基于简化模型预测的网络化控制系统设计
来源期刊:控制工程2021年第2期
论文作者:佟世文 钱殿伟 于庆林 赵叶 程光
关键词:模糊聚类建模;网络化控制;模糊控制;神经网络;随机时延;
摘 要:针对机理不清、难建模的被控过程,提出了一种基于数据的网络化控制方法。仅根据过程的输入输出数据,先采用模糊聚类建模技术,获得系统的T-S模型,然后利用神经网络对前件隶属度函数的拟合能力,将其转化成显式表达,从而获得一步预测简化模型。再利用递推和反馈校正,获得一系列预测的过程输出,进而将控制系统设计转化成"由未来的偏差及偏差的变化得到未来的控制作用"问题。通过分析典型被控过程的动态响应曲线设计隶属度函数及控制规则,可获得一系列未来的控制作用。再通过选择合适的控制作用即可补偿网络时延和数据丢包的影响。仿真表明,该控制方法在处理随机时延和数据丢包问题上较PID控制有更快的动态响应和更高的精度。
佟世文1,2,钱殿伟3,于庆林4,赵叶1,5,程光5
1. 北京联合大学机器人学院2. 北京市信息服务工程重点实验室3. 华北电力大学计算机与控制学院4. 中国石油工程建设公司北京设计分公司5. 北京联合大学工科中心
摘 要:针对机理不清、难建模的被控过程,提出了一种基于数据的网络化控制方法。仅根据过程的输入输出数据,先采用模糊聚类建模技术,获得系统的T-S模型,然后利用神经网络对前件隶属度函数的拟合能力,将其转化成显式表达,从而获得一步预测简化模型。再利用递推和反馈校正,获得一系列预测的过程输出,进而将控制系统设计转化成"由未来的偏差及偏差的变化得到未来的控制作用"问题。通过分析典型被控过程的动态响应曲线设计隶属度函数及控制规则,可获得一系列未来的控制作用。再通过选择合适的控制作用即可补偿网络时延和数据丢包的影响。仿真表明,该控制方法在处理随机时延和数据丢包问题上较PID控制有更快的动态响应和更高的精度。
关键词:模糊聚类建模;网络化控制;模糊控制;神经网络;随机时延;