基于滑?？刂品椒ǖ墓收先蒎e控制系統(tǒng)研究.pdf

1、本論文論述了以網(wǎng)絡(luò)控制系統(tǒng)為背景的容錯控制系統(tǒng)設(shè)計(jì)問題，前面部分旨在通過忽略網(wǎng)絡(luò)環(huán)境來表現(xiàn)容錯系統(tǒng)的方法，也就是在不考慮網(wǎng)絡(luò)環(huán)境的情況下進(jìn)行設(shè)計(jì)。接下來，論文介紹了在網(wǎng)絡(luò)環(huán)境下，當(dāng)網(wǎng)絡(luò)受到延時、丟包、通訊干擾等影響的情況下，設(shè)計(jì)控制系統(tǒng)的問題。本文還研究了新的解決容錯系統(tǒng)的聯(lián)合技術(shù)，采用RBF-ARX模型和滑?？刂葡嘟Y(jié)合進(jìn)行系統(tǒng)辨識，并采用特征值分配技術(shù)設(shè)計(jì)滑動面。本文還提出了一種由解耦滑模控制組成的處理子系統(tǒng)而不是整個系統(tǒng)的方法，這一

2、方法所采用的策略是基于滑動曲面分區(qū)的選擇。
　　第一章首先從錯誤和故障的概念入手，簡要的討論了執(zhí)行器和傳感器可能發(fā)生的故障類型。這一章對容錯控制的概念進(jìn)行了介紹，并對該研究領(lǐng)域的不同F(xiàn)TC進(jìn)行了簡要概述。同時，還介紹了不同F(xiàn)TC策略的基本分類，并討論了它們各自的優(yōu)缺點(diǎn)。此外，本章還給出了一個將顯式MPC（模型預(yù)測控制）控制器應(yīng)用于水箱水位的仿真樣例。本章論述了SMC（滑?？刂疲├碚摰母乓?，基本原理和關(guān)鍵性技術(shù)問題，以及滑?？刂频暮?/p>

3、單組合。
　　本文提出了滑動面的不同設(shè)計(jì)方法。
　　第二章提出了一種利用所謂的分散控制理論和解耦滑模控制以解決容錯控制系統(tǒng)的方法，用來處理子系統(tǒng)而不是整個系統(tǒng)。介于某些情況，將一個復(fù)雜的問題分為一些更為簡單的子系統(tǒng)，而每個子系統(tǒng)又單獨(dú)受控。因此，待解決的不是一個復(fù)雜的問題，而是若干個更為簡單的小問題。就作者所知，尚未出現(xiàn)這種分散算法的先例。
　　這一方法在滑動曲面分段設(shè)計(jì)以應(yīng)用分段線性工具的基礎(chǔ)上，提出了一種解耦策略，

4、其目的是劃定滑模出現(xiàn)的區(qū)域，這樣我們就可以在劃定區(qū)域內(nèi)將復(fù)雜系統(tǒng)線性化為一個簡單的線性模式，并嘗試將這一策略應(yīng)用于三容水箱水位系統(tǒng)。這一方法的新穎之處是如下的滑動曲面分段設(shè)計(jì):{ S=(c11-c1z)(x1x21)=G(x1x21)T(1)可推廣為:Si=Gi(x1x21)T，i∈N(2)當(dāng)Gi=(ci1-ciz)T，i∈N時，Gi就是我們的控制器分區(qū)設(shè)計(jì)，該分區(qū)隨著i∈N變化。如第二章2.2節(jié)中所說，當(dāng)0＜zu＜1時，|z|≤zu這

5、一不等式應(yīng)加以考慮。此時采用李雅普諾夫函數(shù)V=1/2Si2能保障其穩(wěn)定性。
　　備注2.1:
　　分別按照文中式(2.6)、(2.7)和(2.11)類似的結(jié)構(gòu)，我們能在第二個滑動面S2上得到控制律，但是，為較好地構(gòu)成分散方法的方式，我們選擇處理一個滑動面S1;因?yàn)樵撓到y(tǒng)分為兩個子系統(tǒng)，并且我們可以控制第一個子系統(tǒng)，而把第二個子系統(tǒng)用作向第一個子系統(tǒng)輸入信息的系統(tǒng)，所以這兩個作業(yè)面可能通過變量z進(jìn)行連接;由于S1和S2都是類推

6、的，并且其中之一可以由式(2.4)中的(-c1z)來增強(qiáng)，其中z可能是有界值。
　　備注2.2:
　　c1和c2都對系統(tǒng)的狀態(tài)有很大影響。為實(shí)現(xiàn)良好的瞬態(tài)響應(yīng)，有必要選擇適當(dāng)?shù)幕瑒右蜃印?br>　　控制輸入端是所選擇的子系統(tǒng)的滑?？刂贫?因?yàn)樵诨？刂评碚撝校俣╱=u1,那么要控制整個系統(tǒng)，x1的邊界可以由0＜zu＜1和|z|≤z(w)來確保。它意味著x1的絕對值總是有界的;因?yàn)榭刂颇繕?biāo)是驅(qū)動系統(tǒng)滑到滑動面(S=0）上，即

7、（x1-z）=0是指(x1=z)和x2=0，并且因?yàn)槲覀冃枰谝粋€滑動面S1近似用作為第二個滑動面S2。這里，zu是z的上限。
　　因此，z是一個衰減信號。根據(jù)滑模控制理論，我們想要通過使x1和x2等于零由控制行動實(shí)現(xiàn)這一目標(biāo)，并且通過只由一個滑動面S1(2.4)設(shè)計(jì)的相同的控制輸入，我們能得到S1和S2這兩個滑動面，而且這兩個滑動面傾向于零，其中包含本章中下文會給出的轉(zhuǎn)移變量z;這個控制輸入將由兩個滑動面S1和S2注入到這兩個子

8、系統(tǒng)中，這是其特點(diǎn);所以，x1應(yīng)趨向于z，使S1趨于零，并且z應(yīng)該趨向于零，使S1模擬為S2。這通過式(2.6)采用一種類似于減少z的輸入控制信號。
　　在第二章中提到的詳細(xì)設(shè)想前提下實(shí)現(xiàn)控制器設(shè)計(jì)的簡要步驟大致如下:
　　首先進(jìn)行初始化。指定一個與之相適應(yīng)的線性系統(tǒng)下的初始狀態(tài)。然后，設(shè)定Gi區(qū)，以表示滑動曲面的非唯一性。接著，利用分段性線性工具計(jì)算出選定范圍，在存在有滑動模態(tài)的情況下，得到一個名為穩(wěn)定矩陣的非空矩陣P。這

9、一設(shè)計(jì)過程可以簡要表達(dá)為如下流程圖:
　　若計(jì)算得出一個空矩陣，即表示無滑動模態(tài)，在這種情況下，我們則回頭重新設(shè)定另一區(qū)域。
　　穩(wěn)定性問題由一個分段的二次李雅普諾夫函數(shù)來保證，它可以寫成:V(x)=[x1]T(P)i[x1]，x∈Xi，{Xi｝i∈I(∈)Rn，I是各區(qū)域的索引集。(
　　)其中，(P)i=[Pi000]，則V(x)=xTPix，x∈Xi，Pi是正定矩陣。
　　為遵從或符合備注2.2所引述的說明

10、，z的設(shè)計(jì)就是從滑動面S2到S1中取一個轉(zhuǎn)移值，z可作為:z=sat（S2/ψ）z(w)其中sat（(o))=sign((o))if|(o)|≥k(o)if|(o)|＜k，0＜k≤1ψ是S2的邊界層。
　　在設(shè)計(jì)中，為使z更小并使收斂接近于零，選擇一個足夠更大的ψ，會導(dǎo)致形成z的無窮小變化。
　　關(guān)于這一方案是否能處理擁有大量已知或未知參數(shù)的高度復(fù)雜系統(tǒng)，仍存在疑問。為此，我們求助于基于RBF-ARX模型的另一方法，這一方法

11、將在下一章進(jìn)行介紹。
　　我們主要的研究興趣是“滑?！鳖I(lǐng)域，該領(lǐng)域的早期研究主要是在控制環(huán)境中探討滑模。其研究方法包括采用非線性控制策略迫使閉環(huán)系統(tǒng)軌道隨狀態(tài)空間曲面而演變。適當(dāng)?shù)那孢x擇決定閉環(huán)系統(tǒng)性能，而迫使曲面狀態(tài)停留的控制規(guī)律會保證魯棒性。理論上講，滑?？刂破骺梢酝耆懦活惐环Q為匹配不確定性因素的影響。這種獨(dú)特的魯棒性特性帶動了該領(lǐng)域二十多年的研究工作。
　　過去的滑模控制理論發(fā)展都是基于一個假設(shè)，即系統(tǒng)所有狀態(tài)在

12、控制規(guī)律下可用。但從工程角度上講，這個假想是不成立的。在實(shí)際系統(tǒng)中，只有該信息的子集可通過正確安裝的傳感器得到測量值。滑模理論的發(fā)展研究了僅有測量信息可用的情況。這是一個更加困難的設(shè)計(jì)問題，但是重要的理論成果已經(jīng)證實(shí)，在滑?？刂品桨钢锌梢钥紤]參數(shù)綜合的問題。
　　其他一系列工作探討了滑模在故障檢測與隔離中的使用。該方法的新穎性在于滑模有通過適當(dāng)縮放和濾波所謂的“等價輸出誤差引入”可以重建不可測量的信號的能力。這種方法在故障探測時與

13、典型的誤差產(chǎn)生方法有很大的不同。重建方法試圖捕捉故障大小和“形狀”，因此可以同時處理故障檢測和隔離工作。事實(shí)上，即使出現(xiàn)故障，滑模輸出依然有可能很好的跟蹤對象的輸出。
　　滑?？刂?SMC)中，為保證滑動運(yùn)動，其設(shè)計(jì)流程主要包括基于SMC兩個主要階段的兩大步驟:
　　1)到達(dá)階段:系統(tǒng)狀態(tài)可在限定時間內(nèi)從任何初始狀態(tài)到達(dá)切換流形（預(yù)期的滑模）
　　2)滑模階段:系統(tǒng)被納入切換流形的滑動運(yùn)動，即切換流形變成一個吸引子。<

14、br>　　與以上兩階段相對應(yīng)的是以下兩大設(shè)計(jì)步驟:
　　Ⅰ)切換流形選擇:根據(jù)指定的理想動力學(xué)特性選擇一組切換流形。常見的流形就是線性超平面。
　?、?不連續(xù)控制設(shè)計(jì):采取不連續(xù)控制策略以保證切換流形在限定時間內(nèi)的可達(dá)性。根據(jù)具體的控制要求，控制器可以是局部或全局的。
　　有幾個主要問題被視為影響SMC普及使用的障礙，而它們卻推動了軟計(jì)算(SC)（如神經(jīng)網(wǎng)絡(luò)（NNs），模糊邏輯(FL)等）的廣泛應(yīng)用。以下列出了其中一些

15、問題。
　　1)抖振:在上文中提到SMC是一種特殊的VSSs，其中，滑模由具分裂性的控制作用所引導(dǎo)。盡管擁有簡單和魯棒性的優(yōu)勢，SMC通常會遇到一些眾所周知的問題，如:抖振，這是一種在預(yù)定義的切換流形周圍振蕩的運(yùn)動。
　　主要?dú)w因于以下兩點(diǎn)。
　　Ⅰ)寄生動力學(xué)與控制系統(tǒng)關(guān)聯(lián)的出現(xiàn)，導(dǎo)致了小振幅高頻率的振蕩。這種寄生動力學(xué)代表在控制設(shè)計(jì)中通常被忽視的快速的執(zhí)行器和傳感器動力學(xué)。
　　Ⅱ)切換可引起高頻振蕩。其中可

16、能包括短時間延遲，和/或控制計(jì)算所需要的執(zhí)行時間延遲及最近在網(wǎng)絡(luò)控制系統(tǒng)中的傳輸延遲。
　　2)匹配和非匹配不確定性:據(jù)了解，SMC以其對匹配不確定性的低靈敏度著稱。但由于還不清楚SMC的魯棒性的情況，如果不滿足匹配條件，那么滑模運(yùn)動就要取決于不太理想的不確定性。在這一方面的研究工作主要集中在將不確定性的影響限定在預(yù)期邊界內(nèi)。
　　3)未建模動態(tài):從數(shù)學(xué)角度，不可能建立一個完整的實(shí)用系統(tǒng)。因?yàn)榭偸谴嬖谝恍┪唇討B(tài)。如果未建

17、模動態(tài)包含可由SMC高頻控制切換激活的高頻振蕩動態(tài)，則情況可能會更加嚴(yán)重。
　　正如上文所述，SMC和軟計(jì)算(SC)的集成主要表現(xiàn)在以下兩個方面。首先是將SC技術(shù)應(yīng)用至SMC可讓其更加“智能”，其次是采用SMC以增強(qiáng)SC能力。例如:NNs提供了一種無需建模的方案來從基本動態(tài)例子中學(xué)習(xí)。傳統(tǒng)的NNs通過反向傳播(BP)學(xué)習(xí)。此種學(xué)習(xí)過程通常十分費(fèi)時。不同于傳統(tǒng)的常數(shù)參數(shù)或函數(shù)的學(xué)習(xí)，動態(tài)環(huán)境下的學(xué)習(xí)速度是非常重要的。NNs的應(yīng)用已經(jīng)

18、在動態(tài)學(xué)習(xí)環(huán)境中成功了，它更注重實(shí)現(xiàn)穩(wěn)定和快速收斂，而不是減少學(xué)習(xí)誤差。
　　帶有SMC的模糊系統(tǒng)基本應(yīng)用原理與NNs相似，例如減緩與抖振相關(guān)的問題，匹配和非匹配的不確定性，以及未建模動態(tài)。其主要優(yōu)勢包括被專家經(jīng)驗(yàn)支持而受到的啟發(fā):降低（或減輕）抖振，基于他們多年的經(jīng)驗(yàn)形成的部分知識為還沒有建模的不確定性建模，并且通過對使用FL的集成線性模型進(jìn)行建模的復(fù)雜系統(tǒng)進(jìn)行控制。
　　在第三章提出的方法中，根本策略在于結(jié)合DTSMC（

19、離散滑模控制）和RBF-ARX以解決傳感器容錯控制系統(tǒng)。在這一章中，協(xié)同仿真器作為一個補(bǔ)充工具用以實(shí)施該方法，系統(tǒng)行為將被RBF-ARX模型(3)所描述。RBF-ARX模型是具有高斯徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的偽ARX，其系數(shù)取決于作用點(diǎn)。(
　　){y(t)=φo(W(t-1))+nyΣi=1φy，i(W(t-1))y(t-i)+nuΣi=1φu，i(W(t-1)）u(t-i)+nvΣi=1φv，i（W（t-1））v（t-i）φo（W（

20、t-1））=coo+mΣk=1cokexp{-λyk‖W(t-1)-Zyk‖22}，(3)φj,i(W(t-1))=cji,o+mΣk=1cji,kexp{-λjk‖W（t-1）-Zjk‖22}，W(t-1)=[w(t-1),w(t-2)，…,w(t-n(w))],Zjk=(zjk,1,zjk,2,zjk,3…,zjk,n(w))T，j=y，u，v,
　　滑動曲面的設(shè)計(jì)表明了其對于控制定律的獨(dú)立性，可見控制器不會受到輸入延誤的影響

21、。RBF-ARX模型的優(yōu)勢在于利用結(jié)構(gòu)化的參數(shù)優(yōu)化方法離線估計(jì)模型參數(shù)，在利用LMM（列文伯格-馬夸爾特法）優(yōu)化非線性模型參數(shù)的同時利用LSM（最小二乘法）和SVD（奇異值分解）對線性參數(shù)進(jìn)行估計(jì)。
　　模型(3)的各個變量或參數(shù)在第三章中都進(jìn)行了定義，如ARX模型[189]所述，RBF-ARX模型可以用故障模式進(jìn)行估計(jì)。yF(t)=φF(θFN，(o)F(t-1))TθFL+ξF(t)(4)
　　(4)中的F是指故障大小。

22、
　　滑動曲面的設(shè)計(jì)顯示了其對于控制律的獨(dú)立性，使得控制器不會受到輸入延誤的影響。這一設(shè)計(jì)依賴于特征值配置，將RBF-ARX模型改寫為狀態(tài)矢量空間的形式:{Xt+1=AtXt+BUt+ξt+1(o)(Yt)=y(t+1)=CXt+1+ωt+1(5)
　　關(guān)于系統(tǒng)(5)的原理以及將(3)轉(zhuǎn)化為(5)的設(shè)想在第三章中有詳細(xì)的敘述。
　　設(shè)計(jì)滑動曲面的關(guān)鍵在于在選定的滑動曲面中找到G。St=G(X)t(6)
　　其中(

23、X)t是跟蹤誤差，且(X)t=Xt，d-(X)T，其中Xt,d是期望矢量，(X)t則是狀態(tài)估計(jì)。
　　經(jīng)過計(jì)算和重新排列，我們得出:(X)t+1=[At-BG(GB)-1（At-（1-η/φ）I）](X)t(7)即動力學(xué)狀態(tài)反饋閉環(huán)形式At-BF，其中 F=[G(GB)-1（At-（1-η/φ）I）](8)
　　尋找G取決于尋找F，第三章3.6節(jié)中給出了計(jì)算F的完整程序。這個控制器是基于特征值進(jìn)行分配，如公式(3.36)所示

24、，對于給定的F，我們可能通過把F分解成G1和G2計(jì)算滑動面增益G，然后通過使用變換矩陣來計(jì)算G。
　　在方程(3.16)中，對于給定的G，控制律的設(shè)計(jì)將取決于具有設(shè)計(jì)參數(shù)φ和η的開關(guān)函數(shù)，這兩個設(shè)計(jì)參數(shù)的選擇方式是公式(3.24)中所示的這個詞的特征值使用計(jì)算出的G保留在單位圓內(nèi)。
　　前面所述協(xié)同仿真器帶有AMESim（自適應(yīng)建模環(huán)境仿真），它能提供完整的系統(tǒng)工程平臺，能進(jìn)行復(fù)雜多領(lǐng)域系統(tǒng)的建模，模擬的運(yùn)行以及執(zhí)行深入的分

25、析。AMESim平臺使工程師能夠使用一種友好的、面向應(yīng)用的方法來研究任何組件或系統(tǒng)的靜態(tài)和動態(tài)行為。這使得AMESim平臺成為了多領(lǐng)域系統(tǒng)的首選，包括液體、機(jī)械、熱學(xué)、機(jī)電和汽車、非公路、宇航或大型工業(yè)設(shè)備的電動機(jī)械元件或控制元件。它被廣泛的應(yīng)用于許多知名公司，如福特、通用、博世等。
　　一個傳感器滲漏導(dǎo)致測量不精確的電動液壓系統(tǒng)作為應(yīng)用的實(shí)例。當(dāng)模型在Matlab的Simulink環(huán)境下運(yùn)行時，這一系統(tǒng)所用的接口可以執(zhí)行許多AM

26、ESim設(shè)備。特別的是，AMESim模型實(shí)際上以某種方法轉(zhuǎn)變成了S函數(shù)，其參數(shù)可以在AMESim之內(nèi)正常變化。通常，AMESim與Simulink同時運(yùn)行。
　　在使用帶有一些假設(shè)的基于滑模控制的RBF-ARX模型和控制設(shè)計(jì)及基于狀態(tài)空間RBF-ARX時，考慮到電液伺服系統(tǒng)的驅(qū)動回路可能遭受泄漏等故障，采用此策略，在故障的情況下，可提高對系統(tǒng)的識別能力。
　　在較低的維度可使人能夠簡化控制設(shè)計(jì)。因此，我們將滑?？刂品椒☉?yīng)用于

27、降階的運(yùn)動方程中，并且我們通過一個例子，即所謂的塊控制原則（Drakunov等人1990年）將原始設(shè)計(jì)問題降為一組具有較低維度的獨(dú)立問題。
　　第四章以帶有線性二次型調(diào)節(jié)器的倒立擺系統(tǒng)為例，將輸入輸出線性化和滑?？刂七M(jìn)行了全面的對比，試圖掌握滑?？刂频目傮w意圖。關(guān)于滑?？刂迫匀挥写M(jìn)一步研究。
　　控制某個系統(tǒng)的一個傳統(tǒng)方法，就是利用動態(tài)系統(tǒng)在工作點(diǎn)附近局部線性化的一階近似來計(jì)算線性控制器。非線性控制設(shè)計(jì)的反饋線性化方法是將

28、非線性動力系統(tǒng)到完全或部分線性動力系統(tǒng)的一種代數(shù)轉(zhuǎn)化，以便線性控制技術(shù)可以得到應(yīng)用。計(jì)算一個系統(tǒng)的輸入輸出反饋所用到的一些數(shù)學(xué)工具包括:李導(dǎo)數(shù)，李氏括號和對合條件，并根據(jù)以下步驟:先計(jì)算狀態(tài)反饋律，然后利用具有二態(tài)性的非線性轉(zhuǎn)換函數(shù)進(jìn)行處理，最終得到易于實(shí)施滑?？刂频南到y(tǒng)規(guī)范形式。
　　實(shí)際上，倒立擺系統(tǒng)并不是反饋線性化，因此我們計(jì)算出一個輸出函數(shù)h(x)，以達(dá)到系統(tǒng)中相對最大程度:h(x)=x1+lLn(1+sin(x3)/co

29、s(x3))(9)經(jīng)過線性化后，一旦我們得到系統(tǒng)的規(guī)范形式，我們選定的滑動曲面則為:S(x，t)=(d/dt+λ)3 e(10）控制器的形式則是:u=-b(x)/a(x)+K sgn(s)(11)
　　例子中使用了輸入輸出線性化和滑模控制，并與線性二次型調(diào)節(jié)器做了詳細(xì)對比。這個案例表明，線性二次型調(diào)節(jié)器和滑模控制都能在魯棒條件下控制倒立擺。但滑模控制比線性二次型調(diào)節(jié)器具有更好的抗干擾（或其他突發(fā)異?，F(xiàn)象）能力，同時，相比于線性二次

30、型調(diào)節(jié)器，滑?？刂颇苁箶[桿狀態(tài)更為準(zhǔn)確的到達(dá)期望的參考狀態(tài)。但滑?？刂圃诮咏谕麉⒖紶顟B(tài)時也需要更多的控制器動作?；？刂扑憩F(xiàn)出來的這些特質(zhì)，使我們嘗試通過網(wǎng)絡(luò)來完成控制系統(tǒng)，以考察它是否能處理網(wǎng)絡(luò)控制系統(tǒng)中的各種不同的問題。
　　第五章簡單回顧了網(wǎng)絡(luò)控制系統(tǒng)(NCS)，提出了網(wǎng)絡(luò)環(huán)境中可能面臨的不同挑戰(zhàn)。網(wǎng)絡(luò)時延可能會影響到系統(tǒng)運(yùn)作，降低穩(wěn)定性，或?qū)е抡麄€閉環(huán)系統(tǒng)的不穩(wěn)定。網(wǎng)絡(luò)控制引起了控制界極大的興趣。眾所周知，在許多實(shí)際系

31、統(tǒng)中，電廠機(jī)械設(shè)備、控制器、傳感器和制動器很難被安裝于同一位置，因此信號必須從一處傳送到另一處。在現(xiàn)代工業(yè)系統(tǒng)中，通常利用網(wǎng)絡(luò)媒介將這些組件連接起來（典型的是數(shù)字有限頻寬串行通信），從而產(chǎn)生了所謂的網(wǎng)絡(luò)控制系統(tǒng)。因此，這些系統(tǒng)為交互式動態(tài)程序的控制帶來了巨大挑戰(zhàn)。因而NCS必須能夠容錯，這就意味著它必須能夠處理錯誤事件并且進(jìn)行積極重構(gòu)。過去十年中，控制理論和計(jì)算機(jī)技術(shù)的進(jìn)步促進(jìn)了控制技術(shù)的不斷改進(jìn)。同時控制系統(tǒng)也變得日益精良與復(fù)雜。為了

32、能長時間地成功運(yùn)行，這些復(fù)雜的系統(tǒng)要求高度的可靠性，可維護(hù)性且能進(jìn)行故障容錯。
　　第六章描述了Matlab中Simulink實(shí)時仿真模塊的用法，它促進(jìn)了在實(shí)時核、網(wǎng)絡(luò)傳輸和連續(xù)動態(tài)設(shè)備中執(zhí)行控制器任務(wù)的協(xié)同仿真。本章詳細(xì)說明了利用網(wǎng)絡(luò)構(gòu)成控制系統(tǒng)的各個模塊。
　　一個典型的控制系統(tǒng)包括了工業(yè)控制器，控制過程，以及某種輸入/輸出通道，這種通道通常是通訊網(wǎng)絡(luò)。在標(biāo)準(zhǔn)情況下，仿真中通常不包括任何網(wǎng)絡(luò)模式，模型被簡化且假設(shè)網(wǎng)絡(luò)具有

33、足夠強(qiáng)大的計(jì)算機(jī)能力和快捷的通訊。這一解決方案并未考慮控制過程中的任何網(wǎng)絡(luò)影響，但這種影響可能會導(dǎo)致不可預(yù)測的系統(tǒng)動作。當(dāng)利用網(wǎng)絡(luò)在硬實(shí)時系統(tǒng)下交換數(shù)據(jù)時，我們同樣需要在仿真中考慮一個網(wǎng)絡(luò)模型以得到正確的結(jié)果。已有的網(wǎng)絡(luò)類型會定義特殊的通訊規(guī)則并導(dǎo)致數(shù)據(jù)流的獨(dú)特反應(yīng)，這種獨(dú)特反應(yīng)能大大改變過程控制中的輸出結(jié)果。時延、數(shù)據(jù)丟失或網(wǎng)絡(luò)負(fù)荷會影響實(shí)時控制回路中數(shù)據(jù)交換。這就是為什么我們要在復(fù)雜仿真模式下包括網(wǎng)絡(luò)模型或使用實(shí)時嵌入系統(tǒng)以改進(jìn)控制

34、器的穩(wěn)定性和魯棒性的主要原因。
　　數(shù)據(jù)流模型，皮特里網(wǎng)或Matlab SimEvents工具箱中的定制方案通?？梢杂脕砟M網(wǎng)絡(luò)行為。在本文中，Matlab的實(shí)時工具箱被用做一個了解網(wǎng)絡(luò)類別的簡易方法，它是通過C++MEX語言編寫并使用了事件模擬和外部中斷。
　　本章還介紹了時延如何影響非線性系統(tǒng)控制，并研究了時延對控制回路性能的影響。這一章還討論了滑?？刂频膶?shí)現(xiàn)以及在面臨出現(xiàn)故障、干擾、網(wǎng)絡(luò)延時、交通干擾等必將導(dǎo)致出現(xiàn)任意

35、的時延問題時其性能的保持問題。可見，按計(jì)劃執(zhí)行的任務(wù)會隨著這些額外的時延或通訊干擾所帶來的變化而變化。為了檢驗(yàn)我們所做工作的效率，我們和一些其它的工作做了比較，這些工作是其他作者使用和我們相同的系統(tǒng)所做的。
　　在文獻(xiàn)[215]中，在結(jié)合了LQR（線性二次型調(diào)節(jié)器）技術(shù)、使用Petri網(wǎng)絡(luò)模型仿真技術(shù)的網(wǎng)絡(luò)自動化和控制系統(tǒng)的Markov時滯特性建模中，其建模的方法是對網(wǎng)絡(luò)自動化系統(tǒng)的反應(yīng)時間的建模，而不是估計(jì)傳感器到控制器或控制器

36、到執(zhí)行器（表6.6）的時滯的概率密度分布，但是它并不像我們一樣強(qiáng)調(diào)信息包丟失問題，因?yàn)槲覀儑L試了丟包率達(dá)到了60％的情況。
　　文獻(xiàn)[216]處理時變延遲和隨機(jī)發(fā)生的丟包現(xiàn)象，不考慮由網(wǎng)絡(luò)所導(dǎo)致的干擾，其主導(dǎo)思想是通過在倒立擺中運(yùn)用蒙特卡洛算法對未知的將來控制輸入進(jìn)行建模。
　　該技術(shù)稱為基于序列方式的控制傳遞，它不僅是傳遞一個輸入，而是傳遞將來時刻的合理的整個輸入序列，本指導(dǎo)思想利用了現(xiàn)代通訊網(wǎng)絡(luò)的性能，其數(shù)據(jù)是在具有時間

37、戳的大信息包中傳遞的。
　　此過程的主要的問題是控制器必須知道執(zhí)行器過去和未來的控制輸入，以確定當(dāng)前最優(yōu)的控制輸入序列。
　　而且此程序只限于考慮控制器與執(zhí)行器間的通訊網(wǎng)絡(luò)，系統(tǒng)的狀態(tài)完全可以被傳感器檢測，且傳感器和控制器間的連結(jié)完美，只有很小的系統(tǒng)噪音。
　　把此方法與標(biāo)準(zhǔn)的NCS方法相比較，其結(jié)果可接受，然而與LQR相比效果更好（表6.6）。
　　在我們的實(shí)例中，設(shè)備與控制器之間、傳感器到控制器之間存在著網(wǎng)絡(luò)

38、;而執(zhí)行器到控制器之間沒有線路連接，采樣時間與作者所運(yùn)用的方法相同。
　　在文獻(xiàn)[217]中，作者在時滯和包丟失率很低的條件下工作，這是由于他提供更多的干擾，這就意味著仔細(xì)檢查可用帶寬，這可以通過增加更多設(shè)備以得到此要素（表6.6）（有信息包丟失情況），并且控制作者使用LQR控制的系統(tǒng)。
　　作者改變緩沖區(qū)大小，以在系統(tǒng)仍然處于穩(wěn)定的區(qū)域的條件下，使其獲得不同的閾值時滯，但是作者必須每次都要改變采樣時間，并且在系統(tǒng)仍然處于穩(wěn)

39、定的區(qū)域的條件下，獲得他所述的最小和最大時滯。在此項(xiàng)研究中，系統(tǒng)的穩(wěn)定區(qū)域可以處于他的論文表6.6所述的邊界上。
　　在我們的實(shí)例中，如作者所建議的那樣，實(shí)時平臺提供了一種調(diào)節(jié)干擾比而不用增加設(shè)備數(shù)量的方法，因此用此方法可使我們的緩沖區(qū)大小固定，我們的時滯測試丟包率在10％到60％的范圍，如果丟包率小于此范圍，則認(rèn)為是完美的網(wǎng)絡(luò)。那么，在我們的實(shí)例中時滯可以達(dá)到70 ms并保持系統(tǒng)的穩(wěn)定性，而在本論文中，卻保持著8.4％的包丟失，

40、時滯為18.23ms。與此實(shí)例研究相比，在我們的實(shí)例中也沒有多速率采樣時間。
　　與[218]中關(guān)于單擺系統(tǒng)的研究實(shí)例比較，我們主要考慮了3種情況:
　　第一種情況是采樣時間固定，沒有延遲或者數(shù)據(jù)包丟失的系統(tǒng)。[218]中當(dāng)外力輸入從2.25 N下降到0.25 N時，系統(tǒng)大約在10s內(nèi)達(dá)到穩(wěn)定的狀態(tài)。而我們的方法，系統(tǒng)在5s內(nèi)便達(dá)到穩(wěn)定狀態(tài)。此外，如果我們不考慮在5s后有意施加的干擾，則其運(yùn)動所需要的力和0.25N相比完全是

41、可以忽略的。
　　第二種情況是采樣時間可變，有時滯和無數(shù)據(jù)包丟失的系統(tǒng)?？紤]到系統(tǒng)的延遲時間應(yīng)該小于總?cè)訒r間的最大值，故系統(tǒng)的延遲時間的可能范圍只能是0.135s到0.02s。[218]提出的方法在延遲時間小于0.02s和位移0.17m的情況下，需要有1.25N到3N的外力輸入，系統(tǒng)經(jīng)過約10s的時間才能回到了穩(wěn)定狀態(tài)。而我們的方法，在相同的情況下，0.07s的系統(tǒng)時滯時，只需要17.8N的外力作用、或者0.05s的系統(tǒng)時滯時，

42、只需要11.5N的外力作用，系統(tǒng)便到達(dá)其穩(wěn)定狀態(tài)。而且，此輸入外力的大小取決于其位移(此處約為2m)和系統(tǒng)尺寸。
　　第三種情況是存在隨機(jī)延遲和數(shù)據(jù)包丟失的系統(tǒng)。在[218]的算法(使用TDNN(時滯NN)和LQR控制器）中，當(dāng)信息包沒有達(dá)到并且取樣時間結(jié)束時，其算法指示控制器和執(zhí)行器使用最后可用信息（在緩存或隊(duì)列中存貯的）。實(shí)施此算法仿真的前提條件是假設(shè)取樣時間是0.03s，并且網(wǎng)絡(luò)中有30％的包丟失，傳感器到控制器間的時滯上限

43、為0.09s下限為0.01s，而控制器到執(zhí)行器間的時滯是0.03s到0.005s之間。這么長的時滯是可能發(fā)生的時滯，但是作者沒有試驗(yàn)和測定系統(tǒng)在固定時滯條件下是如何動作的，因此此時滯可能發(fā)生，也可能不發(fā)生。系統(tǒng)在0.055m的位移和2N到3N的外力輸入的情況下，其達(dá)穩(wěn)定狀態(tài)的時間大約是7s。當(dāng)系統(tǒng)超過了一定的延遲時間和數(shù)據(jù)包丟失率的情況下，此研究方法就無法應(yīng)對系統(tǒng)不穩(wěn)定的情況，因此，作者提出:在NCS設(shè)計(jì)中，我們應(yīng)當(dāng)考慮網(wǎng)絡(luò)時滯的特點(diǎn)。

44、將我們的方法和作者的方法比較。首先，在取樣時間為0.01s的情形下，本方法在數(shù)據(jù)包丟失率60％和延遲時間為0.01s的情況下，系統(tǒng)經(jīng)過5s便達(dá)到了可接受的穩(wěn)定狀態(tài)。其次，為了更加接近實(shí)際系統(tǒng)，我們還考慮了一些干擾因素。結(jié)合應(yīng)用近似反饋線性化的滑?？刂茖ι鲜鰡栴}的處理似乎已達(dá)到某種極限，但迄今仍是可接受的。
　　第七章對整篇論文的工作進(jìn)行了總結(jié)，并提出展望。指出MACs的出現(xiàn)是由于通信媒介僅能使有限的同步媒介接入通道對用戶可用的結(jié)果