[发明专利]一种网络控制系统的随机时延建模方法

摘要

本发明为网络控制系统提供一种基于连续时间隐Markov模型的随机时延建模方法。依图1建立网络控制系统，其中受控对象为四自由度机械臂，其运动学参数经采样后通过网络发送给控制器，控制器首先建立起网络时延的连续隐Markov模型再根据采样数据设计合适的控制律并将其通过网络发送给执行器以补偿时延对系统性能的影响。使用不完全数据期望最大化算法进行模型参数训练，同时引入遗传算法和模拟退火算法来保证训练过程快速收敛至全局极值。最后，在仿真实验平台上对已建立的网络时延连续隐Markov模型进行验证和优化。本发明能够准确地描述网络时延受控于网络状态这一时延产生机理，确保时延模型与实际网络环境的最大逼近度。

主权项

一种网络控制系统的随机时延建模方法。其步骤如下：1)搭建一个典型的网络控制系统。在这个平台上力求能够人为模拟多种网络环境，以保证基于该系统建立的连续隐Markov模型具有一般适应性。2)在已搭建的网络控制系统基础上，测量网络延时，计算丢包率，对实验数据进行必要的预处理，包括数据的校正和量化。3)将预处理完的观测数据以序列方式，作为隐马尔可夫模型的输入，建立网络时延的连续隐Markov模型。本方法主要考虑数据包延时、丢失等问题，因此建立的模型是一个混合模型。将连续隐Markov模型用于网络控制系统研究，初始模型的选择、参数估计算法都需要重新考虑。所以，这部分方案还包括：(a)用于状态估计的不完全数据期望最大算法(Missing data Expectation Maximization，MD EM)，它将有利于在时延数据不完备的情况下建立时延的连续隐Markov模型；(b)为减少初始模型选择对模型训练的不利影响、以及避免EM算法陷入局部极值而采取的全局寻优算法 遗传算法(Genetic Algorithm，GA)；(c)与全局寻优互补的局部寻优算法 模拟退火算法(Simulated Annealing Algorithm，SA)，从而提高连续隐Markov模型的训练速度。4)在网络控制系统实时仿真平台NCS RS(NCS RealTime Simulation)上对已建立的连续隐Markov模型进行仿真验证与优化。5)基于网络时延的连续隐Markov模型在控制器设计中对时延进行有效补偿。