針對不確定非線性對象的網絡學習控制系統(tǒng)研究.pdf

1、控制回路通過通信網絡閉環(huán)的控制系統(tǒng)稱為網絡控制系統(tǒng)。網絡控制系統(tǒng)中的網絡誘導延時一般是不可避免的，并且往往是一種不確定性的隨機延時，這給控制系統(tǒng)的精確設計帶來了很大的的困難。此外，不確定性非線性對象在工程實際中大量存在。因此，不確定非線性網絡控制系統(tǒng)的魯棒分析和設計十分重要。當前，不確定非線性網絡控制系統(tǒng)的魯棒穩(wěn)定性研究是其首要解決的學術難點問題。因此，本文針對一類不確定性非線性對象，通過Lyapunov定理來估計保證系統(tǒng)魯棒穩(wěn)定的最大

2、網絡延時，由此提出了網絡控制系統(tǒng)魯棒漸近穩(wěn)定的充分條件。 在網絡控制系統(tǒng)中，控制回路完全通過網絡形成閉環(huán)，由于存在網絡延時、丟包，甚至癱瘓的危險，控制的穩(wěn)定性和安全性很難保證。另一方面，隨著生產規(guī)模的擴大，被控對象的不斷拓展、復雜化且存在時變性，為了進一步提高其控制性能并保持優(yōu)化狀態(tài)，越來越多的帶有學習功能的控制器紛紛出現。并且隨著控制要求的高性能化，學習算法復雜度也在不斷提高，當需要耗用相當的計算資源和存儲資源時，現有的現場控

3、制設備的計算和存儲資源將難以勝任實施過于復雜的學習算法。即使有這樣高性能的現場智能控制儀表，其價格也是非常昂貴的。為此，本文提出一種現場的控制單元，采用簡單、易于實現的方式，而復雜的辨識、學習算法則通過網絡連接的遠端計算機實現，以求實現一種低成本、高性能、充分利用網絡資源的控制系統(tǒng)，并稱之為網絡學習控制系統(tǒng)。 基于上述原因，如果只采用確定性的、線性的控制策略將很難獲得較好的控制性能。因此，針對不確定非線性對象進行網絡學習控制系統(tǒng)

4、的研究具有重要的價值，且網絡學習控制系統(tǒng)的穩(wěn)定性及學習收斂性研究是首要問題。為此，本文從以下幾個方面進行了深入研究： 首先，針對未知數學模型的被控對象，提出了基于三次樣條插值的一步預測延時補償模型，在此基礎上為了提高延時補償精度，進一步提出了三次樣條滾動優(yōu)化多步預測延時補償算法。同時提出了神經網絡作為網絡學習的復合控制，并對網絡環(huán)境下的復雜、時變被控對象進行了控制仿真。仿真結果驗證了控制策略的有效性。 其次，針對不確定非

5、線性被控對象，提出了基于三次樣條滾動優(yōu)化多步預測算法校正非線性模型的綜合預測延時補償算法，以及相應的網絡學習算法，并對網絡環(huán)境下的不確定非線性對象進行了控制仿真。仿真結果驗證了算法的有效性。 再次，針對一類包含未知非線性函數的不確定性對象，采用動態(tài)遞歸神經網絡進行本地控制，采用均勻三次樣條插值算法針對未知非線性函數進行遠程辨識，并通過三次樣條滾動優(yōu)化多步預測算法對網絡延時進行實時補償。最后針對有界不確定性網絡延時，通過Lyapu