项目名称: 基于低复杂度预测控制的网络控制系统理论与应用研究

项目编号: No.61203025

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 石厅

作者单位: 杭州电子科技大学

项目金额: 25万元

中文摘要: 网络控制系统(NCS)具有灵活性和可扩展性,低安装成本,易于维护等优点,是一个非常具有前景和挑战性的研究领域。尽管有许多优点,通信网络的引入带来很多新的问题。例如,NCS中存在网络时滞、数据包丢失、时间不同步等等。很多方法在处理这些问题的时候,为了对网络中的时滞与丢包进行精确建模,必须对其作一些比较严格的限制。这些方法,未能有效利用NCS数据传输的特点,无法对系统中存在的时滞和丢包进行补偿。利用网络中以包为单位进行数据传输的特点,以及模型预测控制(MPC)的预测特性可以有效的补偿系统的时滞和丢包。但是MPC的在线计算量大,仅仅适用于慢变系统。近年来发展起来的低复杂度MPC可以降低计算复杂度,减少在线计算时间,但是目前的算法均基于线性系统,不能直接应用于NCS中。 针对NCS,采用低复杂度MPC算法,对网络时滞、丢包以及输入饱和进行研究,有望解决上述问题。本项目具有重要的理论和应用价值。

中文关键词: 网络控制系统;预测控制;鲁棒控制;输入约束;采样

英文摘要: Flexibility, reconfigurability, low installation cost and ease of maintenances are some of the advantages of networked control systems (NCS), which have been recognized as a very challenging and promising research field. While possessing some well-known advantages, the architectures of NCS can give rise to several common control issues, such as network delay, data dropout, and mis-synchronization etc. To solve these problems, various methods have been developed. In order to model the time delay and data loss accurately, however, these methods have put some strict assumptions on NCSs. Most of these methods ignores NCS feature and cannot compensate for the time delay and data dropout. One interesting feature of modern communication is that data is sent in large packets. In this context, it makes sense to send signal predictions, which are calculated from model predictive control (MPC) method at the transmission side, to compensate for time delays and data-dropouts. The big drawback of the MPC is the formidable on-line computational effort, which limits its applicability to relatively slow dynamics. In recent years, the low complexity MPC is developed, which can reduce the on-line computational burden. But the developed complexity MPC concerns with linear systems, which cannot directly apply to NCS. This project i

英文关键词: networked control systems;model predictive control;robust control;input constraints;sampled-data

成为VIP会员查看完整内容
0

相关内容

Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
24+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
45+阅读 · 2020年11月13日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
全网最全-网络模型低比特量化
极市平台
0+阅读 · 2022年1月12日
【KDD2021】基于生成对抗图网络的不平衡网络嵌入
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
15+阅读 · 2019年6月25日
小贴士
相关VIP内容
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
24+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
【干货书】机器学习优化,509页pdf
专知会员服务
146+阅读 · 2021年2月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
专知会员服务
45+阅读 · 2020年11月13日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员