控制理论及应用

复杂网络控制

智能控制(神经网络、模糊自适应控制)、网络控制

主要内容:

针对NCS时滞的非线性、时变、重复、周期性等特点,直接利用网络中可测的输入输出数据,对网络时滞进行建模和补偿。采用阈值自回归方法、马尔科夫模型、T-S 模糊等方法进行建模,构建了时间分割切换模型、可以增长和修剪的T-S嵌套模糊跳变系统模型以及一种新型的运用建立状态空间模型对网络时延进行预测的方法。在采用阈值理论建立的时间分割切换模型的基础上,结合GPC方法设计时滞补偿控制方案,并基于遗传算法对切换序列进行优化改进;将T-S模糊控制理论和GPC控制算法结合起来对网络时滞进行补偿;设计T-S嵌套模糊跳变系统保成本和H无穷控制器。其次,基于迭代学习辨识的迭代学习控制方法,设计时滞补偿器;在初态学习的基础上得到模糊自适应迭代学习算法,神经网络自适应迭代学习算法,粒子群自适应迭代学习算法等。此外,设计了引入排队序列机制的自适应广义预测控制算法、变死区采样控制下的T-S模糊PID控制算法,结合改进的重置控制系统,应用于无线网络控制系统网络延时补偿中,有效地优化控制系统的网络服务质量QoS和控制性能QoP。最后,将THJ-2 型高过程控制系统连入几类代表性网络,验证上述补偿网络时滞算法的有效性。

相关项目:

  • 基于数据的网络控制系统的时滞建模与补偿控制”(国家自然科学基金项目60904014)

  • 复杂网络控制与同步理论”(国家杰出青年基金60225013)

  • 复杂动态网络同步机理研究”(国家自然科学基金课题70271072) 

  • 复杂网络环境下的基于数据的NCS时滞建模与补偿控制”(中央高校基本科研基金,W13JB00420)