自适应网络化预测控制方法及系统

阅读：评论：0

1.本发明涉及工程控制技术领域，尤其涉及一种自适应网络化预测控制方法及系统。

背景技术：

2.随着工程控制技术领域的发展，网络化预测控制方法的应用也越来越广泛。网络化控制系统是一种传感器至控制器通道和控制器至执行器通道中存在随机网络时延、丢包和乱序且数学模型未知的网络化非线性系统，网络化预测控制方法是运行在这类系统中的方法。由于网络化控制系统灵活性高、移动性强以及便于远程监视和控制，使得其在过程控制、智能制造、交通系统和能源系统等多个领域得到越来越广泛的应用。测量信号和控制信号在网络化控制回路中传输时不可避免地存在随机网络时延、丢包和乱序等通信约束问题，这些因素将会降低系统控制效果。
3.现有技术中，当系统模型未知或不精确时，网络化预测控制方法往往存在控制效果差的缺点。

技术实现要素：

4.本发明提供一种自适应网络化预测控制方法及系统，用以解决现有技术中网络化预测控制效果差，实现提高网络化预测控制效果的目的。
5.本发明提供一种自适应网络化预测控制方法，包括：获取被控对象的测量输出数据和控制输入数据，将所述测量输出数据和所述控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将所述初始数据序列发送给辨识器；由所述辨识器基于所述初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将所述预设时间点的模型时变参数估计值发送给预测器，所述前一时间点为与所述预设时间点的上一个时间点；由预测器基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列，将所述控制增量预测序列及对应的所述时间戳发送给补偿器；由所述补偿器基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号，所述接收时间点为所述补偿器接收所述控制增量预测序列及所述时间戳的时间点；利用所述目标控制信号对所述被控对象进行网络化预测控制。
6.根据本发明提供的一种自适应网络化预测控制方法，所述基于前一时间点的模型时变参数估计值，获取所述预设时间点的模型时变参数估计值包括：获取第一准则函数；在所述第一准则函数取最小值的情况下，得到预设时间点的模型时变参数估计值。
7.根据本发明提供的一种自适应网络化预测控制方法，所述方法还包括：在所述预设时间点的模型时变参数估计值满足参数限制条件时，将所述模型时变参数估计值初始参数确定为所述预设时间点的模型时变参数估计值，所述参数限制条件包括所述预设时间点的模型时变参数估计值小于或者等于参数阈值或者所述预设时间点的模型时变参数估计
值的符号函数与所述模型时变参数估计值初始参数的符号函数不相等中的至少一个。
8.根据本发明提供的一种自适应网络化预测控制方法，所述基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列包括：基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，获取所述控制增量预测序列对应的第二准则函数；在所述第二准则函数取最小值的情况下，得到自适应控制律表达式；对所述自适应控制律表达式进行迭代，得到预测控制增量表达式；基于所述预测控制增量表达式，得到所述预测控制增量序列。
9.根据本发明提供的一种自适应网络化预测控制方法，所述基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号包括：对所述接收时间点和所述时间戳做差值计算，得到所述接收时间点对应的反馈通道和前向通道的总时延；利用所述控制增量预测序列中各个控制预测增量对所述总时延进行时间补偿，得到所述目标控制信号。
10.本发明还提供一种自适应网络化预测控制系统，包括：缓存器，用于获取被控对象的测量输出数据和控制输入数据，将所述测量输出数据和所述控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将所述初始数据序列发送给辨识器；辨识器，连接所述缓存器，用于基于所述初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将所述预设时间点的模型时变参数估计值发送给预测器，所述前一时间点为与所述预设时间点的上一个时间点；预测器，连接所述辨识器，用于基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列，将所述控制增量预测序列及对应的所述时间戳发送给补偿器；补偿器，连接所述预测器和所述被控对象，用于基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号，所述接收时间点为所述补偿器接收所述控制增量预测序列及所述时间戳的时间点；利用所述目标控制信号对所述被控对象进行网络化预测控制。
11.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述自适应网络化预测控制方法的步骤。
12.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述自适应网络化预测控制方法的步骤。
13.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述自适应网络化预测控制方法的步骤。
14.本发明提供的自适应网络化预测控制方法、系统、电子设备及存储介质，通过获取被控对象的测量输出数据和控制输入数据，测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将该初始数据序列发送给辨识器；由该辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将所述预设时间点的模型时变参数估计值发送给预测器；所述前一时间点为与所述预设时间点的上一个时间点；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的所述时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，上述接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用
目标控制信号对被控对象进行网络化预测控制。通过对被控对象的测量输出数据和控制输入数据的一系列处理，实现对被控对象的网络化预测控制，提高了网络化预测控制的效果。
附图说明
15.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是本发明提供的自适应网络化预测控制方法的流程示意图之一；
17.图2是本发明提供的自适应网络化预测控制方法的流程示意图之二；
18.图3是本发明提供的自适应网络化预测控制方法的流程示意图之三；
19.图4是本发明提供的自适应网络化预测控制方法的流程示意图之四；
20.图5是本发明提供的自适应网络化预测控制系统的示意图之一；
21.图6是本发明提供的自适应网络化预测控制系统中反馈通道时延示意图之一；
22.图7是本发明提供的自适应网络化预测控制系统中前向通道时延示意图之一；
23.图8是本发明提供的自适应网络化预测控制系统中反馈通道时延示意图之二；
24.图9是本发明提供的自适应网络化预测控制系统中前向通道时延示意图之二；
25.图10是本发明提供的自适应网络化预测控制方法控制效果示意图之一；
26.图11是本发明提供的自适应网络化预测控制方法控制效果示意图之二；
27.图12是本发明提供的电子设备的结构示意图。
具体实施方式
28.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.下面结合图1-图4描述本发明的自适应网络化预测控制方法。
30.在一个实施例中，如图1所示，提供了一种自适应网络化预测控制方法，以该方法应用于自适应网络化预测控制系统为例进行说明，包括以下步骤：
31.步骤102，获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将该初始数据序列发送给辨识器。
32.其中，被控对象是指在网络化预测控制中所要控制的对象。测量输出数据是指在某个时间点处被控对象输出的测量数据。控制输入数据是指在某个时间点处输入到被控对象中并对该被控对象进行控制的数据。
33.具体地，利用自适应网络化预测控制系统中的缓存器，实现被控对象测量输出数据和控制输入数据的采集，并根据采集的时间点，即第一时间戳，对测量输出数据和控制输入数据进行封装，得到初始数据序列，将该初始数据序列发送给辨识器。
34.在一个实施例中，假设在k时刻的测量输出数据表示为y(k)，控制输入数据表示为
u(k-1)，则对该测量输出数据、控制输入数据以及对应的第一时间戳k进行数据打包，得到发送给辨识器的初始数据序列dk，则该初始数据序列dk可以表示为公式：
[0035][0036]
其中，表示反馈通道中时延最大值，n为增量式三角模型长度。
[0037]
在一个实施例中，上述增量式三角模型的得到过程包括，获取单输入单输出离散时间非线性系统，表示为公式：
[0038]
y(k+1)＝f(y(k),
…
,y(k-ny),u(k),
…
,u(k-nu))
ꢀꢀꢀꢀꢀꢀ
(2)
[0039]
其中，y(k)和u(k)分别为k时刻系统中被控对象的测量输出和控制输入，f(
·
)为未知的非线性函数，ny和nu分别为未知的系统输出阶数和输入阶数。
[0040]
若f(
·
)对u(k)存在连续偏导数，且满足对于任意时刻k和|δu(k)|≠0，均有|δy(k+1)|≤b|δu(k)|，其中b＞0为常数，则存在一个时变有界参数h(k)，使上述公式(2)可以等价地转换为如下增量式三角数据模型：
[0041]
δy(k+1)＝h(k)δω(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0042]
其中，h(k)为增量式三角模型的模型时变参数，对于给定的非线性系统，h(k)可以在线实时估计。
[0043]
其中，δω(k)为系统广义输入增量，可以表示为公式：
[0044][0045]
其中，正整数m和n满足0＜m＜n，m为对应的采样时刻，n为增量式三角模型长度，m和n可以根据系统脉冲相应确定。
[0046]
其中，δy(k+1)表示系统中被控对象的输出增量，表示为公式：
[0047]
δy(k+1)＝y(k+1)-y(k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0048]
其中，δu(k)表示系统中被控对象的输入增量，表示为公式：
[0049]
δu(k)＝u(k)-u(k-1)
ꢀꢀꢀꢀ
(6)
[0050]
步骤104，由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为预设时间点的上一个时间点。
[0051]
具体地，自适应网络化预测控制系统中的辨识器在接收到上述初始数据序列之后，考虑到反馈通道存在的随机时延、丢包和乱序等，获取前向时间点的前一时间点的模型时变参数估计值，基于该前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器。
[0052]
在一个实施例中，预设时间点表示为k，初始数据序列dk，前一时间点的模型时变参数估计值利用下述公式得到预设时间点的预设时间点的模型时变参数估计值
[0053]
[0054]
反馈通道的总时延表示为预设时间点为k，其中前一时间点的模型时变参数估计值表示为初始数据序列表示为上述dk，结合上述步骤102中相关公式以及公式(7)，获取预设时间点的预设时间点的模型时变参数估计值将预设时间点的模型时变参数估计值发送给预测器。
[0055]
步骤106，由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器。
[0056]
具体地，自适应网络化预测控制系统中的预测器在接收到上述模型时变参数之后，可以利用上述公式(3)得到预测测量输出数据，该预测测量输出数据表示为y(tk+1|tk)，则预测测量输出数据y(tk+1|tk)表示为公式：
[0057][0058]
其中其中为tk时刻预设时间点的模型时变参数估计值。
[0059]
基于该预测测量输出数据，预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，构建第二准则函数，基于该第二准则函数，得到控制增量预测序列，将控制增量预测序列及对应的第二时间戳发送给补偿器。
[0060]
步骤108，由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，上述接收时间点为补偿器接收控制增量预测序列及时间戳的时间点。
[0061]
具体地，自适应网络化预测控制系统中的补偿器在接收到控制增量预测序列之后，首先根据接收时间点与控制增量预测序列对应的第二时间戳之间的差值，得到反馈通道和前向通道的总时延，利用该总时延，对第二时间戳对应的控制信号进行补偿，得到目标控制信号。
[0062]
步骤110，利用目标控制信号对被控对象进行网络化预测控制。
[0063]
具体地，在自适应网络化预测控制系统中的补偿器确定目标控制信号之后，自适应网络化预测控制系统可以利用该目标控制信号对被控对象进行网络化预测控制。
[0064]
上述自适应网络化预测控制方法中，通过获取被控对象的测量输出数据和控制输入数据，测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将该初始数据序列发送给辨识器；由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为与预设时间点的上一个时间点；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，上述接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用目标控制信号对被控对象进行网络化预测控制。可以通过对被控对象的测量输出数据和控制输入数据的一系列处理，实现对被控对象的网络化预测控制，提高了控制的效果。
[0065]
在一个实施例中，如图2所示，基于前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值包括：
[0066]
步骤202，获取第一准则函数。
[0067]
具体地，在上述辨识器得到目标数据序列之后，可以通过构建准则函数的方式对模型时变参数h(tk)进行估计，对模型时变参数h(tk)进行估计的第一准则函数可以表示为公式：
[0068][0069]
其中其中为h(k)的估计值，以及μ＞0。
[0070]
步骤204，在第一准则函数取最小值的情况下，得到预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值确定为模型时变参数。
[0071]
具体地，在辨识器获取到第一准则函数之后，对该第一准则函数进行最小值的确定，在公式(9)为最小值时，得到预设时间点的模型时变参数估计值该预设时间点的模型时变参数估计值可以表示为公式：
[0072][0073]
将该模型估计时变参数确定为模型时变参数h(tk)。
[0074]
本实施例中，通过获取第一准则函数，在第一准则函数取最小值的情况下，得到预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值确定为模型时变参数，能够达到准确确定模型时变参数的目的。
[0075]
在一个实施例中，上述方法还包括：在预设时间点的模型时变参数估计值满足参数限制条件时，将模型时变参数估计值初始参数确定为预设时间点的模型时变参数估计值，该参数限制条件包括预设时间点的模型时变参数估计值小于或者等于参数阈值或者预设时间点的模型时变参数估计值的符号函数与模型时变参数估计值初始参数的符号函数不相等中的至少一个。
[0076]
其中，参数限制条件是指模型估计时变参数所满足的条件。参数阈值是指参数的临界值，小于等于该临界值，认为该模型估计时变参数是满足参数限制条件的，大于该临界值，认为该模型估计时变参数是不满足参数限制条件的。模型时变初始参数估计值是指当k取值为0时的模型时变参数估计值。
[0077]
具体地，在辨识器得到预设时间点的模型时变参数估计值之后，在某些参数限制条件下，将模型时变初始参数估计值确定为预设时间点的模型时变参数估计值。
[0078]
在一个实施例中，预设时间点的模型时变参数估计值表示为模型时变估计值初始参数表示为参数阈值表示为ε，ε可以为充分小的数值，模型时变参数估计值的符号函数表示为模型时变估计值初始参数的符号函数表示为则在满足或中的至少一个时，确定预设时间点的模型时变参数估计值表示为公式：
[0079]
[0080]
本实施例中，通过在预设时间点的模型时变参数估计值满足参数限制条件时，将模型时变参数估计值初始参数确定为预设时间点的模型估计时变参数，能够达到精确全面的确定预设时间点的模型时变参数估计值的目的。
[0081]
在一个实施例中，如图3所示，基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列包括：
[0082]
步骤302，基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，获取控制增量预测序列对应的第二准则函数。
[0083]
具体地，预测器在接收到上述预设时间点的模型时变参数估计值之后，基于上述公式(8)，获取到相关的第二准则函数，利用对该第二准则函数进行处理，可以获取到相对应的控制增量预测序列。
[0084]
在一个实施例中，上述第二准则函数可以表示为公式：
[0085]
j(δu(tk|tk))＝(yr(tk+1)-y(tk+1|tk))2+λδu(tk|tk)2ꢀꢀꢀ
(12)
[0086]
其中，yr(tk+1)为tk+1时刻的参考信号，λ＞0为权重因子。
[0087]
步骤304，在第二准则函数取最小值的情况下，得到自适应控制律表达式。
[0088]
具体地，在预测器获取到第二准则函数之后，对该函数进行最小化处理，得到自适应控制律表达式，自适应控制律表达式表示为：
[0089][0090]
其中，e(tk)表示为公式：
[0091]
e(tk)＝yr(tk+1)-y(tk)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0092]
步骤306，对自适应控制律表达式进行迭代，得到预测控制增量表达式。
[0093]
具体地，在预测器得到自适应控制律表达式之后，对其进行迭代，预测控制增量表达式，可以表示为公式：
[0094][0095]
其中其中为反向通道和前向通道总时延上限，e(tk+j|tk)表示为公式：
[0096]
e(tk+j|tk)＝yr(tk+j+1)-y(tk+j|tk)
ꢀꢀꢀꢀꢀꢀꢀ
(16)
[0097]
其中的y(tk+j|tk)表示为公式：
[0098][0099]
步骤308，基于预测控制增量表达式，得到预测控制增量序列。
[0100]
具体地，在预测器得到预测控制增量表达式之后，可以得到预测控制增量序列，该序列表示：
[0101][0102]
本实施例中，通过基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，获取控制增量预测序列对应的第二准则函数，在第二准则函数取最小值的情况下，得到自适应控制律表达式，对自适应控制律表达式进行迭代，得到预测控制增量表达式，基于预测控制增量表达式，得到预测控制增量序列，能够达到准确确定预测控制增量序列的目的。
[0103]
在一个实施例中，基于预测控制增量表达式，得到预测控制增量序列包括：在反馈通道和前向通道的第一总时延小于采样时间点的情况下，预测控制增量与实际控制增量相同；在预测控制增量与实际控制增量相同的情况下，基于预测控制增量表达式，得到预测控制增量序列。
[0104]
具体地，在预测器得到预测控制增量表达式后，可以利用延时条件对该在预测器得到预测控制增量表达式进行限制，得到相应的预测控制增量序列。
[0105]
在一个实施例中，反馈通道和前向通道的第一总时延表示为j，采样时间点表示为i，预测控制增量表示为δu(tk+j-i|tk)，实际控制增量表示为δu(tk+j-i)，则在第一总时延j小于采样时间点i的情况下，满足公式：
[0106]
δu(tk+j-i|tk)＝δu(tk+j-i)
ꢀꢀꢀꢀꢀꢀꢀ
(19)
[0107]
可以利用公式(18)的条件对上述公式(14)进行限定，得到对应的预测控制增量序列。
[0108]
本实施例中，通过在反馈通道和前向通道的第一总时延小于采样时间点的情况下，进行预测控制增量与实际控制增量关系的确定，能够达到准确得到预测控制增量序列的目的。
[0109]
在一个实施例中，如图4所示，基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号包括：
[0110]
步骤402，对接收时间点和时间戳做差值计算，得到接收时间点对应的反馈通道和前向通道的总时延，该总时延为接收时间点对应的，反馈通道和前向通道的总时延。
[0111]
具体地，为了能够确定准确的目标控制信号，需要首先确定反馈通道和前向通道的总时延。
[0112]
在一个实施例中，接收时间点表示为k，时间戳表示为反馈通道和前向通道的总时延表示为τk，由于反馈通道和前向通道中存在随机网络时延、丢包和乱序，补偿器无法保证在每一执行周期都能收到新的控制增量预测序列。假设在当前时刻k，收到的控制增量预测序列表示为：
[0113][0114]
反馈通道和前向通道的总时延τk表示为公式：
[0115][0116]
步骤404，利用控制增量预测序列中各个预测控制增量对总时延进行时间补偿，得到目标控制信号。
[0117]
具体地，补偿器在得到反馈通道和前向通道的总时延，利用控制增量预测序列中
各个预测控制增量对总时延进行时间补偿，得到目标控制信号。假设目标控制信号表示为u(k)，则目标控制信号u(k)表示为公式：
[0118][0119]
本实施例中，通过对接收时间点和时间戳做差值计算，得到反馈通道和前向通道的总时延，利用控制增量预测序列中各个预测控制增量对总时延进行时间补偿，得到目标控制信号，能够达到准确得到目标控制信号的目的。
[0120]
在一个实施例中，如图5所示，提供了一种自适应网络化预测控制系统，包括：缓存器，用于获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将初始数据序列发送给辨识器；辨识器，连接缓存器，用于由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为预设时间点的上一个时间点；预测器，连接辨识器，用于基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；补偿器，连接预测器和被控对象，用于基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用目标控制信号对被控对象进行网络化预测控制。
[0121]
在一个实施例中，利用上述自适应网络化预测控制方法与偏格式自适应网络化预测控制方法进行仿真验证，利用matlab软件对非线性系统进行数值仿真验证，测量输出数据表示为：
[0122][0123]
系统输出的参考信号表示为：
[0124]
yr(k+1)＝sign(sin(kπ/50))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0125]
偏格式网络化预测控制方法中模型时变估计参数表示为：
[0126][0127]
如果或||δu(t
k-1)||≤ε或
[0128]
偏格式网络化预测控制方法中的预测控制增量表示为：
[0129][0130]
公式(26)在j小于i的情况下，满足：
[0131]
δu(tk+j-i|tk)＝δu(tk+j-i)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0132]
其中表示反向通道和前向通道总时延，l表示动态线性化长度，表示为：
[0133][0134]
偏格式网络化预测控制方法中预测控制增量表示为：
[0135]
δu(t
k-1)＝[δu(t
k-1),δu(t
k-2),
…
,δu(t
k-l)]
t
ꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0136]
上述自适应网络化预测控制方法中，参数设置分别为μ＝0.5，以及ε＝10-5
，以及m＝2，以及n＝4，以及λ＝3.4，以及偏格式网络化预测控制方法中参数l＝3，以及λ＝7.6，以及如图6-9所示，选取前向通道和反馈通道的随机时延均为1至4步长的时延，其中纵坐标表示随机时延的步长，横坐标表示采样时刻。在不同的采样时刻的两种控制方案的仿真结果如图10和11所示。如图10所示，是本发明和偏格式网络化预测控制方法在时刻400至700期间的仿真结果，可以看出，在超调量几乎相等的情况下，本方法比偏格式网络化预测控制方法有更快的系统输出响应，可以更接近并且更快的跟踪参考信号。具体地，如图11所示，是本方法(图中三角模型对应的曲线)和偏格式网络化预测控制方法(偏格式模型对应的曲线)在时刻9400至9700期间的仿真结果，可以看出，本方法在运行较长时间后，跟踪效果仍与初始跟踪效果近乎完全相同，依然保持良好地输出响应，而偏格式网络化预测控制方法在运行较长时间后，跟踪效果明显变差。因此，本方法更适于在实际工程中应用和推广。
[0137]
图12示例了一种电子设备的实体结构示意图，如图12所示，该电子设备可以包括：处理器(processor)1210、通信接口(communications interface)1220、存储器(memory)1230和通信总线1240，其中，处理器1210，通信接口1220，存储器1230通过通信总线1240完成相互间的通信。处理器1210可以调用存储器1230中的逻辑指令，以执行自适应网络化预测控制方法，该方法包括：获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将初始数据序列发送给辨识器；由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为预设时间点的上一个时间点；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用目标控制信号对被控对象进行网络化预测控制。
[0138]
此外，上述的存储器1230中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种
可以存储程序代码的介质。
[0139]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的自适应网络化预测控制方法，该方法包括：获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将初始数据序列发送给辨识器；由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为预设时间点的上一个时间点；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用目标控制信号对被控对象进行网络化预测控制。
[0140]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的自适应网络化预测控制方法，该方法包括：获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将初始数据序列发送给辨识器；由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将预设时间点的模型时变参数估计值发送给预测器，前一时间点为预设时间点的上一个时间点；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳，以及接收时间点，确定目标控制信号，接收时间点为补偿器接收控制增量预测序列及时间戳的时间点；利用目标控制信号对被控对象进行网络化预测控制。
[0141]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0142]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0143]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和
范围。

技术特征：

1.一种自适应网络化预测控制方法，其特征在于，包括：获取被控对象的测量输出数据和控制输入数据，将所述测量输出数据和所述控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将所述初始数据序列发送给辨识器；由所述辨识器基于所述初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将所述预设时间点的模型时变参数估计值发送给预测器，所述前一时间点为所述预设时间点的上一个时间点；由预测器基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列，将所述控制增量预测序列及对应的所述时间戳发送给补偿器；由所述补偿器基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号，所述接收时间点为所述补偿器接收所述控制增量预测序列及所述时间戳的时间点；利用所述目标控制信号对所述被控对象进行网络化预测控制。2.根据权利要求1所述的自适应网络化预测控制方法，其特征在于，所述基于前一时间点的模型时变参数估计值，获取所述预设时间点的模型时变参数估计值包括：获取第一准则函数；在所述第一准则函数取最小值的情况下，得到模型估计时变参数，将所述模型估计时变参数确定为所述预设时间点的模型时变参数估计值。3.根据权利要求2所述的自适应网络化预测控制方法，其特征在于，所述方法还包括：在所述预设时间点的模型时变参数估计值满足参数限制条件时，将模型时变参数估计值初始参数确定为所述预设时间点的模型时变参数估计值，所述参数限制条件包括所述预设时间点的模型时变参数估计值小于或者等于参数阈值或者所述预设时间点的模型时变参数估计值的符号函数与所述模型时变参数估计值初始参数的符号函数不相等中的至少一个。4.根据权利要求1所述的自适应网络化预测控制方法，其特征在于，所述基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列包括：基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，获取所述控制增量预测序列对应的第二准则函数；在所述第二准则函数取最小值的情况下，得到自适应控制律表达式；对所述自适应控制律表达式进行迭代，得到预测控制增量表达式；基于所述预测控制增量表达式，得到所述预测控制增量序列。5.根据权利要求1-4任一项所述的自适应网络化预测控制方法，其特征在于，所述基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号包括：对所述接收时间点和所述时间戳做差值计算，得到所述接收时间点对应的反馈通道和前向通道的总时延，所述总时延为所述接收时间点对应的，反馈通道和前向通道的总时延；利用所述控制增量预测序列中各个控制预测增量对所述总时延进行时间补偿，得到所述目标控制信号。
6.一种自适应网络化预测控制系统，其特征在于，包括：缓存器，用于获取被控对象的测量输出数据和控制输入数据，将所述测量输出数据和所述控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列，将所述初始数据序列发送给辨识器；辨识器，连接所述缓存器，用于基于所述初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值，将所述预设时间点的模型时变参数估计值发送给预测器，所述前一时间点为与所述预设时间点的上一个时间点；预测器，连接所述辨识器，用于基于所述预设时间点的模型时变参数估计值、预设系统输出参考值和所述初始数据序列，得到控制增量预测序列，将所述控制增量预测序列及对应的所述时间戳发送给补偿器；补偿器，连接所述预测器和所述被控对象，用于基于所述控制增量预测序列及所述时间戳，以及接收时间点，确定目标控制信号，所述接收时间点为所述补偿器接收所述控制增量预测序列及所述时间戳的时间点；利用所述目标控制信号对所述被控对象进行网络化预测控制。7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述自适应网络化预测控制方法的步骤。8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述自适应网络化预测控制方法的步骤。9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述自适应网络化预测控制方法的步骤。

技术总结

本发明提供一种自适应网络化预测控制方法、系统、电子设备及存储介质，其中方法包括：获取被控对象的测量输出数据和控制输入数据，将测量输出数据和控制输入数据以及对应的时间戳进行数据封装，得到初始数据序列；由辨识器基于初始数据序列和前一时间点的模型时变参数估计值，获取预设时间点的模型时变参数估计值；由预测器基于预设时间点的模型时变参数估计值、预设系统输出参考值和初始数据序列，得到控制增量预测序列，将控制增量预测序列及对应的时间戳发送给补偿器；由补偿器基于控制增量预测序列及时间戳以及接收时间点，确定目标控制信号，利用目标控制信号对被控对象进行网络化预测控制。采用本方法能够提高控制的效果。果。果。