切換，從而逼近任何一個(gè)非線性系統(tǒng)?；舅?想是把辨識(shí)數(shù)據(jù)分成組，每一組都表示了輸入和輸出之間的局部線性關(guān)系，即每個(gè)聚類定 義了一個(gè)模糊區(qū)，用一個(gè)子模型來局部近似，多個(gè)子模型近似表示我們的非線性系統(tǒng)。根據(jù) 運(yùn)種聚類劃分，提取出模糊規(guī)則、隸屬度函數(shù)和模糊模型的其他參數(shù)。一組采用一條模糊規(guī) 貝1J，即模糊規(guī)則的數(shù)目等于組的數(shù)量。其中屯、問題是設(shè)定合理的聚類指標(biāo)，根據(jù)該指標(biāo)確定 的聚類中屯、來實(shí)現(xiàn)模糊輸入空間的最優(yōu)劃分。
[0053] 1)模糊聚類
[0054] 考慮模糊C均值聚類方法，設(shè)一組數(shù)據(jù)向量Zk，l含k含N，將運(yùn)一組數(shù)據(jù)劃分為C個(gè) 模糊類，第k個(gè)數(shù)據(jù)屬于第i個(gè)模糊類的隸屬度函數(shù)用iiik表示，假設(shè)
[005引 X冷=l，(i- = 1，么.,.，AO '護(hù)I
[0056] 并且走義iiik(i二1,2, . . . ,c;k=l,2, . . . ,N)陣為U。
[0057] 那么目標(biāo)函數(shù)就是：
[0059] 式中iiik/斤0,響;Vi為模糊組I的聚類中必，/?二(? - V, f A(Z* -V,). I < / < C，1之是這化 為第I個(gè)聚類中屯、與第k個(gè)數(shù)據(jù)點(diǎn)間的歐幾里德距離，且me[l，w)是一個(gè)加權(quán)指數(shù)。
[0060] 構(gòu)造如下新的目標(biāo)函數(shù)，可求得使上式達(dá)到最小值的必要條件為：
[0062] 式中Mk=I, . . .，N),是I]伯=Uir = U,…,iV)的N個(gè)約束式的拉格朗日乘子。對(duì) /:二 1 所有輸入?yún)⒘壳髮?dǎo)得出使乃^^^....，" = ￡/,=：1；|>:巧達(dá)到最小的必要條件： i 二.1 i 二-1- '片1
[0066] 模糊聚類算法描述如下：
[0067] 步驟1 :用值在0，1之間的隨機(jī)數(shù)初始化隸屬度矩陣U，使其滿足 Ix =1，化= 1，2，...，N); i=l.
[006引步驟2:用
計(jì)算C個(gè)聚類中屯、Ci，i = l，2，...，c;
[0069] 步驟3:根據(jù)式
計(jì)算價(jià)值函數(shù)。如果它小于 某個(gè)確定的闊值，或它相對(duì)上次價(jià)值函數(shù)值的改變量小于某個(gè)闊值（闊值在控制程序初始 化中設(shè)定），則算法停止；
[0070] 步驟4:用式
更新U陣。返回步驟2。
[0071] 2)計(jì)算前件變量的隸屬度
[0072] 由前面的模糊聚類劃分，得到局部子模型的聚類中屯、Cl。對(duì)于任何一個(gè)輸入點(diǎn)Zj, 可由公式巧二(乙左-V,)7 A(z,: 么c，l么?計(jì)算數(shù)據(jù)點(diǎn)和聚類中屯、的歐幾里 德距離。再應(yīng)用公式
可求得前件變量的隸屬度。
[007引3)估計(jì)后件參數(shù)
[0074]后件參數(shù)ai，bi的獲得實(shí)際上是最小二乘Y = X . 0+C的估計(jì)問題，其中
[0076] 0 = [ai bi 日2 b2 …ac bc]T，其解為目= (xTx)-Vy。
[0077] 4)計(jì)算模型輸出
[0079] 2、超前預(yù)測變結(jié)構(gòu)控制器設(shè)計(jì)
[0080] 根據(jù)上一步的分析，采用逆向思維，通過分析期望的軌跡變化規(guī)律，用未來的偏差 和偏差的變化作為輸入條件來獲得未來的控制作用。將對(duì)偏差的跟蹤轉(zhuǎn)換成對(duì)W偏差和偏 差的變化信息的線性組合而構(gòu)成的滑模函數(shù)的跟蹤。設(shè)計(jì)各個(gè)"子模型"之間的切換平面， 確定切換函數(shù)，護(hù);) = 0,使得控制作用^ / 存在，且滿足 、 ; [Mf-(色*) S(V)CO S 0及可達(dá)性條件。
[0081 ]其控制器設(shè)計(jì)問題描述如下：
[008引設(shè)有一控制系統(tǒng)
[008引 8。二f(eP，化\t)，壇。G於，滬巨R"，化及
[0084]其中eP為未來的給定值與預(yù)測輸出的偏差，即未來的偏差，uP為未來的控制作用。 設(shè)采樣時(shí)間為T，則
[0086] 切換函數(shù)為
[0087] s(k)=ceP(k)+deP 化）=CX 化）
[008引 ds(k) =s(k)-s 化-1)
[0089] 其中 C=k，l]。
[0090] 采用二維模糊控制器，通過模糊控制規(guī)律直接設(shè)計(jì)滑?？刂屏縐。設(shè)模糊控制器的 輸入是S和,f，它們分別是S化)和ds化)的模糊化變量，模糊控制器的輸出A U是控制的變化 量A U的模糊化變量。
[0091] a)定義模糊集
[0092] PB =正大，PM =正中，PS =正小
[0093] NS =負(fù)小，NM =負(fù)中，NB =負(fù)大
[0094] b)根據(jù)模糊控制原理，定義S和左為模糊控制器的輸入、輸出為AU [009引 s = {NB，NM，NS，ZO，PS，PM，PB}
[0096] J = {N B, NM，N S, ZQ, PS，PM，P巧
[0097] AU={NB，NM，NS，ZO，PS，PM，PB}
[0098] 其論域?yàn)?br>[0099] 8 = (-3,-2,-1,0,+1,+2,+3}
[0100] 5 = {-3,-么-1，0, +1, + 2, + 3}
[0101] AU={-3,-2,-l,0,+l,+2,+3}
[0102] 上述模糊化變量均選擇正態(tài)分布隸屬函數(shù)。
[0103] C)確定模糊滑?？刂破鞯哪：刂埔?guī)則
[0104] 在力圖滿足不等式A;<0條件下設(shè)計(jì)U，所獲得的控制規(guī)則如表1所示。使用的模糊規(guī) 則是：If S is A and .,吉 is B, then A U is C。
[0105] d)反模糊化:采用重屯、法將模糊輸出精確化，公式如下：
[0107] 由一對(duì)未來的偏差和偏差的變化通過模糊推理就得到一個(gè)未來的控 制作用uP，運(yùn)樣就得到一系列未來的控制作用。
[0108] 3、時(shí)延主動(dòng)補(bǔ)償
[0109] 在時(shí)延的補(bǔ)償機(jī)制中，為網(wǎng)絡(luò)中傳輸?shù)拿總€(gè)數(shù)據(jù)包設(shè)置一個(gè)時(shí)間戳，將當(dāng)前時(shí)間 和數(shù)據(jù)包傳輸時(shí)間進(jìn)行相減而得到延時(shí)時(shí)間，通過在過程端設(shè)置緩沖區(qū)，在最新的控制序 列中選擇控制作用來補(bǔ)償網(wǎng)絡(luò)中的時(shí)延。每個(gè)執(zhí)行周期中動(dòng)態(tài)更新緩沖區(qū)的內(nèi)容。簡言之， 也就是將一系列未來的控制作用通過"包傳輸"方式由控制器端傳到過程端，再在過程端根 據(jù)網(wǎng)絡(luò)時(shí)延的大小從一系列未來的控制作用中選擇控制作用施加到被控對(duì)象上來解決網(wǎng) 絡(luò)中的時(shí)延問題。
【主權(quán)項(xiàng)】
1. 一種時(shí)變信號(hào)的網(wǎng)絡(luò)化跟蹤控制方法，其特征在于該方法包括以下步驟： 根據(jù)被控過程的輸入輸出數(shù)據(jù)，采用模糊聚類的方法離線獲得被控對(duì)象的數(shù)學(xué)模型； 1) 根據(jù)離線獲得的數(shù)學(xué)模型采用迭代的方法獲得被控對(duì)象的預(yù)測輸出，用被控過程輸 出和模型計(jì)算輸出的偏差來在線校正預(yù)測模型； 2) 將未來的給定值與預(yù)測的模型輸出的偏差及偏差的變化作為狀態(tài)變量，構(gòu)造切換函 數(shù)； 3) 將切換函數(shù)及切換函數(shù)的變化量作為二維模糊控制器的輸入，通過模糊控制規(guī)律的 設(shè)計(jì)獲得一系列未來的滑?？刂谱饔?； 4) 將這些未來的滑模控制作用"打包"通過網(wǎng)絡(luò)由控制器端發(fā)送到過程端，在過程端通 過網(wǎng)絡(luò)時(shí)延補(bǔ)償器選擇控制序列作用于被控過程以補(bǔ)償網(wǎng)絡(luò)中的時(shí)延； 5) 在下一個(gè)周期，重復(fù)執(zhí)行步驟2)-步驟5)。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟1)中的數(shù)學(xué)模型采用模糊聚類的 方法獲得，是一步預(yù)測模型。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟2)的預(yù)測輸出是一系列未來輸 出，是由一步預(yù)測模型遞推得到用被控過程輸出和模型計(jì)算輸出的偏差來在線校正預(yù)測模 型。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3)通過切換函數(shù)的設(shè)計(jì)，將對(duì)偏 差的跟蹤轉(zhuǎn)換成對(duì)以偏差和偏差的變化信息的線性組合而構(gòu)成的滑模函數(shù)的跟蹤。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4)需要在當(dāng)前時(shí)刻根據(jù)含有未來 的偏差和偏差變化信息的滑模函數(shù)來獲得未來的控制作用，通過分析使系統(tǒng)穩(wěn)定的滑模函 數(shù)的運(yùn)動(dòng)規(guī)律而間接獲得。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟5)中的時(shí)延信息的獲得，是通過 為每個(gè)傳輸?shù)臄?shù)據(jù)包設(shè)置時(shí)間戳，通過當(dāng)前時(shí)間和歷史記錄的時(shí)間相減獲得。
【專利摘要】一種時(shí)變信號(hào)的網(wǎng)絡(luò)化跟蹤控制方法，屬自動(dòng)化控制領(lǐng)域。采用模糊聚類的方法離線獲得被控對(duì)象的數(shù)學(xué)模型；根據(jù)數(shù)學(xué)模型采用迭代的方法獲得被控對(duì)象的預(yù)測輸出，用被控過程輸出和模型計(jì)算輸出的偏差來在線校正預(yù)測模型；將未來的給定值與預(yù)測的模型輸出的偏差及偏差的變化作為狀態(tài)變量，構(gòu)造切換函數(shù)。將切換函數(shù)及切換函數(shù)的變化量作為二維模糊控制器的輸入，通過模糊控制獲得未來的滑?？刂谱饔?；將這些未來的滑?？刂谱饔谩按虬蓖ㄟ^網(wǎng)絡(luò)由控制器端發(fā)送到過程端，在過程端通過網(wǎng)絡(luò)時(shí)延補(bǔ)償器選擇控制序列作用于被控過程以補(bǔ)償網(wǎng)絡(luò)中的時(shí)延；在下一個(gè)執(zhí)行周期，重復(fù)執(zhí)行。本發(fā)明克服網(wǎng)絡(luò)中存在的不確定性，更能適應(yīng)非線性系統(tǒng)的網(wǎng)絡(luò)化跟蹤控制。
【IPC分類】G05B13/04
【公開號(hào)】CN105527841
【申請(qǐng)?zhí)枴緾N201510907461
【發(fā)明人】佟世文, 方建軍, 李雨珊, 王松
【申請(qǐng)人】北京聯(lián)合大學(xué)
【公開日】2016年4月27日
【申請(qǐng)日】2015年12月10日