[发明专利]一种数据驱动预测云控制方法在审
申请号: | 201811373480.0 | 申请日: | 2018-11-19 |
公开(公告)号: | CN109491247A | 公开(公告)日: | 2019-03-19 |
发明(设计)人: | 夏元清;高润泽;马粮 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G05B13/04 | 分类号: | G05B13/04 |
代理公司: | 北京理工大学专利中心 11120 | 代理人: | 李爱英;郭德忠 |
地址: | 100081 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据驱动 处理约束 快速启动 辨识器 系统状态空间模型 离线数据准备 模型预测控制 初始数据 分开设计 滚动优化 控制系统 网络补偿 预测控制 云控制器 控制量 最优化 求解 算法 预测 | ||
本发明提供了一种数据驱动云控制方法,能够快速启动,并且可以处理约束。本发明采用离线数据准备方式,为数据驱动算法准备初始数据,解决了控制系统要求快速启动的问题;同时本发明将云辨识器和云控制器分开设计,首先通过云辨识器得到系统状态空间模型;然后根据模型,添加实际约束,建立最优化问题,使用模型预测控制方法,即滚动优化的方法,求解出最优预测控制序列,解决了现有数据驱动云控制方法不能处理约束的问题,并通过对应时延控制量实现网络补偿。
技术领域
本发明属于云控制技术领域,涉及一种数据驱动预测云控制方法。
背景技术
信息技术的发展催生了许多科技理论成果,为人熟知的就有云计算、物联网、网络化控制等。在新时代,基于这三者的快速发展,云控制系统的概念被提出。现代控制理论的研究方法主要可以分为基于模型(Model-based)和数据驱动(Data-driven)两大类。前者的本质是采用机理或辨识模型的方法建立被控对象的数学模型,然后基于此模型实现系统的控制、优化与决策等目标;数据驱动理论则是利用数据完成对系统的预测、控制、调度、优化、决策等期望功能。当前,工业和控制系统的规模和复杂性持续增长,基于模型的传统分析和控制方法难以解决此类问题;同时,在工业生产过程中,产生、存储了海量的经验和数据,但因计算能力和理论技术的限制,这些数据没有被有效利用。这些问题制约着国民经济的进一步发展。
基于数据驱动预测的云控制系统可有效解决以上问题。作为云控制系统中的一项关键技术,数据驱动预测云控制系统基于网络化控制理论技术,以物联网为应用场景,借助云计算的强大处理能力,不需对被控对象进行机理分析,利用历史数据,直接实现精确、可靠的控制与决策作用。同时,在存在网络时延的条件下,有效、精准地补偿了时延的影响。其中,设计辨识和控制算法是数据驱动预测云控制的关键技术。利用输入输出历史数据,对控制系统进行辨识分析,再由模型预测控制方法获得预测控制序列,以期在网络时滞干扰下,获得精确、可靠的控制效果。但是现有数据驱动云控制方法存在以下两个问题:一,对于快速启动系统,数据准备阶段用时过长;二,数据驱动云控制算法中未考虑约束且存在网路时延。
发明内容
有鉴于此,本发明提供了一种数据驱动云控制方法,能够快速启动,并且可以处理约束。
为了达到上述目的,本发明的技术方案包括如下步骤:
步骤1,在本地受控系统和云服务器之间建立通信系统,形成云端-本地控制回路;
步骤2,在云服务器中首先使用PID算法生成或随机输入控制量获得离线数据,将其传输并施加到本地受控系统中,将本地受控系统返回的控制量和对应的输出信息以Hankel矩阵形式储存,得到Hankel矩阵;
步骤3,云服务器根据Hankel矩阵,辨识获得本地受控系统的状态空间矩阵;
步骤4,在云服务器中根据本地受控系统的状态空间矩阵,先利用系统辨识得到本地受控系统的数学模型,基于本地受控系统的数学模型,利用预测控制方法建立系统应满足的约束条件,计算出当前k时刻的最优预测控制序列;记录开始计算时的时刻t1,并将最优预测控制序列和时刻t1发送到本地受控系统;
步骤5,本地受控系统记录接收到最优预测控制序列时的时刻t2;由时刻t1和时刻t2算出网络时延τ;在最优预测控制序列中,从第ceil(τ)个分量开始作为实际施加的控制量,施加到本地受控系统,得到对应的输出信息;其中ceil(·)代表向上取整;
将实际施加控制量和对应的输出信息一起返回云服务器,更新Hankel矩阵;重复执行步骤3-5,直至实现稳定控制或重复次数达到设定值,实现数据驱动云控制。
其中,所述步骤3中,根据Hankel矩阵,采用子空间方法、集员理论、无模型自适应理论或迭代学习方法,辨识获得本地受控系统的状态空间矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811373480.0/2.html,转载请声明来源钻瓜专利网。