数据驱动的网络化非线性系统预测控制

作     者：赵雪莹 

作者单位：北方工业大学 

学位级别：硕士

导师姓名：庞中华

授予年度：2023年

学科分类：0711[理学-系统科学] 07[理学] 

主      题：网络化控制系统 随机通信约束 数据驱动控制 网络化预测控制 动态线性化数据模型 

摘      要：随着工业控制与信息化的快速发展,通信网络逐渐与工控系统全面深度融合,进而产生了众多网络化控制系统。网络化控制系统突破了传统工业控制系统的封闭性,更加灵活、高效,且布线成本低,但同时网络也引发了新的挑战,如数据传输过程的时延、丢包、乱序等通信约束问题。此外,越来越复杂的生产过程,使得通过物理、化学等机理建立精确模型变得难以实现。鉴于此,本文将复杂的非线性离散网络化系统作为研究对象,设计了基于数据的网络化预测控制方法,不仅可以打破模型难以获得的局限性,并可主动补偿网络化控制系统中的通信约束问题。本文主要的研究内容总结如下:1)针对反馈通道时延可以被控制器实时获得的特性,建立一种单向时延模型,基于此模型提出了一种数据驱动的网络化预测控制方法。在该方法中,控制预测器利用时间戳技术实时获取反馈通道的时延并给予补偿,再利用实际控制输入和等效的紧格式动态线性化数据模型预测未来的控制输入,进而在时延补偿器中实时补偿前向通道时延。最后,通过稳定性分析和数值仿真验证了该方法对网络通信约束具有很好的补偿效果。2)将反馈通道和前向通道中的时延、丢包、乱序统一处理为环路时延,通过分析时延补偿器的补偿机制可以选择两种不同的选包方式,进而提出了两种数据驱动的网络化预测控制方法。通过对这两种方法的稳定性分析及与前一部分所提方法的对比分析,发现了无论是反馈通道存在时延还是前向通道存在时延补偿性能都比较好的方法,并通过数值仿真和实验验证了理论分析结果。3)为了克服紧格式动态线性化数据模型过于简单的问题,将上述三种数据驱动网络化预测控制方法中较优的补偿思想,推广到更为精确且复杂程度适中的偏格式动态线性化数据模型,进而提出一种基于环路时延的偏格式网络化预测控制方法,并分析了相应的闭环网络化控制系统。最后,通过仿真验证了所提方法可以更快更稳地跟踪输入参考信号。