随机最优非线性网络控制系统设计

  • 格式:pdf
  • 大小:237.62 KB
  • 文档页数:5

第l0卷第4期 2006年7月 电 机 与 控 制 学 报 

ELECTRrC MACHINES AND CONTROL Vo1.10 No.4 

July 2006 

随机最优非线性网络控制系统设计 常玲芳, 李惠光 (燕山大学电气工程学院,河北秦皇岛066004) 

摘 要:针对网络控制非线性系统中存在的不确定时延,利用Delta算子方法,研究了基于T—s模 糊模型的随机最优网络控制问题。采用T.S模型模糊动态逼近非线性系统,将非线性模型模糊化 为局部线性模型,设计了本质为非线性的具有时延补偿功能的状态反馈控制器,并进行了稳定性分 析,并仿真。结果表明,所提出的建模方法是可行的,实质为非线性的状态反馈的控制器能够有效 地补偿时延对系统性能的影响,且补偿效果好。 关键词:非线性系统;Delta算子;T—S模糊模型;网络控制;随机最优控制 中图分类号:TP393 文献标识码:A 文章编号:1007—449X(2006)04—0435—05 

Design of the stochastic optimal nonlinear networked control system CHANG Ling—fang,LI Hui—guang (College of Electrical Engineering,Yanshan University,Qinhuangdao 066004,China) 

Abstract:Considering the uncertain delay of networked control nonlinear systems,the problem of the sto— chastic optimal networked control is studied using Delta operator method based on T—S fuzzy mode1.The nonlinear plant is fuzzied into the local linear models using T—S model which approach the nonlinear plant.The nonlinear state—feedback controller with time—delay compensation is designed,and the stability of t}le system iS analyzed.The result of t}le simulation experiment shows that the T—S model of t}le nonlin— ear plant is feasible,the controller which is nonlinear in nature can compensate the bad effect of the time— delay,and the compensation is effective. Key words:nonlinear systems;Delta operator;T—S fuzzy model;networked control;stochasfid optimal control 

1 引 言 在闭环网络控制系统的分析与设计中,一个富 有挑战性的难题是:当被控对象为非线性对象时,怎 样设计网络控制器。文献[1]对非线性网络控制进 行了渐近性分析研究,但理论还远远不成熟。鉴于 目前关于闭环网络控制系统的研究成果大都是基于 线性被控对象的,研究成果比较成熟。因此,可以将 线性系统理论与T—s模糊理论结合来解决非线性 系统问题,为非线性系统的网络控制提供了有力的 途径。它是一种本质非线性模型,适用于表达复杂 系统的动态特性。网络的引入,使得控制系统的分 析与设计变得复杂,最明显的是由于信息传输过程 中时延的存在对系统稳定性和性能的影响,传输时 延是随机的,且常常大于一个采样周期。由于网络 传输的不可靠性,以及通信带宽的限制及数据包容 量的限制等,网络控制系统中可能存在数据包丢失 现象。针对闭环网络控制系统,有两种设计方法:确 定性设计方法和随机控制设计方法。在随机控制设 计方法中,文献[3]中对随机时变分布延迟下的输 

收稿日期:2005—06—13;修订日期:2006—04—19 作者简介:常玲芳(1972一),女,博士研究生,研究方向为智能控制理论及应用、网络控制; 李惠光(1947一),男,教授、博士生导师,研究方向为采样控制理论、视觉伺服机器人。 . 

维普资讯 http://www.cqvip.com 436 电机与控制学报 第1O卷 出反馈时延网络进行了研究,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LQG 控制器。利用动态规划和最优控制原理,文献[4— 5]得到了有限时间随机最优状态反馈控制律,该方 法基于被控对象的一个增广状态空间模型。以上几 种随机控制策略,信息的最大传输延迟都限定为一 个采样周期,但在实际网络控制系统中,传输延迟可 能会大于一个采样周期。当传输延迟大于一个采样 周期时,Lucy and Ray提出了在控制器和执行器端 分别设计接收缓冲区,把随机延迟转化成了固定延 迟,相应地,原有随机时变系统也就被转化成了一个 确定系统。将所有的时延都转化成了最大肘延,相 应于人为地将时延进行了扩大化,因此,降低了系统 应有的控制性能。针对上述情况,需要对事件驱动 的多率采样理论进行研究。 本文采用一种新的控制模式l6】:传感器节点和 执行器节点采用时间驱动,而控制器节点采用事件 驱动的工作方式。同时在传感器和控制器节点发送 端设置发送缓冲区,以确保信息按产生的时间先后 依次到达接收端。采用这种控制模式,得到了具有 随机时变传输延迟的线性网络控制系统的数学模 型。利用Markov链理论和随机最优控制理论,得到 满足给定二次型性能指标的最优控制律。利用文献 [6]的思想,对仿射非线性系统进行T—S模糊建 模;在文献[7]的基础上,得出基于Delta算子的线 性系统随机最优网络控制器,并进行了稳定性分析; 利用线性子系统的结论对仿射非线性系统进行控制 器的设计。 

2 T-S模糊建模 考虑如下仿射非线性系统: X=F(X, )= )+g( )U (1) 其中X∈R 是状态变量,U∈R 是控制变量, X)、g(X)分别是状态变量的非线性函数。假设 系统(1)的T.S模糊模型第i条规则描述为 如果 ( )是 Z2( )是 ,…, ( )是 ,则 

(£)=A (t)+ U(t) y(f)=CiX( ) i=1,2,…,Ⅳ 式中: 是模糊集合;Z(t)=[ (t),z2(t),…, (f)]T是模糊前件变量; ∈R 是状态变量;U(t) ∈R 是系统的控制输人;A 、 i、C 分别是系统矩 阵、输人矩阵和输出矩阵;Ⅳ是模糊推理规则数。 对于给定的数对(X(t),U(t)),由单点模糊 化、乘积推理和平均加权解模糊,可得模糊系统的整 

个状态方程为 X=∑ 。(z(£))[A (£)+B (£)] 

y(£)=∑ (z(£))c。 (£) 舯 (z(£)): , (z(£)): (弓(£)), ∑ (z(£)) 

Fo(zj(t))是zj(t)关于模糊集 的隶属函数, 

i(z(£))≥0,∑ i(z(£))>0,0≤ (z(£))≤I, 

∑ (z(£))=1,i:1,2,…,Ⅳ。 该模糊建模方法的本质在于:一个整体非线性 动力学模型可以看成是多个局部线性模型的模糊逼 近。如果选择足够多的模糊规则,模糊建模可达任 意精确度,但随着模糊规则的增加,模糊控制器将变 复杂,给控制系统的稳定性分析也带来很大的难度, 因此,必须在复杂性和准确性之间做出折中 引。 

3 Delta域随机线性最优网络控制器 的设计 

本文研究的时延网络控制系统的控制模式为: 传感器节点和执行器节点采用时间驱动的工作方 式,而控制器节点采用事件驱动的工作方式。同时 在传感器的控制器节点发送端设置发送缓冲区,以 确保信息按产生的时间先后依次到达接收端。采用 此控制模式,系统中的信息实际是按下述方式传送 的:首先在采样时刻,传感器采集信号,并将此信号 发送;此信号经网络时延后到达控制器,启动控制器 计算相应的控制量;控制量以“接力”的方式经网络 时延后送到执行器,但此时并不启动执行器,只有当 采样时刻到来时才启动执行器…。 3.1子系统控制器设计 定理1 对于如下基于Delta算子的线性网络 系统 ’一引: 6Z^=A6Z^+ (2) 其中・:A 、 为随机矩阵; 为控制输人。取二次 Ⅳ一1 型指标J=E{Z ̄SZ +∑[Z TQ Z + TR ]), 

则最优控制律: =一 Z^ (3) L =fir^+E{ P^+ B6}] E{ + (TA6+J)} P^=Q^+E{(TA6+J)[ +1一 +1B6 X [ +E{ T + B }] + ](TA +J)} 

维普资讯 http://www.cqvip.com 第4期 随机最优非线性网络控制系统设计 437 边界条件为P =S,其中Q 、 为半正定对称阵, 为正定对称阵,k=1,2,…,N一1。 证明 式(2)可改写为Z…=(TA +J)z + 

6 。令A =TA6+J,B =TB ,则Bellman方程 为 v(z,k)=min{z TQ z + 足 c +E{ (z,k+1)}} 

假设 (Z,k)=z T Z (在后面会找到此假设的依 据),则 v(z,k)=rain{z [Q +E{A TP +1A }]z + 

[足 +E{ TP + B }] + 2 E{ T + A }z }=minW(4) 

由极值存在的必要条件可得 =一[R +E{ : + B }]I1E{ + A }Z = 

一 z (5) 其中L =[足 +E{ :P + B }] E{ :P + A },将 式(5)代人式(4),得 v(z,k)= [ +E{A: + A }一E{A T + B }厶] (6) 从式(6)可以看出,原假设成立,且 P =Q +E{A TP +1A }一E{A TP +1B } 将A =TA +J,B =TB 和 分别代人上式和式 (5),得 和 ,且P =S。 定理2 对于如下基于Delta算子的线性网络 系统 引: 6Zk=A6Zk+B 6U k 其中A 、 为随机矩阵, 为控制输入,取二次型 

,n一1 , 指标J=E{∑[z TQ Z + 足 ]},则 

=一L Z (7) L =[R+E{绉 PsB }] E{ P8(TA +j)} E{[A + A6+TA ̄PsA6一(TA +J)PsB6× [足+E{TB ̄PsB }] ]( +J)}=一Q 其中Q、 为半正定对称阵,足为正定对称阵,k=1, 2.….Ⅳ一1。 证明令limP =P,limRI=R,limQ =Q,P8=