网络控制系统的建模与控制

网络控制系统的建模与控制

高谦[1]2008年在《具有时延和丢包的网络控制系统的分析与控制》文中研究说明随着控制任务和结构的日益复杂化、系统各部件之间共享和交换信息的急剧膨胀,以及计算机、通信、传感器和网络技术的发展与广泛应用,一种新型的分布式、智能化、网络化的控制系统应运而生——网络控制系统,它是利用专用或通用的通信网络连接构成闭环的控制系统。网络构成反馈通道,信息通过网络进行传输和交换,摆脱了传统点对点连接的束缚,打破了系统在空间位置上的限制,拓宽了控制活动的场所,降低了系统连接的复杂性、运行成本和维护费用。远程遥操作、遥医学、远程教学、无线网络机器人、某些兵器系统以及新兴的以现场总线及工业以太网为基础的控制系统均属于网络控制系统的范畴,此外,网络控制系统在航空航天领域以及复杂、危险的工业控制领域也具有广阔的应用前景。在网络控制系统带来诸多优点的同时,也给控制学科带来了新的挑战。网络控制系统中的各类信息以分时复用的方式共享有限的网络资源,网络中数据包的传输速率、数据包长度以及所采用的介质访问控制方式均影响着网络控制系统的性能。因此,网络的介入不可避免地在控制回路中引入了网络诱导时延、数据包丢失、数据包时序错乱等问题,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,迫切需要研究新的控制理论与方法。本论文首先对网络控制系统的研究现状进行了总结,并分别对网络控制系统中由于网络的介入而引发的一些基本问题:节点的驱动方式、数据采样、网络诱导时延、单包传输与多包传输、数据包的丢失及时序错乱和网络调度等问题进行了总结与阐述。对网络控制系统中普遍存在的网络诱导时延的特性进行了分析,阐述了网络控制系统中网络诱导时延的组成、产生的原因以及不同控制网络所具有的时延的特性。针对网络控制系统中叁种不同类型的时延——确定性时延、随机时延和时变时延,对闭环网络控制系统进行了建模。特别地,将随机时延和时变时延归入系统的不确定部分,从而将闭环网络控制系统建模为离散不确定系统。对网络控制系统中存在的数据包传输丢失的现象,分析其产生的原因和数据丢包的特性。针对网络控制系统中两种类型的数据包丢失过程——确定性丢包过程和随机丢包过程,对闭环网络控制系统进行了建模。将确定性丢包过程建模为以一定的速率闭合的开关,从而将闭环系统建模为受结构事件率约束的异步动态系统;考虑两种情况的随机丢包过程:一是任意丢包过程,另一个是Markove丢包过程,得到更具有普遍性的随机丢包网络控制系统模型。对于同时存在网络诱导时延和数据包丢失的网络控制系统进行了建模、稳定性分析和控制器的设计。对于存在确定性时延和确定性丢包过程的网络控制系统,分别建立了状态反馈和动态输出反馈控制下的闭环系统模型,给出了保持系统指数稳定的充分条件和控制器的设计;对于存在时变时延和确定性丢包过程的网络控制系统,将其建模为离散不确定系统,利用不确定性理论得到了保持系统稳定的充分条件和控制器的设计;建立含有时延(确定的和时变的)和随机丢包过程的网络控制系统的模型,并给出了保持系统渐进稳定的充分条件和控制器的设计,所得的结果具有更普遍的意义。对于对象状态不完全可测的网络控制系统,基于远程估计器估计系统的状态,构成状态反馈,建立了具有时延和数据包丢失的网络控制系统的模型。

樊卫华[2]2004年在《网络控制系统的建模与控制》文中认为本文研究了网络控制系统的建模与控制,主要内容如下: (1) 研究了短时延网络控制系统的模型描述,证明了传感器节点为时间驱动,控制器节点和执行器节点为事件驱动的不确定时延网络控制系统可等效为一类具有参数不确定性的线性离散系统;利用Lyapunov函数和线性矩阵不等式(LMIS)方法,给出了此类网络控制系统渐近稳定的充分条件以及控制器的设计方法,研究了此类网络控制系统的H_∞控制问题。 (2) 研究了多包传输网络控制系统(MNCS)的建模与控制。针对控制器节点和执行器节点为事件驱动,传感器节点为时间驱动且采用多包传输的网络控制系统,将传感器节点采用静态调度策略的MNCS建模为周期系统和不确定周期系统,将传感器节点采用动态调度策略的MNCS建模为切换系统;利用周期Lyapunov函数和LMIs方法,给出了周期网络控制系统和不确定周期网络控制系统的渐近稳定的充分条件以及控制器的设计方法,研究了周期和不确定周期网络控制系统的H_∞控制问题;利用共同Lyapunov函数和LMIs方法,给出了切换网络控制系统渐近稳定且满足给定H_∞性能指标的充分条件以及控制器的设计方法。 (3) 研究了短时延MIMO网络控制系统的控制问题。首先给出了传感器节点和控制器节点均为时间驱动的短时延MIMO网络控制系统的模型描述,将一个周期内未能成功传输数据的传感器看成暂时失效,针对网络诱导时延的影响,提出了利用状态观测器的预测功能削弱时延的影响,利用容错控制以及切换系统的理论,给出了MIMO网络控制系统渐近稳定的充分条件以及控制器和观测器的协同设计方法。 (4) 研究了长时延网络控制系统的建模问题。针对在网络未介入时,渐近稳定的闭环系统,利用Lyapunov函数和LMIs方法,给出了网络介入后,闭环系统渐近稳定的充分条件以及使得系统稳定的最大时延的求取方法;针对只具有控制时延的网络控制系统,假设传感器和执行器节点的时钟完全同步,利用接收缓存技术将时变控制时延转化为固定时延,给出了闭环系统渐近稳定的充分条件以及最优控制器的设计方法;在此基础上,针对传感器和执行器节点之间存在的时间差给系统引入的分数时延,利用第2章的有关结论,将此类网络控制系统建模为一类具有参数不确定性的系统,给出了闭环系统渐近稳定的充分条件以及最优控制器的设计方法;针对只具有时变输出时延的网络控制系统,本文引入具有时延补偿功能的观测器,利用切换系统的稳定性理论和LMIs方法,给出了观测器的设计方法;最后针对同时具有控制时延和输出时延的网络控制系统,利用缓存技术将时变的控制时延转化为固定时延,观测器补偿时变输出时延,基于分离原理,给出了观测器和控制器的设计方法。 (5)将同时存在时延和数据包丢失的网络控制系统建模为异步动态系统,针对无数据包丢失时稳定的网络控制系统,给出了数据包丢失率已知时,网络控制系统指数稳定的充分条件;研究了此类网络控制系统的控制器的设计方法;并针对数据包丢失率不确知的情形,给出了网络控制系统指数稳定的充分条件。关键词:网络控制系统,网络诱导时延,多包传输,数据包丢失, Lyapunov函数,线性矩阵不等式,切换系统

关虎昌[3]2014年在《多采样率网络控制系统的建模与稳定性分析》文中研究说明网络控制系统是通过网络形成的一种全分布、网络化实时反馈控制系统,它是计算机技术、网络通信技术与控制科学发展的产物,具有信息资源共享、系统成本低、使用灵活、易于维护等优点,在现代工业中已成功应用,并且取代了传统点对点的控制系统。未来的几十年中,网络化控制系统必将深刻地影响和推动控制理论及其应用。目前的研究中,仍然沿用传统计算机控制系统中关于采样器和保持器的基本假设,即系统输入通道和输出通道的保持器和采样器均按同一采样周期同步动作且系统的各个回路的采样和保持采用相同的采样周期。然而,网络控制系统规模比较庞大、复杂、各被控对象、检测装置分布于不同的地理位置且具有不同的物理特性,完成的控制任务也有本质差别,其实时信息的变化速率差异性很大,使得传统的采样控制理论已近不再适用于网络化系统,而解决这些问题最行之有效的方法就是考虑每一回路的基本特征,针对不同的被控对象、检测装置和控制任务,实施多采样率策略。目前关于多采样率网络控制系统的研究处于初始阶段,获得成果也比较少,本文针对网络控制系统采用多采样策略,对多采样率网络控制系统进行建模和稳定性分析。本文的主要工作如下:(1)针对输入多采样率网络控制系统,利用提升技术建立输入多采样率网络控制系统的模型,对建立的模型利用李雅普诺夫理论和线性矩阵不等式技术进行分析,并且得到系统稳定的充分条件,用MATLAB对得到结论进行验证,证明所得结论的正确性。(2)针对输出多采样率网络控制系统,利用被控对象的状态方程,推导输出通道采用多采样率的输出方程,为了全部利用输出多采样率的值,选取多率输出反馈,推导系统的闭环模型,对其模型利用李雅普诺夫理论和线性矩阵不等式方法进行分析,并得到系统稳定的充分条件。(3)输出和输入都采用多采样率,针对每一回路输出采样周期和输入采样周期相同,即一种特殊广义多采样率控制系统,建立特殊广义多采样率网络控制系统的模型,并对其模型利用李雅普诺夫理论和线性矩阵不等式方法进行分析,得到系统稳定的充分条件。(4)针对多输出多输入网络控制系统建立具有时延的模型和同时具有时延和丢包的模型,并把这两个建立的模型变换成统一模型,并对其进行稳定性分析,得到系统稳定的充分必要条件。

葛愿[4]2011年在《基于隐马尔可夫模型的网络化控制系统建模与控制》文中进行了进一步梳理网络化控制系统是一种通过实时通信网络进行数据交换的分布式反馈控制系统。与传统的点对点控制系统相比,网络化控制系统具有减少系统布线、易于系统扩展和维护、增强系统灵活性和可靠性等优点。然而,由于网络带宽是有限的,导致数据在网络传输过程中不可避免地存在网络诱导时延。而且,由于受到网络负荷、节点竞争、网络堵塞等诸多表征网络状态的随机因素的影响,网络时延往往呈现出随机变化的特征。网络时延是导致网络化控制系统性能下降甚至不稳定的主要原因,寻找有效的网络时延建模方法在网络化控制系统建模与控制研究中占有重要地位。在这一背景下,本论文从网络时延受控于网络状态这一时延产生机理出发,引入离散时间隐马尔可夫模型对网络时延进行建模研究,并在此基础上研究仅存在前向网络短时延的网络化控制系统的建模与控制问题。具体内容包含以下几个方面:1.建立网络时延的离散时间隐马尔可夫模型,并在此基础上实现对当前采样周期内前向网络时延的预测。首先,分别采用平均量化法和K-均值聚类量化法对网络时延进行量化处理。然后,用网络状态构成隐含的马尔可夫链过程,用时延量化序列构成可见的观察过程,建立网络时延的离散时间隐马尔可夫模型,并采用不完全数据期望最大化算法对离散时间隐马尔可夫模型进行训练,得到模型参数的最优估计。最后,利用Viterbi算法估计与时延序列相对应的网络状态序列,并与离散时间隐马尔可夫模型参数相结合预测出当前采样周期内的前向网络时延。在平均量化下选择时延所在子区间的中点作为时延预测值,而在K-均值聚类量化下选择时延所在类的聚类中心作为时延预测值。2.基于网络时延的离散时间隐马尔可夫模型设计网络化控制系统的状态反馈控制器,补偿了网络时延对系统性能的影响。首先,根据网络状态的马尔可夫特性将网络化控制系统建模成一个典型的离散时间马尔可夫跳变线性系统。然后,借助马尔可夫跳变线性系统的随机稳定性理论得到网络化控制系统随机稳定的充分条件,并在受控对象状态完全反馈的情况下利用该充分条件设计状态反馈控制器。进一步利用Schur补引理将状态反馈控制器的设计问题转换成线性矩阵不等式的求解问题。由于状态反馈控制器的设计过程考虑了当前采样周期内前向网络时延的预测值,所以直接补偿了时延对系统性能的影响。最后,通过仿真实验验证了所设状态反馈控制器的有效性。3.在给定性能指标下,基于网络时延的离散时间隐马尔可夫模型设计网络化控制系统的最优控制器,获得了比状态反馈控制器更好的时延补偿效果。首先,将当前采样周期的受控对象状态和前一采样周期的控制律合并定义成一个增广状态,从而将网络化控制系统建模成一个增广状态系统模型。然后,基于贝尔曼动态规划原理设计系统在给定性能指标下的最优控制器,并且研究系统在该控制器下的指数均方稳定性问题。由于最优控制器的设计过程考虑了当前采样周期内前向网络时延的预测值,所以直接补偿了时延对系统性能的影响,而且补偿效果优于状态反馈控制器。最后,通过仿真实验验证了所设最优控制器的有效性和优越性。4.利用TrueTime1.5工具箱为网络化控制系统设计Matlab/Simulink环境下的仿真平台:NCS-SP。使用TrueTime1.5中的Kernel模块设计NCS-SP中的传感器、控制器、执行器和干扰节点,使用TrueTime1.5中的Network模块设计控制器到执行器之间的网络,使用Simulink中的State-Space模块设计受控对象阻尼复摆。在NCS-SP上验证了本论文关于网络时延的建模和预测算法以及用来补偿时延对系统影响的系统建模与控制器设计方法,并且通过对比实验验证了K-均值聚类量化法相对于平均量化法的优越性以及最优控制器相对于状态反馈控制器的优越性。

丁士云[5]2013年在《网络控制系统的随机时延与丢包问题的研究》文中认为本文着重研究网络控制系统的随机时延与随机丢包问题。对存在随机时延的NCS,在建立系统模型的基础上分析了渐近稳定性;对于随机丢包问题,建立了单包传输系统和存在短时延与多包传输系统的数学模型,并分析了系统的指数稳定性。随机时延的分析上,在控制器端和执行器端分别设计了时延补偿器,利用归一化的加权平均法来估计时延大小,对Smith预估算法进行了改进,提出基于归一化加权平均改进的Smith预估补偿方案,并在rnatlab环境下做了仿真,证明了方案的可靠性,不仅对短时延系统有效,对长时延的系统也有较好的控制效果。针对NCS的丢包问题,本文建立了系统的数学模型,并且创新性的采用了遗忘因子法在控制器端和执行器端分别对随机丢包进行预测和补偿,然后从最优控制的理论上给出了证明,最后通过仿真验证了方法的可行性。本文还讨论了如何利用truetime进行NCS仿真;然后通过LON总线下的仿真分析了负载对NCS性能的影响以及通过仿真分析了采样周期对NCS的影响。

邱占芝[6]2005年在《广义网络控制系统分析、建模与控制》文中研究说明随着计算机、网络和通信技术的飞跃发展,智能化传感器、执行机构和驱动设备的诞生奠定了网络控制系统(NCS,Networked Control Systems)的物质基础,高速以太网和现场总线技术的不断发展和成功应用解决了NCS的可靠性和开放性问题,推动了NCS的广泛应用。NCS充分体现了控制系统网络化、集成化、分布化及节点智能化的发展趋势。然而,NCS不确定的数据传输会降低控制系统的性能甚至使系统失稳等问题亟待研究和解决。这篇博士论文针对两类控制对象:线性时不变正常被控对象和线性时不变广义(奇异)被控对象,考虑NCS中存在的网络诱导时延、数据包丢失和外部扰动等主要问题,以控制网络的服务质量为基础,围绕着NCS的性能指标,研究了NCS的建模、鲁棒镇定、H_∞最优控制、保性能最优控制、H_∞状态观测器设计等问题,主要研究成果如下: 1.针对线性时不变正常被控对象,当传感器时钟驱动、控制器和执行器事件驱动、不确定时延不超过一个采样周期情况下,利用Lyapunov方法和线性矩阵不等式描述,研究了动态输出反馈NCS的建模、鲁棒镇定、保性能最优控制和对于噪声扰动的H_∞最优控制问题以及对于不确定时延的H_∞状态观测器设计和基于状态观测器的NCS鲁棒稳定性问题。将动态输出反馈NCS建模为含有不确定性的离散时变系统。分别给出了动态输出反馈NCS鲁棒稳定的条件和鲁棒镇定律、保性能最优控制律和H_∞最优控制律设计方法;给出了H_∞状态观测器的设计方法和基于状态观测器的NCS鲁棒稳定的条件。 2.针对线性时不变正常被控对象,同时考虑网络诱导时延和数据包丢失以及传感器与控制器、控制器与执行器之间均存在网络的情况,研究了NCS的建模、指数稳定性和控制器设计等问题。将状态反馈和动态输出反馈NCS统一建模为由结构事件率约束的异步动态开关系统,给出了结构事件率和数据包丢失率之间的关系。基于建立的NCS统一模型,给出了系统指数稳定容许的数据包丢失率上界的关系以及系统指数稳定的数据包丢失率和开环系统结构的关系。分别给出了由数据包丢失率约束的状态反馈和动态输出反馈NCS指数稳定的条件和相应的控制律设计方法。 3.针对存在于实际系统中的一类正则、无脉冲的广义(奇异)被控对象,研究了叁类基于广义被控对象模型的NCS建模、稳定性分析与控制器设计等问题。(1)将传感器和

谢成祥[7]2009年在《网络控制系统的分析与控制研究》文中提出利用通讯网络实现地域上分布的现场传感器、控制器及执行器之间的信息相互交换,以实现实时反馈控制的控制系统被称为网络控制系统,近年来,这类新型的控制系统得到了广泛的关注。网络中的延时、丢包、通讯约束等问题使网络控制系统的分析和设计变得异常复杂。本文研究了网络控制系统的建模、分析与控制问题,主要内容如下:(1)研究了短时延网络控制系统模型描述,分析了现有建模方法的不足,提出一种新的方法,将传感器节点时间驱动,控制器节点和执行器节点事件驱动的不确定时延网络控制系统等效为一类具有参数不确定性的离散时间系统;利用Lyapunov稳定性理论和矩阵不等式方法,给出了状态反馈和输出反馈情况下闭环系统渐近稳定的充分条件和控制器的设计方法,保性能控制律存在的充分条件和保性能控制律的设计方法;利用鲁棒预测控制方法设计了状态反馈模型预测控制器。(2)研究了多包传输的短时延网络控制系统(MNCS)的建模与控制问题。在传感器数据多包传输的情况下,在控制器端利用对象的模型来估计不能得到的对象状态,并利用获得的对象状态信息更新模型的相应状态,建立了系统的状态方程。将传感器节点采用静态调度策略的MNCS建模为不确定离散周期系统,将传感器节点采用动态调度策略的MNCS建模为离散切换系统;利用周期系统理论和矩阵不等式方法,给出了不确定离散周期系统渐近稳定的充分条件和控制律的设计方法,研究了不确定离散周期系统的H_∞控制和保性能控制问题;利用共同的Lyapunov函数和矩阵不等式方法,给出了切换系统渐近稳定的充分条件和控制律的设计方法;研究了输出反馈多包传输网络控制系统,在控制器端引入状态观测器,分别利用周期系统理论和切换系统理论,给出了闭环系统渐近稳定的充分条件和观测器、控制器的设计方法。(3)研究了具有数据包丢失和长网络诱导时延的网络控制系统的分析和设计问题。针对网络具有输出时延和数据包丢失的网络控制系统,为补偿网络诱导时延和数据包丢失的影响,设计了一种状态预测器,给出了D-稳定的预测器和控制器的设计方法;针对具有控制时延和数据包丢失的网络控制系统,利用接收缓存技术将时变时延转化为固定时延,在此基础上给出了闭环系统渐近稳定的充分条件和控制器的设计方法;针对同时具有控制时延和输出时延以及数据包丢失的网络控制系统,结合状态预测器,将系统建模为具有事件率约束的异步动态系统,当事件发生率已知时,给出了网络控制系统指数稳定的充分条件和控制器的设计方法。(4)研究了具有数据丢包和网络诱导时延的网络控制系统的自适应预测控制问题。采用合理的排队机制来克服控制数据包丢失的影响;充分利用网络传输数据包的大小,并使执行器也具有数据发送功能,执行器和传感器在采样时刻发送一定长度的当前及过去时刻的过程输入和输出序列,控制器端则根据接收到的数据进行对象参数的辨识,利用辨识结果来预测截止到当前时刻的过程输出并进行控制量的计算,同时也研究了该方法在非线性NCS的自适应预测控制中的应用。

柏建军[8]2012年在《基于Zigbee技术的无线网络系统的建模与控制》文中研究说明网络控制系统是计算机技术、通讯技术和控制技术等发展与融合的产物,作为控制系统发展的新阶段,它体现了控制系统向网络化、集成化、智能化发展的趋势。网络控制系统由于其成本低、便于安装维护、信息共享、便于扩展等优点,在工业自动化、航空航天领域、智能家居系统、智能交通等方面得到了广泛的应用。无线网络作为有线网络的补充和延伸也得到了广泛的应用。然而,由于无线通讯网络被引入到控制系统中,许多新问题也随之而生,如:网络诱导时延、数据丢包、乱序等。传统的控制理论需要经过重新评估才能被应用到无线网络控制系统中。针对无线网络控制系统中存在的问题,本论文研究了一类基于Zigbee技术的无线网络控制系统的建模与控制问题。首先,为了更好地理解无线网络的传输特性,我们搭建了一个基于无线网络控制系统的实验平台。通过大量的实验,建立了无线网络在单跳和多跳拓扑结构下传输时延的泊松分布参数模型。并通过无线网络环境下的状态估计,验证了该模型的有效性。其次,针对于无线网络中同时存在数据时延和数据丢包的现象,讨论了无线网络控制系统的建模问题。提出了带有时变时延的切换系统的新的模型,并基于建立的模型,研究了使闭环系统镇定的控制器的设计和H∞控制问题。数值仿真验证了算法的有效性。最后,研究了当被控对象为不稳定对象时,使无线网络控制系统镇定的条件。通过引入增广状态的方法建立了整个闭环系统的切换模型。并采用异步动态系统理论,得到了依赖于数据时延和数据丢包的控制器的设计方法。数值仿真验证了算法的有效性。

于沙家[9]2016年在《基于模糊神经网络的热电厂脱硫系统建模与控制研究》文中研究指明热电厂中SO2的排放给环境造成很严重的危害,因此合理控制二氧化硫的排放,提高脱硫效率,成为热电厂中的重要问题。由于热电厂中脱硫过程具有多变量、非线性、不确定性以及延迟性等特点,这就导致其建模和控制会存在困难。为了提高脱硫系统中脱硫效率并合理控制脱硫过程,保证系统能平稳高效运行,所以对脱硫过程中的智能建模和智能控制方法进行研究将会具有重要的理论和实际意义。在石灰石/石膏湿法烟气脱硫系统中,浆液PH值对脱硫效率影响较大,因此本文从脱硫效率建模和浆液PH值控制两个方面进行分析与研究。由于在脱硫工程中影响脱硫效率的因素比较多,所以本文将T-S模糊神经网络引入到软测量建模中,进而对脱硫效率进行建模,通过仿真说明了该模型的有效性,通过数据分析表明了该模型具有良好的性能。在浆液PH值控制过程中,由于此过程具有惯性大、延迟性以及非线性的特点,所以本文选用了Mamdani模糊神经网络来建立控制器并用于浆液PH值控制中,并且在控制中为了进一步提高网络的寻优能力以达到更好的控制效果,又提出将DEBP算法的模糊神经网络用于脱硫系统PH值控制优化中,通过仿真表明了基于此算法的模糊神经网络在脱硫系统控制中更显其优势,本文对于模糊神经网络在工程上的应用具有一定的参考价值和工程意义。

邢江[10]2006年在《网络化控制系统的若干问题研究》文中研究表明随着网络技术的发展,网络化控制系统日益成为人们关注的课题,因而有必要清楚了解该领域的研究现状。首先概述了网络化控制系统的发展过程,在综述网络化控制系统研究现状的基础上,对网络化控制系统的建模、状态估计、信息时延、调度算法、通信约束等方面进行了深入分析,并对其中的建模、网络信息调度的最优化、网络环境下控制理论研究、应用研究等方面的未来发展作了展望.首先分析比较了控制网络与一般数据网络,介绍了常见的控制网络,并由此定性分析了网络化对控制系统的影响。最后概述了网络化控制系统中的时延的组成,并讨论影响时延的一些因素。针对网络化控制系统中的信息调度问题。分析比较了网络化控制系统的信息调度与实时系统的信息调度,因而对实时系统的信息调度算法作了分析总结。然后,分析了在最大允许网络延时情形下的NCS信息调度问题,并给出了一种信息调度算法。网络诱导时延在网络化控制系统中是不可避免的,而且会降低系统性能以及影响系统的稳定性。因而,针对网络诱导时延,提出了一种基于线性矩阵不等式的时滞相关优化方法。构建了在网络诱导时延情形下网络化控制系统的数学模型,继而分析设计了基于LMI的时滞相关控制器。仿真实验中采用了Matlab的LMI工具箱,并结合了一定的迭代策略,得出的结果表明该方法具备一定的优越性。针对网络化控制系统中的数据包丢失问题。将网络化控制系统的数据丢包分为单包传输数据包丢失和多包传输数据包丢失两种情形,由此建立了相应的数学模型。从切换控制的角度分析研究了NCS中由于数据包丢失而引发的稳定性问题,并用一个仿真示例说明了数据丢包对网络化控制系统的影响。

参考文献:

[1]. 具有时延和丢包的网络控制系统的分析与控制[D]. 高谦. 鲁东大学. 2008

[2]. 网络控制系统的建模与控制[D]. 樊卫华. 南京理工大学. 2004

[3]. 多采样率网络控制系统的建模与稳定性分析[D]. 关虎昌. 兰州理工大学. 2014

[4]. 基于隐马尔可夫模型的网络化控制系统建模与控制[D]. 葛愿. 中国科学技术大学. 2011

[5]. 网络控制系统的随机时延与丢包问题的研究[D]. 丁士云. 南京理工大学. 2013

[6]. 广义网络控制系统分析、建模与控制[D]. 邱占芝. 东北大学. 2005

[7]. 网络控制系统的分析与控制研究[D]. 谢成祥. 南京理工大学. 2009

[8]. 基于Zigbee技术的无线网络系统的建模与控制[D]. 柏建军. 浙江大学. 2012

[9]. 基于模糊神经网络的热电厂脱硫系统建模与控制研究[D]. 于沙家. 青岛科技大学. 2016

[10]. 网络化控制系统的若干问题研究[D]. 邢江. 华中科技大学. 2006

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

网络控制系统的建模与控制
下载Doc文档

猜你喜欢