D0I:10.13374.issn1001-053x.2012.01.001 第34卷第1期 北京科技大学学报 Vol.34 No.1 2012年1月 Journal of University of Science and Technology Beijing Jan.2012 基于特征模型和模糊动态特征模型自适应控制方法的 网络控制系统 邓建球12)四李海军2) 胡松3)罗熊》 1)清华大学计算机科学与技术系，北京1000842)海军航空工程学院，烟台264001 3)北京科技大学计算机与通信工程学院，北京100083 ☒通信作者，E-mail:djq06@mails..tsinghua.edu.cn 摘要针对网络控制系统模型参数选取困难的问题，利用特征模型和动态特征模型的自适应控制方法在实际工程中建模 简单、控制精度较高的特点，以直流电机的网络控制系统为例，研究了具有时延和数据丢包网络情况下的网络控制系统，提出 了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明：丢包率对特征模型控制器系 统的影响较大，而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制 性能。 关键词网络控制系统：自适应控制：特征模型：模糊控制：直流电机 分类号TP273 Networked control systems based on the adaptive control methods of characteris- tic modeling and fuzzy dynamic characteristic modeling DENG Jian=-ta☒，山Haijun2,HU Song》,LU0Xong》 1)Department of Computer Science and Technology,Tsinghua University,Beijing 100084,China 2)Naval Aeronautical Engincering Institute,Yantai 264001,China 3)School of Computer and Communication Engineering.University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:dj6@mails.tsinghua.edu.cn ABSTRACT It is very difficult to select appropriate networked control system parameters.The adaptive control methods of fuzzy dy- namic characteristic modeling and characteristic modeling are easy to be used in engineering field,and they can ensure high precision control according to practical demands.The networked control performances of a DC motor control system with different time delays and packet drop ratios were researched,and the adaptive control methods based on characteristic modeling and fuzzy dynamic characteristic modeling were proposed for the control system.Simulation results show that packet drop ratio has a greater influence on the networked control system with characteristic modeling but time delay has a greater influence on the networked control system with fuzzy dynamic characteristic modeling.The proposed methods are effective to the networked control system with time delay and packet drop ratio. KEY WORDS networked control systems (NCSs);adaptive control;characteristic modeling:fuzzy control:DC motors 网络控制系统(networked control systems, 质量为目标：一个是通过网络对系统的控制，是源于 NCSs)是指传感器、控制器和执行器机构通过通信 自动控制技术以满足系统稳定性及其动态性能为目 网络形成闭环的控制系统.也就是说，在NCSs中， 标回 控制部件间可通过共享通信网络进行信息（对象输 NCS的研究起始于20世纪80年代末，90年代 出、参考输入和控制器输出等)交换0.NCSs研究 后迅速发展，是一门新兴技术并且正成为现代工业 主要分为两个方面：一个对网络的控制，是源于计算 生产的主要发展方向.它具有信息资源共享、降低 机网络技术以提高多媒体信息传输和远程通信服务 系统成本、使用灵活和易于维护等优点，但同时网络 收稿日期：201104-25 基金项目：国家自然科学基金资助项目(61004021：61074066：61174103)：中央高校基本科研业务费专项资金资助项目(FRF-TP-11-002B)
第 34 卷 第 1 期 2012 年 1 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 1 Jan． 2012 基于特征模型和模糊动态特征模型自适应控制方法的 网络控制系统 邓建球1，2) 李海军2 ) 胡 松3 ) 罗 熊3) 1) 清华大学计算机科学与技术系，北京 100084 2) 海军航空工程学院，烟台 264001 3) 北京科技大学计算机与通信工程学院，北京 100083 通信作者，E-mail: djq06@ mails． tsinghua． edu． cn 摘 要 针对网络控制系统模型参数选取困难的问题，利用特征模型和动态特征模型的自适应控制方法在实际工程中建模 简单、控制精度较高的特点，以直流电机的网络控制系统为例，研究了具有时延和数据丢包网络情况下的网络控制系统，提出 了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法． 仿真结果表明: 丢包率对特征模型控制器系 统的影响较大，而网络延时对模糊动态特征模型控制器系统影响较大． 所提两种方法均可有效保证网络控制系统的控制 性能． 关键词 网络控制系统; 自适应控制; 特征模型; 模糊控制; 直流电机 分类号 TP273 Networked control systems based on the adaptive control methods of characteristic modeling and fuzzy dynamic characteristic modeling DENG Jian-qiu1，2) ，LI Hai-jun2) ，HU Song3) ，LUO Xiong3) 1) Department of Computer Science and Technology，Tsinghua University，Beijing 100084，China 2) Naval Aeronautical Engineering Institute，Yantai 264001，China 3) School of Computer and Communication Engineering，University of Science and Technology Beijing，Beijing 100083，China Corresponding author，E-mail: djq06@ mails． tsinghua． edu． cn ABSTRACT It is very difficult to select appropriate networked control system parameters． The adaptive control methods of fuzzy dynamic characteristic modeling and characteristic modeling are easy to be used in engineering field，and they can ensure high precision control according to practical demands． The networked control performances of a DC motor control system with different time delays and packet drop ratios were researched，and the adaptive control methods based on characteristic modeling and fuzzy dynamic characteristic modeling were proposed for the control system． Simulation results show that packet drop ratio has a greater influence on the networked control system with characteristic modeling but time delay has a greater influence on the networked control system with fuzzy dynamic characteristic modeling． The proposed methods are effective to the networked control system with time delay and packet drop ratio． KEY WORDS networked control systems ( NCSs) ; adaptive control; characteristic modeling; fuzzy control; DC motors 收稿日期: 2011--04--25 基金项目: 国家自然科学基金资助项目( 61004021; 61074066; 61174103) ; 中央高校基本科研业务费专项资金资助项目( FRF--TP--11--002B) 网 络 控 制 系 统 ( networked control systems， NCSs) 是指传感器、控制器和执行器机构通过通信 网络形成闭环的控制系统． 也就是说，在 NCSs 中， 控制部件间可通过共享通信网络进行信息( 对象输 出、参考输入和控制器输出等) 交换［1］． NCSs 研究 主要分为两个方面: 一个对网络的控制，是源于计算 机网络技术以提高多媒体信息传输和远程通信服务 质量为目标; 一个是通过网络对系统的控制，是源于 自动控制技术以满足系统稳定性及其动态性能为目 标［2］． NCS 的研究起始于 20 世纪 80 年代末，90 年代 后迅速发展，是一门新兴技术并且正成为现代工业 生产的主要发展方向． 它具有信息资源共享、降低 系统成本、使用灵活和易于维护等优点，但同时网络 DOI:10.13374/j.issn1001-053x.2012.01.001
2 北京科技大学学报 第34卷 传输也会产生时间延迟、数据包丢失等问题回，这 y(k+1)= 也是建立NCS必须考虑的问题.也正因为存在这些 f()y(k)+5(k)y(k-1)+g(k)u(k).(2) 问题，又使其成为了研究的热点-).NCS的迅猛发 本文主要应用了黄金分割控制器山 展，使得各种控制方法不断成功应用到这一领域，也 促进了各种控制方法在应用领域的不断改进®-) u.()=-1 L()(k)+L2(k)y(k-1) 8o()+7(k) 虽然目前主要的网络控制方法已取得了不少的 (3) 控制效果，但综合考虑丢包和延时关键性能指标的 式中：(k)=y()-y(k),L,=0.382,L2=0.618; 控制算法仍比较缺乏，控制效能尚有进一步提升的 n()为一个很小的正数：y,(k)为期望输出：f(k)、 空间. f(k)和(k)分别为(k)、5(k)和go(k)的估计 本文将特征模型和模糊特征模型这两种智能自 值.值得指出的是，在控制器(3)中引入调节参数 适应控制方法首次应用到NCS中，通过Simulink的 a1,其中a1∈(01].当网络不存在时延和丢包 Truetime工具箱建立仿真模型，主要分析时延和丢 时，4，取值为1：当网络存在时延和丢包时，a,取值 包对闭环网络控制系统的影响. 为a,∈(01)，且a1的取值随网络QoS(quality of 1问题描述 service,服务质量)降低而降低.不难看出，当网络 不存在时延和丢包时，所提控制器将简化为传统的 NCS主要由控制对象、传感器、执行器、控制器 特征模型自适应控制方法；当网络存在时延和丢包 和计算机网络五个部分组成.其结构示意图如图1 时，控制器通过调节α1来补偿时延和丢包对控制系 所示. 统性能的影响 零阶保持器 被控对象一传感器一采样开关 方(k)()和g()的辨识则是通过递推最小 二乘或投影辨识算法. 网铬时延t 数字控制器 网路时延t 「中(k)=(,y(k-1),u(k)], (4) 图1闭环网络控制系统示意图 0(k)=匠(k),52(),8(A]. Fig.1 Structure of NCS 则 y(k+1)=b()0(k). (5) 2特征模型自适应控制方法 递推最小二乘法： P(k-1)b(k-1) 基于特征模型的全系数自适应控制理论和方法 最早是由吴宏鑫院士于20世纪80年代提出，经过 K()1+(P(-1(-1) 0(k)=0(k-1)+K(AG(k)- (6) 30余年的发展及应用，已经在非常多的领域，尤其 中(k-1)0(k-1)], 是航天领域取得了巨大的成功. P(k)=-K()b(A]P(k-1). 对于参数未知、高阶线性定常的线性系统和一 式中，P(O)选定为正定对角矩阵 类非线性系统，有时不能建立一个清晰的低阶模型， 递推投影算法)： 针对工程中时常遇到的这种困难，文献10们提出了 0(k)=0(k-1)+- a中(k-1) 特征建模新方法.所谓特征模型，就是结合被控对 +'(k-1)0(k-)65()- 象的动力学特征和控制性能要求进行建模：在同样 b(k-1)0(k-1)]. (7) 输入控制作用下，对象特征模型和实际被控对象在 式中，00. 输出上是等价的（即在动态过程中能保持在允许的 输出误差内），在稳定情况下输出是相等的. 3模糊动态特征模型自适应控制方法 特征模型控制器主要有维持跟踪控制器、黄金 模糊动态特征建模方法是对一般特征建模方法 分割控制器、逻辑微分控制器和逻辑积控制器 的推广，是在划分的模糊子空间中分别进行高效特 基于特征模型智能自适应控制器设计如下. 征建模，然后通过线性加权的方式有效整合，形成全 对于工程上常见的线性定常高阶对象G(s), 局系统模糊模型. G()=6+b-s-1+…+bs+山。 (1) 设模糊动态特征模型共有？条模糊规则，其基 s”+n-1s-l+…+a1s+a0 本形式如下： 可以用一个二阶的慢时变的差分方程来表示)，即 R={R)-1=
北 京 科 技 大 学 学 报 第 34 卷 传输也会产生时间延迟、数据包丢失等问题［3］，这 也是建立 NCS 必须考虑的问题． 也正因为存在这些 问题，又使其成为了研究的热点［4--7］． NCS 的迅猛发 展，使得各种控制方法不断成功应用到这一领域，也 促进了各种控制方法在应用领域的不断改进［8--9］． 虽然目前主要的网络控制方法已取得了不少的 控制效果，但综合考虑丢包和延时关键性能指标的 控制算法仍比较缺乏，控制效能尚有进一步提升的 空间． 本文将特征模型和模糊特征模型这两种智能自 适应控制方法首次应用到 NCS 中，通过 Simulink 的 Truetime 工具箱建立仿真模型，主要分析时延和丢 包对闭环网络控制系统的影响． 1 问题描述 NCS 主要由控制对象、传感器、执行器、控制器 和计算机网络五个部分组成． 其结构示意图如图 1 所示． 图 1 闭环网络控制系统示意图 Fig． 1 Structure of NCS 2 特征模型自适应控制方法 基于特征模型的全系数自适应控制理论和方法 最早是由吴宏鑫院士于 20 世纪 80 年代提出，经过 30 余年的发展及应用，已经在非常多的领域，尤其 是航天领域取得了巨大的成功． 对于参数未知、高阶线性定常的线性系统和一 类非线性系统，有时不能建立一个清晰的低阶模型， 针对工程中时常遇到的这种困难，文献［10］提出了 特征建模新方法． 所谓特征模型，就是结合被控对 象的动力学特征和控制性能要求进行建模; 在同样 输入控制作用下，对象特征模型和实际被控对象在 输出上是等价的( 即在动态过程中能保持在允许的 输出误差内) ，在稳定情况下输出是相等的． 特征模型控制器主要有维持跟踪控制器、黄金 分割控制器、逻辑微分控制器和逻辑积控制器． 基于特征模型智能自适应控制器设计如下． 对于工程上常见的线性定常高阶对象 G( s) ， G( s) = bm s m + bm － 1 s m － 1 + … + b1 s + b0 s n + an － 1 s n － 1 + … + a1 s + a0 ， ( 1) 可以用一个二阶的慢时变的差分方程来表示［11］，即 y( k + 1) = f1 ( k) y( k) + f2 ( k) y( k － 1) + g0 ( k) u( k) ． ( 2) 本文主要应用了黄金分割控制器［11］: ug ( k) = － α1 L1 ^ f1 ( k) y^( k) + L2 ^ f2 ( k) y( k － 1) g^ 0 ( k) + η( k) ． ( 3) 式中: y^( k) = y( k) － yr ( k) ，L1 = 0. 382，L2 = 0. 618; η( k) 为一个很小的正数; yr ( k) 为期望输出; ^ f1 ( k) 、 ^ f2 ( k) 和 g^ 0 ( k) 分别为 f1 ( k) 、f2 ( k) 和 g0 ( k) 的估计 值． 值得指出的是，在控制器( 3) 中引入调节参数 α1，其中 α1 ∈( 0 1］． 当网络不存在时延和丢包 时，α1 取值为 1; 当网络存在时延和丢包时，α1 取值 为 α1∈( 0 1) ，且 α1 的取值随网络 QoS ( quality of service，服务质量) 降低而降低． 不难看出，当网络 不存在时延和丢包时，所提控制器将简化为传统的 特征模型自适应控制方法; 当网络存在时延和丢包 时，控制器通过调节 α1 来补偿时延和丢包对控制系 统性能的影响． ^ f1 ( k) 、^ f2 ( k) 和 g^ 0 ( k) 的辨识则是通过递推最小 二乘或投影辨识算法． T ( k) =［y( k) ，y( k － 1) ，u( k) ］， θT ( k) =［^ f1 ( k) ，^ f2 ( k) ，g^ 0 { ( k) ］. ( 4) 则 y( k + 1) = T ( k) θ( k) ． ( 5) 递推最小二乘法［11］: K( k) = P( k － 1) ( k － 1) 1 + T ( k － 1) P( k － 1) ( k － 1) ， ^ θ( k) = ^ θ( k － 1) + K( k) ［y( k) － T ( k － 1) ^ θ( k － 1) ］， P( k) =［I － K( k) T ( k) ］P( k － 1) . ( 6) 式中，P( 0) 选定为正定对角矩阵． 递推投影算法［11］: θ( k) = θ( k － 1) + a( k － 1) c + T ( k － 1) θ( k － 1) ［y( k) － T ( k － 1) θ( k － 1) ］． ( 7) 式中，0 ＜ a ＜ 2，c ＞ 0． 3 模糊动态特征模型自适应控制方法 模糊动态特征建模方法是对一般特征建模方法 的推广，是在划分的模糊子空间中分别进行高效特 征建模，然后通过线性加权的方式有效整合，形成全 局系统模糊模型． 设模糊动态特征模型共有 r 条模糊规则，其基 本形式如下: R = { Ri } r i = 1 = ·2·
第1期 邓建球等：基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统 3 正a（)s9 3.1基于PDC方法的框架设计 通过PDC(parallel distributed compensation,并 THEN y (k+1)=f (k)y (k)f (k)y(k-1)+ 行分配补偿)方法框架，基于模糊动态特征模型的 g'(k)u (k) 控制系统的整体输出可表示为 (8) 式中：M(=1,2,…,p)为模糊集合；u∈R为控制 u(k)=∑a(k)(k)= 台 量：(k)(=1,2,,P)为可测变量f(k)5(k)和 a'(k) u2(k) (13) g(k)为慢时变系数；y(k)为状态量.后件即表示相 应模糊子集中对应的局部特征模型，这是一个二阶 ∑a() 慢时变差分方程 3.2采用起主导作用的子系统的局部控制 给出定义： 设 a(=I)= IF and (k)is M Ri= (14) THEN ui (k)=u:(K) Πep{-la()）+a,}:a,a,氵eR 式中，“(k)为起主导作用的模糊子系统的局部自 (9) 适应控制律，亦即满足下式： 同时，定义参数矩阵和回归向量： y(k+1)=0(k)(k); i=arg max a(k)= a'(k) ,i=1,2,…, 0(k)=(k),f分(k),g(),…, 三的 f片(k)5(k),g(月]T: (10) (15) b(k)=a(k)y(k),a(k)y(k-1), 整个模糊动态特征模型系统的控制输出为 a(k)u(),…,a(k)y(k), u()=u(k). (16) a(k)y(k-1),a()u(0]T 式中，0(k)、中(k)为由式(6)、式(7)的最小二乘法 4仿真条件及结果 或投影算法得出. 利用Truetime工具箱搭建控制系统网络模型 在模糊控制器的子规则中，给定期望输出 时，传感器采用时间驱动，控制器和执行器采用事件 y.(),可设计如下的局部自适应控制器： 驱动的工作方式. IF andξ(k)isM 以直流电动机系统为例进行仿真.被控直流电 R={R1 j=1 (11) THEN u (k)=u (k)] 机系统模型为G(s)=1000/(s2+s).通过网络对直 上式中涉及的控制律为特征建模中的黄金分割控 流电动机进行控制，电动机传出的信号也通过传感 制律： 器采集，转化为数字信号后，通过网络传输给控制 器，而后控制器经过计算，将计算后的数据通过网络 心=CW+n因（因W+ 2 传输给执行机构，执行机构产生相应的动作进行输 L(k)y(k-1)]. (12) 出.计算机的计算过程、网络的传输过程都需要花 式中：()=y(k)-y.(k),L1=0.382,L2=0.618; 费一定的时间，这便会对执行机构下一步的准确动 n(k)为一个很小的正数：y,(k)为期望输出：(k)、 作产生延时，在网络传输过程中也不可避免的产生 f方(k)和(k)分别为f(k)f(k)和(k)的估计 数据的丢失，这些都会对网络控制系统产生影响. 值.值得指出的是，为克服网络时延和丢包的影响， 图2为PD控制方法、特征模型控制方法和模 在控制器(11)中引入调节参数2，其中a1∈(0 糊动态特征模型控制方法三种方法的比较.这次仿 1].当网络不存在时延和丢包时，a2取值为1：当网 真的数据传输速率为80000bit·s1,任务调度算法 络存在时延和丢包时，2取值为a2∈(01)，且a2 为固定优先级调度算法(pioP),采样时间为 的取值随网络QoS降低而降低. 0.001s,传感器采样及数据传输到控制器总计延时 在式(11)的基础上，整个模糊动态特征模型系 t为0.001s,控制器计算与数据传输到执行机构延 统的控制规律可设计为两种形式. 时t为0.0015s,执行机构的数模转换计算延时1
第 1 期 邓建球等: 基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统 IF and p j = 1 ξj ( k) is Mij j THEN yi ( k + 1) = f i 1 ( k) y( k) + f i 2 ( k) y( k － 1) + gi ( k) u( k { } ) ． ( 8) 式中: Mij j ( j = 1，2，…，p) 为模糊集合; u∈R 为控制 量; ξj ( k) ( j = 1，2，…，p) 为可测变量; f i 1 ( k) 、f i 2 ( k) 和 gi ( k) 为慢时变系数; y( k) 为状态量． 后件即表示相 应模糊子集中对应的局部特征模型，这是一个二阶 慢时变差分方程． 给出定义: ai ( k) = ∏ p j = 1 Mij j ( ξj ( k) ) = ∏ p j = 1 exp{ － | α 槇i ·j ξj ( k) + β 槇ij | γ ～ ij} ; α 槇ij ，β 槇ij ，γ 槇ij ∈R． ( 9) 同时，定义参数矩阵和回归向量: y( k + 1) = θT ( k) ( k) ; θ( k) =［f 1 1 ( k) ，f 1 2 ( k) ，g1 ( k) ，…， f r 1 ( k) ，f r 2 ( k) ，gr ( k) ］T ; ( k) =［a1 ( k) y( k) ，a1 ( k) y( k － 1) ， a1 ( k) u( k) ，…，ar ( k) y( k) ， ar ( k) y( k － 1) ，ar ( k) u( k) ］T . ( 10) 式中，θ( k) 、( k) 为由式( 6) 、式( 7) 的最小二乘法 或投影算法得出． 在模糊 控 制 器 的 子 规 则 中，给 定 期 望 输 出 yr( k) ，可设计如下的局部自适应控制器: R = { Ri } r i = 1 = IF and p j = 1 ξj ( k) is Mij j THEN ui ( k) = ui g ( k { } ) ． ( 11) 上式中涉及的控制律为特征建模中的黄金分割控 制律: ui g ( k) = － α2 g^i 0 ( k) + η( k) ［L1 ^ f 1 i ( k) y^( k) + L2 ^ f i 2 ( k) y^( k － 1) ］． ( 12) 式中: y^( k) = y( k) － yr ( k) ，L1 = 0. 382，L2 = 0. 618; η( k) 为一个很小的正数; yr ( k) 为期望输出; ^ f1 ( k) 、 ^ f2 ( k) 和 g^ 0 ( k) 分别为 f1 ( k) 、f2 ( k) 和 g0 ( k) 的估计 值． 值得指出的是，为克服网络时延和丢包的影响， 在控制器( 11) 中引入调节参数 α2，其中 α1 ∈( 0 1］． 当网络不存在时延和丢包时，α2 取值为 1; 当网 络存在时延和丢包时，α2 取值为 α2∈( 0 1) ，且 α2 的取值随网络 QoS 降低而降低． 在式( 11) 的基础上，整个模糊动态特征模型系 统的控制规律可设计为两种形式． 3. 1 基于 PDC 方法的框架设计 通过 PDC ( parallel distributed compensation，并 行分配补偿) 方法框架，基于模糊动态特征模型的 控制系统的整体输出可表示为 u( k) = ∑ r i = 1 ai ( k)·ui ( k) = ∑ r i = 1 ( ai ( k) ∑ r i = 1 ai ( k ) ) ·ui ( k) ． ( 13) 3. 2 采用起主导作用的子系统的局部控制 设 R i ～ = IF and p j = 1 ξj ( k) is M i ～ j j THEN u i ～ ( k) = u i ～ g ( k { } ) ． ( 14) 式中，u i ～ ( k) 为起主导作用的模糊子系统的局部自 适应控制律，亦即满足下式: i ～ = arg max i { ai ( k) = ai ( k) ∑ r i = 1 ai ( k) ，i = 1，2，…，}r ． ( 15) 整个模糊动态特征模型系统的控制输出为 u( k) = u i ～ ( k) ． ( 16) 4 仿真条件及结果 利用 Truetime 工具箱搭建控制系统网络模型 时，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 ． 以直流电动机系统为例进行仿真． 被控直流电 机系统模型为 G( s) = 1000 /( s 2 + s) ． 通过网络对直 流电动机进行控制，电动机传出的信号也通过传感 器采集，转化为数字信号后，通过网络传输给控制 器，而后控制器经过计算，将计算后的数据通过网络 传输给执行机构，执行机构产生相应的动作进行输 出． 计算机的计算过程、网络的传输过程都需要花 费一定的时间，这便会对执行机构下一步的准确动 作产生延时，在网络传输过程中也不可避免的产生 数据的丢失，这些都会对网络控制系统产生影响． 图 2 为 PID 控制方法、特征模型控制方法和模 糊动态特征模型控制方法三种方法的比较． 这次仿 真的数据传输速率为 80 000 bit·s － 1 ，任务调度算法 为固定优先级调度算法 ( prioFP) ，采 样 时 间 为 0. 001 s，传感器采样及数据传输到控制器总计延时 tsc为 0. 001 s，控制器计算与数据传输到执行机构延 时 tca为 0. 001 5 s，执行机构的数模转换计算延时 ta ·3·
4 北京科技大学学报 第34卷 为0.01s,延时一共为0.0035s,数据包丢失率为0. 图5为不同延时情况下，基于特征模型控制方 1.5 法的性能仿真.仿真的数据传输速率为 80000bit·s-1,任务调度算法为固定优先级调度算 10 法(prioFP),采样时间为0.01s,传感器采样及数据 一PID 传输到控制器总计延时t为0.001s,控制器计算与 0.5 …特征建模 -~模糊动态特征建模 数据传输到执行机构延时tm为0.0015、0.0030、 0.0050和0.0070s,执行机构的数模转换计算延时 0.1 0.2 0.3 0405 t.为0.001s,网络总延时t.分别为0.0035、0.0050、 时间s 0.0070和0.0090s,数据包丢失率为0. 图2三种控制方法比较 Fig.2 Comparison of three control methods 1.4 图3为数据包丢失率不同的情况下，通过特征 三1.0 建模控制方法对被控对象进行控制的性能仿真.仿 50.8 -t=0.0035 0.6 …1=0.0050 真的数据传输速率为80000bit·s-',任务调度算法 0.4 ·---1=0.0070 为固定优先级调度算法（prioFP),采样时间为 --=0.0090 0.2 0.01s,传感器采样及数据传输到控制器总计延时 0.1 02 0.3 0.405 t为0.001s,控制器计算与数据传输到执行机构延 时间/s 时t为0.0015s,执行机构的数模转换计算延时t。 图5基于特征模型不同延时情形的性能仿真 Fig.5 Performance simulation based on the characteristic model with 为0.001s,延时一共为0.0035s,数据包丢失率分别 different time delays 为0、5%、10%和20%. 图6为不同延时情况下，基于模糊动态特征模 1.5 型控制方法的性能仿真，仿真条件同图5 1.0 1.5 丢包率0 05 …丢包率5% ·--丢包率10% 四1.0 一一丢包率20% -1=0.0035 …1=0.0050 0 0.203 04 05 0.5 ---1-0.0070 时向/s --t=0.0090 图3基于特征模型方法丢包率不同的性能仿真 0.1 0.2 0.3 0.4 0.5 Fig.3 Performance simulation based on the characteristic model with 时间s different packet drop ratios 图6基于模糊动态特征模型的不同延时情况的性能仿真 Fig.6 Performance simulation based on the fuzzy dynamic character- 图4为数据包丢失率不同的情况下，基于模糊 istic model with different time delays 动态特征模型控制方法对被控对象进行控制的性能 仿真，其余条件与图3相同. 5结论 1.5 通过Matlab/Simulink仿真平台，利用Truetime 工具箱，建立了基于特征模型和模糊动态特征模型 —丢包率0 的直流电机的网络控制系统仿真模型. e05 丢包率5% ,---丢包率10% 在只考虑一定延时的情况下，模糊动态特征模 一一丢包率20% 型有最好的跟踪效果；在存在一定延时，丢包率不断 0.1 0.20.3 04 0.5 增大或延时不断增大的情形下，基于特征模型和模 时问/ 糊动态特征模型的智能自适应控制器，超调量和调 图4基于模糊动态特征模型方法丢包率不同的性能仿真 节时间都不断增大，控制效果变差.当丢包率增大， Fig.4 Performance simulation based on the fuzzy dynamic character- 模糊动态特征模型控制器的仿真结果的调节时间和 istic model with different packet drop ratios 超调量相对小一些，效果好一些；特征模型自适应控
北 京 科 技 大 学 学 报 第 34 卷 为 0. 01 s，延时一共为 0. 003 5 s，数据包丢失率为 0． 图 2 三种控制方法比较 Fig． 2 Comparison of three control methods 图 3 为数据包丢失率不同的情况下，通过特征 建模控制方法对被控对象进行控制的性能仿真． 仿 真的数据传输速率为 80 000 bit·s － 1 ，任务调度算法 为固定优先级调度算法 ( prioFP) ，采 样 时 间 为 0. 01 s，传感器采样及数据传输到控制器总计延时 tsc为 0. 001 s，控制器计算与数据传输到执行机构延 时 tca为 0. 001 5 s，执行机构的数模转换计算延时 ta 为 0. 001 s，延时一共为 0. 0035 s，数据包丢失率分别 为 0、5% 、10% 和 20% ． 图 3 基于特征模型方法丢包率不同的性能仿真 Fig． 3 Performance simulation based on the characteristic model with different packet drop ratios 图 4 为数据包丢失率不同的情况下，基于模糊 动态特征模型控制方法对被控对象进行控制的性能 仿真，其余条件与图 3 相同． 图 4 基于模糊动态特征模型方法丢包率不同的性能仿真 Fig． 4 Performance simulation based on the fuzzy dynamic characteristic model with different packet drop ratios 图 5 为不同延时情况下，基于特征模型控制方 法 的 性 能 仿 真． 仿真的数据传输速率为 80 000 bit·s － 1 ，任务调度算法为固定优先级调度算 法( prioFP) ，采样时间为 0. 01 s，传感器采样及数据 传输到控制器总计延时 tsc为 0. 001 s，控制器计算与 数据传输到执行机构延时 tca 为 0. 001 5、0. 003 0、 0. 005 0 和 0. 0070 s，执行机构的数模转换计算延时 ta 为0. 001 s，网络总延时 tc 分别为0. 0035、0. 0050、 0. 007 0 和 0. 009 0 s，数据包丢失率为 0． 图 5 基于特征模型不同延时情形的性能仿真 Fig． 5 Performance simulation based on the characteristic model with different time delays 图 6 为不同延时情况下，基于模糊动态特征模 型控制方法的性能仿真，仿真条件同图 5． 图 6 基于模糊动态特征模型的不同延时情况的性能仿真 Fig． 6 Performance simulation based on the fuzzy dynamic characteristic model with different time delays 5 结论 通过 Matlab /Simulink 仿真平台，利用 Truetime 工具箱，建立了基于特征模型和模糊动态特征模型 的直流电机的网络控制系统仿真模型 . 在只考虑一定延时的情况下，模糊动态特征模 型有最好的跟踪效果; 在存在一定延时，丢包率不断 增大或延时不断增大的情形下，基于特征模型和模 糊动态特征模型的智能自适应控制器，超调量和调 节时间都不断增大，控制效果变差． 当丢包率增大， 模糊动态特征模型控制器的仿真结果的调节时间和 超调量相对小一些，效果好一些; 特征模型自适应控 ·4·
第1期 邓建球等：基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统 5 制器仿真结果随着延时的增大，超调量及调节时间 [5]Zhang Y,Tang G Y,Hu N P.Non-fragile control for nonlinear 变化相对小一些. networked control systems with long time-delay.Comput Math Ap- pd,2009,57(10):1630 研究表明，丢包率对特征模型控制器系统的影 6 Salehi S,Xie L H,Cai W J.Robust controller design for net- 响较大，而延时对模糊动态特征模型控制器系统影 worked control systems with uncertain time delays./2008 10th 响较大.结合两种控制器的优势设计网络控制系 International Conference on Control,Automation,Robotics and Vi- 统，是今后需进一步研究的问题 sion (/CARCV 2008).Hanoi,2008:1407 [7]Li L,Meng X J,Yu FJ,et al.Fuzzy control of a class of uncer- tain networked control systems with multiple time-delays.// 参考文献 CCDC 2009:21th Chinese Control and Decision Conference. [1]Guan S P,Zhou W,You F Q.Networked Control Systems and Ap- Guilin,2009:577 plication.Beijing:Electronics Industry Publishing,2008 [8]Sala A,Cuenca A,Salt J.A retunable PID multi-rate controller for (关守平，周玮，尤富强.网路控制系统与应用.北京：电子工 a networked control system.Inf Sci,2009,179(14):2390 业出版社，2008) 9]Fei M R,Du D J.Li K.A fast model identification method for Qiu ZZ,Zhang Q L,Yang C Y.Analysis and Control of Net- networked control system.Appl Math Comput,2008,205 (2): wcorked Control Systems.Beijing:Science Press,2009 658 (邱占芝，张庆灵，杨春雨.网络控制系统分析与控制.北京： [10]Wu HX,Yang Y,Liu J.Application research of characteristic 科学出版社，2009) modeling in aerospace control /Conference on China Association B]Zhao H,Deng Y,Wang H J,et al.Study of strategy for compen- for Science and Technology.Beijing,2006:25 sating network time delay based on predictive control theory.Chin (吴宏鑫，杨扬，刘洁.特征建模在航天控制中的应用研究1/ J Sci Instrum,2008,29(9):1923 中国科协年会.北京，2006：25) (赵辉，邓燕，王红君，等.基于预测控制的网络时延补偿策略 [11]Wu H X,Hu J,Xie Y C.Intelligent Adaptire Control based on 研究.仪器仪表学报，2008,29(9)：1923) Characteristic Modeling.Beijing:China Science and Technology 4]Hirche S,Matiakis T,Buss M.A distributed controller approach Pres5,2009 for delay-independent stability of networked control systems.Auto- (吴宏鑫，胡军，解永春。基于特征建模的智能自适应控制 matica,2009,45(8):1828 北京：中国科学技术出版社，2009)
第 1 期 邓建球等: 基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统 制器仿真结果随着延时的增大，超调量及调节时间 变化相对小一些． 研究表明，丢包率对特征模型控制器系统的影 响较大，而延时对模糊动态特征模型控制器系统影 响较大． 结合两种控制器的优势设计网络控制系 统，是今后需进一步研究的问题． 参 考 文 献 ［1］ Guan S P，Zhou W，You F Q． Networked Control Systems and Application． Beijing: Electronics Industry Publishing，2008 ( 关守平，周玮，尤富强． 网络控制系统与应用． 北京: 电子工 业出版社，2008) ［2］ Qiu Z Z，Zhang Q L，Yang C Y． Analysis and Control of Networked Control Systems． Beijing: Science Press，2009 ( 邱占芝，张庆灵，杨春雨． 网络控制系统分析与控制． 北京: 科学出版社，2009) ［3］ Zhao H，Deng Y，Wang H J，et al． Study of strategy for compensating network time delay based on predictive control theory． Chin J Sci Instrum，2008，29( 9) : 1923 ( 赵辉，邓燕，王红君，等． 基于预测控制的网络时延补偿策略 研究． 仪器仪表学报，2008，29( 9) : 1923) ［4］ Hirche S，Matiakis T，Buss M． A distributed controller approach for delay-independent stability of networked control systems． Automatica，2009，45( 8) : 1828 ［5］ Zhang Y，Tang G Y，Hu N P． Non-fragile control for nonlinear networked control systems with long time-delay． Comput Math Appl，2009，57( 10) : 1630 ［6］ Salehi S，Xie L H，Cai W J． Robust controller design for networked control systems with uncertain time delays． / / 2008 10th International Conference on Control，Automation，Robotics and Vision ( ICARCV 2008) ． Hanoi，2008: 1407 ［7］ Li L，Meng X J，Yu F J，et al． Fuzzy control of a class of uncertain networked control systems with multiple time-delays． / / CCDC 2009: 21th Chinese Control and Decision Conference． Guilin，2009: 577 ［8］ Sala A，Cuenca A，Salt J． A retunable PID multi-rate controller for a networked control system． Inf Sci，2009，179( 14) : 2390 ［9］ Fei M R，Du D J，Li K． A fast model identification method for networked control system． Appl Math Comput，2008，205 ( 2 ) : 658 ［10］ Wu H X，Yang Y，Liu J． Application research of characteristic modeling in aerospace control / / Conference on China Association for Science and Technology． Beijing，2006: 25 ( 吴宏鑫，杨扬，刘洁． 特征建模在航天控制中的应用研究 / / 中国科协年会． 北京，2006: 25) ［11］ Wu H X，Hu J，Xie Y C． Intelligent Adaptive Control based on Characteristic Modeling． Beijing: China Science and Technology Press，2009 ( 吴宏鑫，胡军，解永春． 基于特征建模的智能自适应控制． 北京: 中国科学技术出版社，2009) ·5·