+deP 化）=CX 化）
[008引 ds(k) =s(k)-s 化-1)
[0089] 其中 C=k，l]。
[0090] 采用二维模糊控制器，通过模糊控制规律直接设计滑模控制量U。设模糊控制器的 输入是S和,f，它们分别是S化)和ds化)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。
[0091] a)定义模糊集
[0092] PB =正大，PM =正中，PS =正小
[0093] NS =负小，NM =负中，NB =负大
[0094] b)根据模糊控制原理，定义S和左为模糊控制器的输入、输出为AU [009引 s = {NB，NM，NS，ZO，PS，PM，PB}
[0096] J = {N B, NM，N S, ZQ, PS，PM，P巧
[0097] AU={NB，NM，NS，ZO，PS，PM，PB}
[0098] 其论域为
[0099] 8 = (-3,-2,-1,0,+1,+2,+3}
[0100] 5 = {-3,-么-1，0, +1, + 2, + 3}
[0101] AU={-3,-2,-l,0,+l,+2,+3}
[0102] 上述模糊化变量均选择正态分布隶属函数。
[0103] C)确定模糊滑模控制器的模糊控制规则
[0104] 在力图满足不等式A;<0条件下设计U，所获得的控制规则如表1所示。使用的模糊规 则是：If S is A and .,吉 is B, then A U is C。
[0105] d)反模糊化:采用重屯、法将模糊输出精确化，公式如下：
[0107] 由一对未来的偏差和偏差的变化通过模糊推理就得到一个未来的控 制作用uP，运样就得到一系列未来的控制作用。
[0108] 3、时延主动补偿
[0109] 在时延的补偿机制中，为网络中传输的每个数据包设置一个时间戳，将当前时间 和数据包传输时间进行相减而得到延时时间，通过在过程端设置缓冲区，在最新的控制序 列中选择控制作用来补偿网络中的时延。每个执行周期中动态更新缓冲区的内容。简言之， 也就是将一系列未来的控制作用通过"包传输"方式由控制器端传到过程端，再在过程端根 据网络时延的大小从一系列未来的控制作用中选择控制作用施加到被控对象上来解决网 络中的时延问题。
【主权项】
1. 一种时变信号的网络化跟踪控制方法，其特征在于该方法包括以下步骤： 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； 1) 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； 2) 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； 3) 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； 4) 将这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以补偿网络中的时延； 5) 在下一个周期，重复执行步骤2)-步骤5)。2. 根据权利要求1所述的方法，其特征在于，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。3. 根据权利要求1所述的方法，其特征在于，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。4. 根据权利要求1所述的方法，其特征在于，所述步骤3)通过切换函数的设计，将对偏 差的跟踪转换成对以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。5. 根据权利要求1所述的方法，其特征在于，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，通过分析使系统稳定的滑模函 数的运动规律而间接获得。6. 根据权利要求1所述的方法，其特征在于，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。
【专利摘要】一种时变信号的网络化跟踪控制方法，属自动化控制领域。采用模糊聚类的方法离线获得被控对象的数学模型；根据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；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。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，通过模糊控制获得未来的滑模控制作用；将这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以补偿网络中的时延；在下一个执行周期，重复执行。本发明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。
【IPC分类】G05B13/04
【公开号】CN105527841
【申请号】CN201510907461
【发明人】佟世文, 方建军, 李雨珊, 王松
【申请人】北京联合大学
【公开日】2016年4月27日
【申请日】2015年12月10日