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 character￾istic 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 character￾istic 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·