下载文档原格式
基于神经网络的广义预测控制综述第18卷第3期2005年6月常州工学院JournalofChangzhouInstituteofTechnologyV o1.18NO.3Jun.2005基于神经网络的广义预测控制综述李东侠张忠禄(常州T学院电子信息与电气工程学院,江苏常州213002)摘要:概括叙述了广义预测控制的发展现状,对具有误差校正的预测控制方法进行了概括,介绍了与神经网络相结合的非线性系统的预测控制方法,并在此基础上讨论了神经网络非线性预测控制中存在的问题及进一步研究的方向.关键词:预测控制;误差校正;神经网络;非线性系统中图分类号:TPI83文献标识码:A文章编号:1671—0436(2005)03—0012—041广义预测控制的发展现状广义预测控制是随着自适应控制的研究而发展起来的一种预测控制方法.GPC基于参数模型,引入了不相等的预测水平和控制水平,系统设计灵活方便,具有预测模型,滚动优化和在线反馈校正等特征,呈现出优良的控制性能和鲁棒性.到现在为止,人们已经对该控制算法作了大量的研究,并且取得了许多研究成果.1.1广义预测控制的间接算法广义预测控制算法有两类主要算法,即问接算法和直接算法(也称为显式算法和隐式算法). 间接算法在被控对象参数未知时,必须首先辨识被控对象的参数,然后利用辨识出来的参数计算求解控制律所需要的中问参数,最后才计算控制量.问接算法中需要进行Diophanfine方程的求解,矩阵求逆,递推最小二乘法的求解,计算量较大.为了减少在线计算量,针对这一问题,提出了许多改进方法.文[1]给出了Diophantine方程递推求解的方法;文[2]利用参数辨识的结果直接求解控制器,不用求解Diophantine方程,减少了计算量;文[3]采用递推的方法建立预测模型,避免了求解Diophantine方程,而且不受多项式稳定的限制;文[4]利用待求逆矩阵中下三角矩阵元收稿日期:2005-03—30素的特点,给出了一种递推求解逆矩阵的方法;文[5]提出了并行结构分解的算法,提高了在线计算效率;文[6]分别针对状态空间模型和输入输出模型,采用递推的方法,将GPC化为解Riccafi 方程,基于脉冲阵列结构提出了参数辨识的并行方法.1.2广义预测控制的直接算法同问接方法相比较,直接算法不需要求解Di. ophantine方程和逆矩阵,直接估计控制器的参数.文[7]在假定被控对象的阶跃响应前Ⅳ项已知的情况下,给出了一种直接算法和全局收敛性分析;文[8]使用带死区的参数估计方法估计控制器参数;文[9]引入等价性能指标,采用两个辨识器,先辨识被控对象的参数,得到广义输出,然后再用改进的最小二乘法估计控制器的参数;文[10]通过求性能指标的等值曲面,分析了受幅度和变化率约束下的优化问题,给出了一种基于几何分析的约束直接广义预测控制算法;文[11]分析了被控对象的开环参数,闭环参数和控制器参数之问的关系,采用三个辨识器,通过辨识开环系统的参数来递推计算系统的预测输出和参考轨迹,通过辨识闭环系统得到系统的广义输出,在此基础上辨识控制器的参数.除了上述基于受控自回归积分滑动平均模型第3期李东侠,张忠禄:基于神经网络的广义预测控制综述13 (CARIMA)的间接算法和直接算法以外,还有许多其他的广义预测控制算法,如与PID相结合的广义预测控制算法¨,与模糊控制相结合的GPC算法¨,变结构的预测控制算法和有约束的广义预测控制算法儿"等,许多学者还提出了一些改进算法,如加权控制律的GPC算法161,增量型广义预测控制…等.2基于神经网络误差校正的广义预测控制2.1误差校正原理对预测控制来说,核心问题是怎样根据对象的已知信息做出较好的预测.由于对象的验前信息的不充分性,基于此类信息集合得到的预测模型,用于在线预测时,其预测值与实测值之间一定存在一个偏差,我们称其为预测误差.预测误差越大,控制效果越差.当前采用的各种预测控制方法,不管是间接算法,还是直接算法,一般其预测输出的预测模型都是建立在数学模型的基础上,都没有考虑建模误差的影响.虽然一般的广义预测控制算法对模型失配有一定的抑制作用, 但目前的算法对模型失配的抑制能力是有限的, 当建模误差较大时,随着预测长度的增加,预测误差必然也会急剧增加,从而有可能破坏预测控制系统的鲁棒性,只有根据实测信息不断进行反馈校正,才能保证预测趋于准确.为了克服这一缺点,考虑引入预测误差对预测输出进行校正,即: 利用预测误差的过去信息建立误差的预测模型, 通过对误差的预测修正系统的预测输出,进一步克服模型失配的影响,提高控制系统的鲁棒性. 引入预测误差以后,系统的预测输出可以表示为: Y(t+k/t)=Y(t+k/t)+Y(t+k/t)(1)其中,Y(t+k/t)表示在t时刻对t+时刻系统输出的预测,Y(t+k/t)表示系统基于数学模型的输出预测,Y,(t+k/t)是根据预测误差的历史数据对模型预测的修正.2.2建立误差预测模型的方法为了克服建模误差的影响,增强预测控制的鲁棒性,许多学者对误差的预测进行了研究.传统方法是用时刻已知的模型输出误差e(k)=Y(k)一Y(k)来修正,文[18]中提出了利用预测误差的历史数据建立误差预测模型,通过对误差的预测修正纯粹基于数学模型的预测,采用时序分析里的AR模型,利用参数辨识的最小二乘法递推估计误差模型参数,建立误差的预测模型.由于神经网络能够逼近任意复杂的非线性函数关系,采用并行分布式信息处理方法,可同时综合定量和定性信息,既可在线学习也可离线计算, 灵活性大,所以用神经网络建立误差预测模型的方法有很大的发展空间.文[19]采用与神经网络相结合的方式,基于BP结构神经网络,对系统的建模误差进行预测, 建立误差的预测模型,取得了较好的控制效果.网络的输入向量为X=[Y(t),Y(t一1),…Y(t一),H(t—1),…,"(t一七一1)],其中Y(?)为系统的输出值,U(?)为系统的控制量,网络的输出向量为Y=[Y(t),…,Y(t—k)],而Y(t一七)Ay(t一七)一Y(t—k/t—k—),k=1,2,…,P(2)其中,Y(t—k)是t—k时刻系统的输出值,Y (t—k/t—k—d)是在t—k—d时刻基于数学模型对Y(t—k)的预测值,d为系统时滞,P为训练样本数.文[2O]提出了一种改进的全局寻优自适应快速BP算法,并应用于广义预测控制算法中, 用该网络建立误差预测模型,解决了限制GPC实时控制的快速性问题.文[21]采用动态BP网络对模型预测误差进行在线补偿,提高了预测精度. 文[22]中提出了利用径向基函数神经网络(RBFNN)来补偿由系统的非线性和外界干扰引起的预测误差,也取得了较好的控制效果.3基于神经网络的非线性系统的广义预测控制实际中的控制对象都带有一定的非线性,大多数具有弱非线性的对象可用线性化模型近似, 并应用已有的线性控制理论的研究成果来获得较好的控制效果.而对具有强非线性的系统的控制则一直是控制界研究的热点和难点,模型线性化无法满足系统控制要求,在某些极端情况下,线性化的参考模型甚至会导致控制系统稳定性的丧失,将广义预测控制对线性系统的良好控制作用l4常州工学院2005正推广到非线性系统,也是预测控制研究的方向之一.就预测控制的基本原理而言,只要从被控对象能够抽取出满足要求的预测模型,它便可以应用于任何类型的系统,包括线性和非线性系统.但由于非线性系统的复杂多样性,在实现的技术上和理论分析上难度比线性系统要大得多.近年来人们对非线性系统的预测控制做了大量的研究,并提出了不少有意义的方法.与神经网络,多模型控制,微分集合理论和微分代数理论等算法相结合,是非线性系统的GPC研究的有效途径之一.由于神经网络理论在求解非线性方面的巨大优势,很快被应用于非线性预测控制中,并形成许多不同的算法.如神经网络的内模控制,神经网络的增量型模型算法控制等,近来一些学者对有约束神经网络的预测控制也作了相应的研究.基于神经网络的非线性GPC研究还处于起步阶段, 这方面的研究成果很少,其主要原因是利用神经网络进行多步预测还没有直接有效的方法.文[24]设计了多层前馈神经网络,使控制律离线求解.文[25]采用两个网络进行预测,但结构复杂,距实际应用还有一定的距离,文[26]利用递阶遗传算法,经训练得出离线神经网络模型,经多步预测得出对象的预测模型,给出了具有时延的非线性系统的优化预测控制.将神经网络用于GPC的研究成果有利用Tank—Hopfield网络处理GPC矩阵求逆的算法,基于神经网络误差修正的GPC算法,利用小脑模型进行提前计算的GPC算法,基于GPC的对角递归神经网络控制方法以及用神经网络处理约束情形的预测控制算法.非线性系统的GPC研究成果还有基于双线性模型的GPC算法等,但算法都具有一定的局限性.4基于神经网络的预测控制中存在的问题众所周知,评价一个神经网络的主要性能指标是学习收敛速度和泛化能力.前者表现在以一定的精度逼近学习样本所需的时间,而后者表现在对学习样本集外的样本的逼近程度.采用Sigmoid函数作为网络单元函数的多层前馈网络(BPN)是当今应用最广的一种网络.这类网络采用反向传播(BP)学习算法.虽然BP网络是应用最多的一种神经网络,但它仍存在一些缺陷:(1)学习速度慢,即使一个比较简单的问题,也需要几百次甚至几千次的学习才能收敛;(2)不能保证收敛到全局最小点; (3)网络隐含层的层数及隐含层的单元数的选取尚无理论上的指导,而是根据经验确定.因此,网络往往有很大的冗余性,无形中增加了网络学习的时间;(4)网络的学习,记忆具有不稳定性.所以以下问题有待进一步完善:(1)神经网络的收敛速度一直是限制其应用的主要问题,要进一步提高神经网络的收敛速度及泛化能力,提高神经网络的实用性.(2)利用神经网络进行多步预测还没有直接有效的方法.(3)对非线性系统的预测控制还没有很好的解决,由于广义预测控制算法本身的特殊性和非线性系统的复杂多样,这方面的研究成果也较少.目前在非线性预测控制中使用的神经网络大多为静态的网络,限制了神经网络的非线性表达能力,并且网络结构复杂计算量大,快速有效的预测控制方法有待进一步研究.[参考文献][1]ClarkeD.W.andMohtadi,C.andTufts,P.S,mGeneralized PredictiveContro1.PartI.TheBasicAlgorithmic.PartIIExtcn—sionsandInterpretations[J].Automatic,1987,23(2):137一l6O.[2]袁着祉,崔保民.新型随机广义预测自校正控制器[J].自动化,1992,18(3):282—289.[3]金元郁.预测控制算法研究[D].沈阳:东北工学院博士学位论文,1990.[4]郭庆鼎,金元郁,胡耀华.求解GPC中逆矩阵的递推算法[J].控制与决策,1996,11(4):510—513.[5]扬健,席裕庚,张钟俊.预测控制滚动优化的时间分解方法[J].自动化,1995,21(5):555—561.[6]慕德俊,戴冠中.基于状态空间模型广义预测控制的并行算法[J].控制理论与应用,1995,12(5):646—652.[7]王伟.广义预测控制自适应控制的直接算法和全局收敛性分析[J].自动化,1995,21(1):57—62.【8]Wangwei.ADirectAdaptiveGeneralizedPredictiveControlAb gorithmwithGuaranteedStabillity[J].Int.J.ofAdaptiveControl&SignalProcessing,1994,8(3):211—227.第3期李东侠,张忠禄:基于神经网络的广义预测控制综述[9]舒迪前,石中锁.隐式自适应广义预测控制器及全局收敛性分析[J].自动化,1995,21(5):545—554.[10]张峻,席裕庚.基于几何分析的约束预测控制直接算法[J].控制与决策,1997,12(2):184—187.[11]胡耀华,贾欣乐.广义预测控制的直接算法[J].控制与决策,2000,15(2):221—223.[12]陈增强,车海平,袁着祉.具有比例积分结构的广义预测自校正控制器[J].控制与决策,1994,9(2):105—110.[13]张化光,吕剑虹,陈来九.模糊广义预测控制及其应用[J].自动化,1993,19(1):9—17.[14]毛志忠,杨琳.一种解决预测控制输入信号受约束问题的方法[J].控制与决策,1994,9(3):230—233.[15]LimKW,HoWK,LeeTH,LingKV,XuW.Generalized PredictiveControllerwithPoleRestriction[J].IEEProc—D, 1998,145(2):219—225.[16]周德云,陈新海.采用加权控制律的自适应广义预测控制器[J].控制与决策,1991,6(1):7—13.[17]孙明玮,陈增强,袁着祉.增量型广义预测控制[J].控制理论与应用,2000,17(2):165—168.[18]古钟璧,王祯学,王苇.具有误差预测修正的预测控制算法[J].控制与决策,1992,7(6):432—436.[19]李少远,刘浩,袁着祉.基于神经网络误差修正的广义预测控制[J].控制理论与应用,1996,13(5):677—680.[20]王一晶,左志强.基于改进BP网络的广义预测控制快速算法[J].基础自动化,2002,9(2):l0一l2.[21]刘晓华,王秀红,杨振光.基于动态BP网络误差修正的广义预测控制[J].青岛大学,2002,15(1):34—39.[22]张彬,李平,陈红艳.基于径向基函数神经网络偏差补偿的预测函数控制[J].哈尔滨理工大学,2003,8(1):46—49.[23]席裕庚.预测控制[M].北京:国防丁业出版社.1993.[24]ParisiniT,SanguinetiandZoppoliR.Nonlinearstabilizationby receding—hodzonneuralregulator[J].Int.J.Control,1998,70(3):341—362.[25]SchenkerB.AgarwalM.LongRangePredictiveControlfor PoorlyKnownSystems[J].Int.J.Control,1990,62(1):227—238.[26]刘宝坤,王慧,曹明,李光良.基于神经网络模型直接优化预测控制[J].信息与控制,1998,27(5):386—390.[27]胡耀华,贾欣乐.广义预测控制综述[J].信息与控制,2000,29(3):248—256.[28]史国栋,王洪元,薛国新.基于径向基函数模型的非线性预测控制策略研究[J].模式识别与人工智能,2000,13(4):361—365.[29]PhilipDWasserman.NeuralComputingTheoryandPractice[M].NewY ork:VanNostrandReinhold.1989.124—129. SummarizationofGeneralizedPredictiveControlBasedonNeuralNetworkLIDong?-xiaZHANGZhong?-lu(SchoolofElectronicInformation&ElectricEngineering,ChangzhouInstituteofTech nology,Changzhou213002)Abstract:ThispapersummarizestheactualityofGeneralizedPredictiveControl(GPC).The predic.tivecontrolmethodwitherrorcorrectionissummedup.Thenitrecommendsthepredictiveme thodscom.binedwithneuralnetworkofnonlinearsystem.Basedonthisitpresentstheproblemsexistingi nthepredic. tivecontrolofnonlinearsystemandfurtherresearchtrendsarealsodiscussed. Keywords:predictivecontrol;errorcorrection;neuralnetwork;nonlinearsystem责任编辑:张秀兰。
WiFi技术文献综述摘要：随着网络技术和手机用户对无线通讯的需求与日俱增，出现了越来越多的无线通讯协议，直接带动了全球WiFi设备呈现迅猛增长的态势，WiFi在互联网时代作为一种短距离无线传输的技术应用，以其独有的优势备受各界的关注。
在WiFi的发展中有许多技术用于提升WiFi性能以及解决传输中出现的影响WiFI性能的问题，这些问题在实际的WLAN场景下导致传输性能的下降。
本文通过阅读关于WiFi协议与技术文献，分析了一些解决WiFi 应用性能的技术，其中包括基于TDMA思想的h-MAC，RT-WiFi；对传统IEEE 802.11 DCF 优化的A-DCF以及基于通过控制滑动窗口大小来调控接入概率来弥补TCP在WiFi应用中公平性问题的EF-TCP。
然后着重研究与论述了基于竞争方式MAC层协议的核心实现机制和特点，最后基于这些特点对WiFi性能技术的研究策略和发展趋势进行了展望。
关键字：WiFi；无线局域网；h-MAC；RT-WiFi；A-DCF；EF-TCP1.引言近年来，无线网络迅速发展，在众多无线标准中，无线局域网因为其较低的构建和运营成本、较高的传输速率、较远的传输距离等优点获得了人们的青睐。
随着笔记本电脑、Wi-Fi 手机、PDA等移动终端的广泛使用，用户对无线接入的需求日渐突出。
目前，Wi-Fi以其灵活性和可移动性，在家庭和小型办公网络用户对移动连接的需求是越来越大。
在这几年，无线AP的数量呈迅猛的增长，无线网络的方便与高效使其能够得到迅速的普及。
除了在一些公共地方有AP之外，国外已经有先例以无线标准来建设城域网，因此，Wi-Fi的无线地位将会日益牢固。
美国、日本等发达国家是目前Wi-Fi用户最多的地区。
廉价的Wi-Fi，必将得到更加广泛的应用。
WiFi是由AP ( Access Point ) 和无线网卡组成的无线网络。
AP一般称为网络桥接器或接入点, 它是当作传统的有线局域网络与无线局域网络之间的桥梁, 因此任何一台装有无线网卡的PC均可透过AP去分享有线局域网络甚至广域网络的资源。
路由器分布式控制技术研究综述摘要：本文讨论了传统的路由器集中控制技术中存在的缺陷和问题，围绕路由器分布式控制技术的若干个关键技术和问题进行了深入分析。
关键词：路由器分布式控制随着我国信息化建设进程的加快，网络规模和网络流量呈现出飞速扩展状态。
为满足网络规模和网络流量的需求，路由器硬件在不断的改进和升级，但是仅仅依靠硬件更新来提升路由器的数据传输流量已经无法满足互联网快速发展的需求。
因此，可以考虑对路由器进行分布式互连架构来提升其转发性能。
但是该架构方式只有一个控制单元对控制任务进行处理，因而很容易因数据平面规模扩大使得数据转发流量超过控制单元的负载。
为解决该问题，可以采用分布式控制方案对路由器进行架构。
1 路由器分布式控制平面路由器分布式控制平面主要存在两种结构，分别为集群路由结构和转发与控制分离结构。
1.1 集群路由结构集群路由器是有多个可独立运行的、具有路由功能的节点使用某种通信方式连接而成的单映像路由器。
其根据节点类型不同，又分为集群路由器和软件集群路由器。
其中，软件集群路由器以单台路由器为核心，在其外围连接多个具有路由处理功能的计算机组成的。
该种结构可以按照使用需求向集群路由器中添加处理节点，软件集群路由器中的多个路由处理计算机同时进行数据处理，分布式控制各单元间的负载分担，进而提高和扩展路由器的性能。
该分布式控制平面在处理节点方面具有非常灵活的扩展性能，部署方式简单，但是无法支持数据平面层的扩展，一旦某一节点失效则会导致整个路由系统崩溃，系统可靠性较低。
集群路由器则是由具有路由和转发功能的多个节点组成，不同节点之间同时分担数据负载，并行处理不同协议的分组，在数据平面的可扩展性好。
但是由于集群路由器各节点均由路由器组成，故控制单元与转发单元之间的连接均通过专用协议和接口实现，若更改节点属性则需要对相应的路由器进行修改，这就增大了系统的复杂度，在部署和维护方面成本较高。
1.2 转发与控制分离体系结构该结构允许在单台路由器的控制平面设置多个控制单元，每个控制单元之间由内部高速网络进行互联，控制单元与转发单元之间的连接方式为预先配置或者动态联合。
科技资讯科技资讯S I N &T N OLOGY I N FORM TI ON 2008N O.23SCI ENC E &TEC HNO LO GY I N FO RM A TI ON 信息技术1网络安全现状及技术分析作为信息安全的重要内容,安全协议的形式化方法分析始于20世纪80年代初,目前主要有基于状态机、模态逻辑和代数工具的3种分析方法,但仍有局限性和漏洞,处于发展提高阶段。
黑客入侵事件不断发生,网络安全[1]监控管理理论和机制的研究就备受重视。
黑客入侵手段的研究分析、系统脆弱性检测技术、报警技术、信息内容分级标识机制、智能化信息内容分析等研究成果己经成为众多安全工具软件的基础。
网络系统中存在着许多设计缺陷和情报机构有意埋伏的安全陷辨。
在CPU 芯片中,利用现有技术条件,可以植入无线发射接收功能,在操作系统、数据库管理系统或应用程序中能够预先安置从事情报收集、受控激发的破坏程序。
这些功能,可以接收特殊病毒;接收来自网络或空间的指令来触发C PU 的自杀功能;搜集和发送敏感信息;通过特殊指令在加密操作中将部分明文隐藏在网络协议层中传输等。
而且,通过惟一识别CPU 的序列号,可以主动、准确地识别、跟踪或攻击一个使用该芯片的计算机系统,根据预先的设定收集敏感信息或进行定向破坏。
信息安全关键技术的公开密钥密码体制克服了网络信息系统密钥管理的困难,同时解决了数字签名间题,并可用于身份认证,各种密码算法面临着新的密码体制,如量子密码、D N A 密码、混浊理论等的挑战。
基于具体产品的增强安全功能的成果,很难保证没有漏洞。
2网络不安全的主要因素计算机网络安全的脆弱性是伴随计算机网络一同产生的,在网络建设中,网络特性决定了不可能无条件、无限制地提高其安全性能。
要使网络方便快捷,又要保证网络安全,而网络安全只能在“两难选择”所允许的范围中寻找支撑点,可以说任何一个计算机网络都不是绝对安全的。
网络控制系统研究综述摘要本文介绍了控制系统的研究发展现状，网络控制系统出现的背景和研究内容，从网络和控制两个角度对网络控制系统进行了讨论。
分析了控制网络信息流传输的若干问题，以及网络控制系统的建模与控制器设计、可靠性和安全性等问题，在分析现状的同时探讨了网络控制系统的一些发展方向。
关键词：网络控制系统；时延分析；安全性；可靠性AbstractThe paper introduces the development status of research control system, network control system, the background and content, from two angles of network and co ntrol network control system is discussed. The control network traffic analysis, and some problems of transmission network control system modeling and controller design, reliability and security issues, such as in the analysis of the current situation and discusses some of the network control system development direction.Key words:Network control system;Delay analysis;Safety;Reliability1 概述控制网络体系结构的变革对包括控制理论在内的许多研究领域都将产生重大影响，对传统控制理论相应地提出了新的挑战，对控制系统的分析也将从“系统与控制”的概念转变到“网络和控制”的范畴，分析的对象不再是孤立的控制过程，而是整个网络控制系统的稳定性分析、调度管理和鲁棒性问题等。
由于连接到通讯介质上的每个设备都是一个信息源，而通讯介质是分时复用的，待发送信息只有等到网络空闲时才能被发送出去，这就不可避免地导致了传输延迟的发生。
每个控制网络可以有多个控制系统构成，其中有一部分是闭环控制系统。
由于这些闭环控制系统是通过网络形成闭环的，因此称之为闭环网络控制系统。
由于信息传输延迟的存在，相应地就把延迟环节引入了这些系统。
网络控制系统的结构框图如图1所示。
1sc τ…scr τ为传感器到控制器的传输延迟， 1ca τ…cam τ为控制器到执行器的传输延迟。
进入21世纪，信息技术的飞速发展实现了将控制系统由传统的封闭集中体系向开放的分布式体系发展，随之应运而生了，网络控制系统NCS （Networked Control Systems ）又称为通信与控制系统ICCS （Integrated Communication and Control Systems ）。
它是一种全分布式、网络化实时反馈控制系统，将某个区域现场传感器、控制器及执行器和通信网络集合，用以提供设备之间的数据传输，使该区域内不同地点的用户实现资源共享和协调操作[1,2]。
网络化控制是复杂大系统控制和远程控制系统的客观需求，传感器、执行机构和驱动装置等现场设备的智能化。
为通信网络在控制系统更深层次的应用提供了必要的物质基础，而高速以太网和现场总线技术的发展和成熟解决了网络控制系统自身的可靠性和开放性问题,使之成为现实。
NCS广泛地应用于自动化制造工厂、电厂、机器人、高级的航天航空器和电气化运输工具[3,4]。
与其它相关的计算机控制系统(如直接数字控制系统，分布式控制系统和现场总线控制系统)不同的是，NCS中所有的实时性传感器和控制数据是通过网络传输的，网络节点必须紧密协调工作来完成控制任务。
而直接数字控制系统中计算机是直接对过程进行控制的，分布式控制系统中许多的实时性控制任务(传感,计算,执行)是在各自的模块中完成的，仅仅开/关信号、监控信号、警报信号等这类信息是通过网络来传输的。
从网络结构上来说，NCS和现场总线控制系统并没有区别，都是总线网络，多个节点共享信道传输实时或者非实时信息.但是从定义上看，FCS着重点是节点之间实时或者非实时信息的传输和共享，而NCS强调在串行实时总线上建立闭环控制回路。
从这一点上看，NCS 对于网络的实时性要求更高，网络结构也更加分散化。
NCS中的控制网络是一个大的范畴，包括了现场总线，但是不局限于现场总线，还可以包括工业以太网、无线网络等多种形式，这也是与网络技术的发展相适应的。
2.1NCS的数学模型如图3所示，被控对象为连续时间对象，而控制器为一数字类型的控制器，控制器输出通过一执行器施加到被控对象上。
sc τ表示传感器到控制器的传输延迟，ca τ表示控制器到执行器的传输延迟， c τ为控制量的计算时间，可将其归并入ca τ。
节点的工作方式可以分为时间驱动(Time Driven)和事件驱动(Event Driven)[31]两种。
所谓时间驱动的工作方式，是指节点在采样时钟的作用下定时采样信号，然后进行发送。
而事件驱动是指信号一到达节点，节点立即被激活，对数据进行处理和发送，即“信号到达”这个事件“驱动”节点执行相应的动作，因此叫事件驱动的工作方式。
设NCS 中被控对象的连续状态方程为⎩⎨⎧=-+=)()()()()(t Cx t y t Bu t Ax t xτ根据节点不同的工作方式，可以得到不同的系统离散时间模型。
吴迎年[5]等根据结点的不同的工作方式，总结了NCS的多种离散化模型。
由于网络延时的存在，使得网络控制系统的分析变得复杂，尤其是当时延为随机情况时，此时系统为一随机不确定系统，正是由于网络传输时间这种随机时变性和不确定性更增加了NCS分析和设计的难度。
2.2NCS中的状态估计在NCS中，进行状态估计的主要作用是利用带延迟的部分状态信息计算系统的全状态，这方面的估计问题一般通过最优状态估计来完成。
另外，由于NCS 中信息是通过网络传送的，而网络的可用带宽是有限的。
用状态估计得到系统的状态，可以减少网络通信量，减小网络时延。
对于带有时间戳的数据，网络时延可以在线得到，此时的状态估计可以用标准的卡尔曼滤波器来实现。
如果延时本身满足Markov模型，那么就可将此问题作为隐式Markov模型状态估计问题来解决。
Goodwin讨论了传感器的测量值通过网络传输到控制器的情况，测量值不带时间戳，即延时未知的情形。
其中的方法是基于变量的残差和总最小二乘法的。
为了得到递推算法，采用了水平后退法，即当考虑k时刻的值时，已经得到了[k-N，k]时间周期的一系列数据，并用这个数据块进行状态估计。
将问题归结为结构化总最小二乘(STLS)问题，并用带约束的总最小二乘(CTLS)来解决STLS最优问题，即将问题转化为非线性无约束问题。
最后给出了该方法与Kalman方法的仿真结果比较，说明了该方法的优越性[6]。
Beldiman对基于静态和TOD的网络控制系统设计了两种状态预估器(开环结构和闭环结构)，对由延时导致的状态滞后进行估计，以提高系统的性能[7]。
2.3NCS控制器设计方法虽然对网络时延系统的分析与建模的研究不断发展，由于在NCS中的分布式时间延迟，使得现有的方法不能直接应用于NCS。
解决网络延时问题有两种途径:一是在不考虑延时的情况下设计控制器，应用调度算法设法保证信息的实时性，确保系统的稳定和性能这时网络调度问题;二是在考虑网络延时的影响，设计控制算法，使其在延时存在甚至不确定的情况下能正常工作，并保证一定的性能指标，即这里讨论的控制器设计问题。
NCS控制器设计的难点在于：①如何减少时延及其不确定性和设计延时预报算法；②对分布式时延的有效补偿问题；③对被控对象存在不确定性或非线性时，如何处理；④对于MIMO系统，如何对传输时延建模和设计控制器。
目前，针对网络控制系统的控制器设计方法主要有：1）确定性控制设计方法应用确定性设计方法应首先将随机时变延迟转化为固定延迟，然后针对转化后的固定延迟设计控制器。
Rogelio针对模型(时间驱动)提出了基于观测器的分布延迟补偿器[8]。
在该补偿器算法中，首先在控制器和执行器接收端设置接收缓冲区，将时变的传输延迟转化为固定的传输延迟。
其优点是可用已有的确定性系统设计和分析方法对闭环网络控制系统进行设计和分析，不受延迟特性变化的影响;其缺点是将所有延迟都转化为最大延迟，人为地将传输延迟扩大化，因此降低了系统应有的控制性能。
文献[9，10]中已经证明，对于具有随机传输延迟的闭环控制系统，若按最大传输延迟来设计控制器，则所得闭环控制系统不一定稳定。
2）随机控制设计方法应用随机控制的方法关键在于对网络延时的合理建模和估计，将网络延时作为系统中的随机变量或随机过程，设计随机最优控制律。
Ray对随机时变分布延迟下的输出反馈时延网络系统进行研究，基于最小方差滤波器和动态规划原理，得到了具有随机延迟补偿的LQR控制器，但不满足确定性等价原理[11]。
于之训对第k步传感器到控制器之间的延迟未知的情况下，控制器是事件驱动的，在sck基于动态规划和最优控制理论，得出了使系统均方指数稳定的控制律[12]。
Nilsson利用模型(3)，即传感器采用时间驱动，控制器和执行器采用事件驱动的工作方式。
假设时延的概率分布已知，且不超过一个采样周期，并利用Markov链对时延的概率分布进行了建模，给出了闭环网络系统的LQG随机最优控制律，该控制律满足确定性等价原理[13]。
2.4NCS的可靠性与安全性与传统的控制系统相比，NCS由于系统结构简化，设备与连线减少，提高了可靠性。
但NCS通常为一总线设计方案，所有设备挂于总线上，如果主干网受损，应考虑其对策。
而且网络数据传输过程中的误码现象也应加以考虑。
各种设备的联网为控制系统的安全提出了新的挑战，既包括设备的安全性又包括信息的安全性。
尤其是基于Internet工业控制以太网的出现和远程控制的应用，更需要在这方面进行研究。
随着控制系统向大型化和网络化发展，网络控制系统的故障诊断和容错控制已成为一个新的研究课题。
在工程实现中，NCS对安全性和可靠性要求很高，如果某些微小故障不能及时排出，将造成巨大的灾难和损失。
文献[14]中针对NCS 的随机延时，提出了延时估计和在线获得延时数据的方法，建立了控制对象的数学模型，利用z变换来处理延时，由等价关系产生残差，通过参数设计解耦干扰向量，从而对NCS的控制故障进行了诊断，并给出仿真结果。
3 总结与展望网络控制系统作为一种新的研究课题，从提出至今已经取得了一定的成果，本文对此作了归纳和总结。
