学位论文 > 优秀研究生学位论文题录展示

基于CMAC的网络控制系统控制方法研究

作　者: 陈瑾
导　师: 黄丽莲
学　校: 哈尔滨工程大学
专　业: 电路与系统
关键词: 网络控制系统小脑模型神经网络控制器模糊PD控制器 Smith补偿遗忘因子递推最小二乘估计
分类号: TP273
类　型: 硕士论文
年　份: 2013年
下　载: 27次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，随着计算机网络通信技术的发展，其应用已经涉及各行各业，网络控制系统（Networked Control Systems, NCS）便在这样的环境下应运而生。它将传统的通信与计算机网络技术应用到了工业控制中去，并融合了传感器技术等，以网络作为系统各部件之间传输数据及信号的载体，达到远程监控及共享资源的目的，成为近年来国际学术界研究的热点之一。但是，随着网络引入控制系统中，其产生的数据丢包和随机时延不可避免的会对系统的控制效果产生影响，导致控制性能恶化、系统不稳定或者稳定域变小。本文以小脑模型神经网络控制器（Cerebellar ModelArticulation Controller, CMAC）为基础，把传输网络以及被控对象看作是一个时变的被控系统，分别针对具有数据丢包和随机时延的网络控制系统，设计了两种控制方法以实现对控制性能的改善：第一种方法针对具有数据丢包的网络控制系统，通过小脑模型神经网络控制器与PD控制器的复合控制实现前馈反馈控制，且PD控制器的参数由模糊推理机自适应整定，根据误差信号的大小，采用模糊PD控制和直接PD控制的复合切换控制系统，即在小偏差时采用直接PD控制，以获得比模糊PD控制更高的稳态精度，而在大偏差时采用模糊PD控制，可以得到比直接PD控制更快的动态响应和更小的超调量。第二种方法针对具有随机时延的网络控制系统，采用Smith反馈补偿回路对系统时延进行补偿，同时，由于被控系统的时延参数是随机的，且越新的数据越能反应系统当前的状态，因此，本文利用遗忘因子最小二乘算法对系统的时延参数进行在线估计，初步减小网络传输时延给系统带来的影响。接着，考虑到最小二乘估计会产生一定的误差，Smith反馈补偿回路也不能达到最理想的补偿效果，因此使用小脑模型神经网络控制器与PD控制相结合的复合智能控制算法，在参数选择合适的情况下，可以进一步减小由时延预估误差带给系统的控制偏差，优化控制效果。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-16
  1.1 引言  10-11
  1.2 课题的研究意义  11-12
  1.3 国内外研究现状  12-14
  1.4 本文主要研究内容及章节安排  14-16
第2章网络控制系统概述  16-28
  2.1 网络控制系统的基础知识  16-19
    2.1.1 网络控制系统的简介  16
    2.1.2 网络控制系统的组成与结构  16-18
    2.1.3 网络控制系统的特点  18-19
  2.2 网络控制系统的问题描述  19-23
    2.2.1 数据包传输  19-21
    2.2.2 网络时延  21-23
  2.3 网络控制系统数学模型  23-27
    2.3.1 数据包丢失问题的网络控制系统建模  23-24
    2.3.2 时延问题的网络控制系统建模  24-27
  2.4 本章小结  27-28
第3章小脑模型神经网络控制器  28-38
  3.1 小脑模型神经网络控制器概述  28-29
    3.1.1 小脑模型神经网络控制器的概念  28
    3.1.2 小脑模型神经网络控制器的特点  28-29
    3.1.3 小脑模型神经网络控制器的结构  29
  3.2 小脑模型神经网络控制器的工作原理  29-32
    3.2.1 小脑模型神经网络控制器的典型算法  29-31
    3.2.2 仿真分析  31-32
  3.3 小脑模型神经网络控制器与 PD 复合控制算法  32-37
    3.3.1 小脑模型神经网络控制器与 PD 复合控制算法原理  32-34
    3.3.2 仿真分析  34-37
  3.4 本章小结  37-38
第4章基于小脑模型神经网络控制器的网络控制系统模糊 PD 控制方法  38-49
  4.1 模糊理论基础  38-40
    4.1.1 模糊集合  38-39
    4.1.2 隶属度函数  39
    4.1.3 模糊规则与模糊推理  39-40
  4.2 基于模糊理论的 PD 控制器  40-42
    4.2.1 模糊控制器的基本结构  40-41
    4.2.2 复合切换模糊 PD 控制器设计  41-42
  4.3 基于小脑模型神经网络控制器的网络控制系统模糊 PD 控制方法  42-48
    4.3.1 基于小脑模型神经网络控制器的网络控制系统模糊 PD 控制方法设计  42-43
    4.3.2 系统仿真分析  43-48
  4.4 本章小结  48-49
第5章基于 SMITH 补偿与小脑模型神经网络控制器的网络控制系统 PD 控制方法  49-63
  5.1 SMITH 补偿器  49-52
    5.1.1 Smith 补偿器的原理  49-52
    5.1.2 仿真分析  52
  5.2 遗忘因子最小二乘递推算法  52-57
    5.2.1 最小二乘算法  52-54
    5.2.2 递推最小二乘算法  54-56
    5.2.3 遗忘因子递推最小二乘算法  56
    5.2.4 仿真分析  56-57
  5.3 基于 SMITH 补偿与小脑模型神经网络控制器的网络控制系统 PD 控制方法  57-62
    5.3.1 网络控制系统中基于遗忘因子递推最小二乘算法的 Smith 补偿控制  57-58
    5.3.2 基于 Smith 补偿与小脑模型神经网络控制器的网络控制系统 PD 控制方法设计  58-59
    5.3.3 系统仿真分析  59-62
  5.4 本章小结  62-63
结论  63-64
参考文献  64-70
攻读学位期间发表的学术论文  70-71
致谢  71

基于CMAC的网络控制系统控制方法研究

内容摘要

全文目录

相似论文