基于神经网络的网络控制系统主动容错控制技术研究
【摘要】:
网络控制系统是反馈控制回路通过一个实时网络进行通讯的系统。本文主要针对网络控制系统中存在时延、干扰以及执行器故障的情况下,对网络控制系统进行的主动容错控制技术研究。论文所做的主要工作如下:
首先,针对单输入单输出固定短时延网络控制系统,在模型参考自适应控制的基础上提出了RBF神经网络主动容错策略,使系统输出实时跟随参考模型的输出,基于跟踪误差给出了神经网络补偿控制器的在线权值学习算法,并利用Lyapunov稳定性理证明闭环系统是一致最终有界稳定的。最后基于TrueTime工具箱搭建了远程伺服控制系统仿真平台,针对不同的执行器故障类型进行仿真设计,仿真结果表明该方法的有效性和可行性。
其次,讨论了多输入多输出随机短时延网络控制系统的主动容错控制,利用平均时延窗口技术在线估计网络时延,并将系统建模为随机切换系统,在模型参考自适应的基础上提出了RBF神经网络主动容错策略,使系统输出跟随参考模型的输出,基于系统输出跟踪误差给出了神经网络补偿控制器的在线权值学习算法,并利用切换系统理论和Lyapunov稳定性理论,证明闭环系统是一致最终有界稳定的。仿真结果表明所设计的自适应神经网络补偿控制器能够补偿随机时延以及执行器故障给系统带来的影响。
最后,针对无数据丢包的短时延网络控制系统,网络只存在于传感器与控制器之间,设计了自适应神经网络故障诊断观测器,同时估计系统的状态和执行器故障。利用观测器一步预测功能,设计了主动容错控制器,利用Lyapunov稳定性定理证明闭环系统是一致最终有界稳定的。仿真结果表明该方法消弱了时延及故障给系统带来的影响,改善了系统的性能。