本发明涉及网络系统的控制领域,具体涉及一种带有非对称信息的网络系统的最优分布式控制方法。
背景技术:
网络控制系统是通过通信网络组成的闭环控制系统,在这样的网络系统中,控制信号和观测信号可以通过系统组件进行交互传输。与传统的点对点反馈控制系统相比,网络控制系统具有很多优势,比如低能耗、低维护成本以及高灵活性等。网络控制系统又可分为集中式网络和分布式网络两种网络形式。顾名思义,集中式网络只有一个反馈闭环控制回路,所有的观测信号都要传递给一个集中控制器,这样就会给集中控制器带来很大的计算负担,此外,当集中控制器发生故障时,整个系统就会崩溃。鉴于集中式网络的这些缺点,研究了另一种网络形式,即分布式网络。
由于分布式网络具有多个闭环控制回路以及多个自主控制器,这就使得每个控制器的计算负担大大减少,并且当其中一个控制器出现故障时,其他闭环回路也不会受影响。鉴于分布式网络的这些优点,近年来,越来越多的研究人员开始研究分布式网络的控制问题。相关研究提出了一种新型的包含共享历史信息的网络框架,在这种网络框架下,控制器之间可以共享部分历史信息(历史控制信息和历史观测信息)。基于这种网络框架,很多研究成果应运而生。通过假设系统形式满足某种特殊形式,相关研究成果给出了针对该网络的最优线性控制策略。针对该网络框架,相关研究人员考虑了带有当地控制器和远程控制器的最优控制问题,利用动态规划的方法给出了最优控制策略。
但是以往的研究工作都没有考虑噪声的影响,在现实生活中,噪声是无处不在的,如果忽略噪声的影响,会使得设计的控制器不能很好地控制现实系统,进而影响控制效果。
技术实现要素:
本发明的目的是针对上述不足,提出了一种带有非对称信息的网络系统的最优分布式控制方法,该方法利用非对称观测信息,给出关于两个控制器的最优滤波器,利用庞德里亚金极大值原理,得到了基于正倒向随机差分方程的解,基于该解,给出了使得性能指标最小的最优控制器,最后根据最优控制器的特殊形式,利用分离原理将最优滤波器和最优控制器进行分离并离线计算。
本发明具体采用如下技术方案:
带有非对称信息的网络系统的最优分布式控制方法,包括:
定义带有非对称信息的网络系统的数学模型如式(1)-(3)所示,
其中,
其中,q,t1,t2和pn+1是半正定矩阵,e是对随机过程{θk},
控制器c1获得传感器1和传感器2的观测信息,也就是
zk=frk+wk(5)其中f=[f1′f2′]′和
确定
优选地,确定式(4)所示的性能指标最小的过程中,利用庞德里亚金极大值原理,将式(1)和(4)改写成式(14)和(15)
其中,d=[d1d2],
基于观测信号{z0,...,zk},对于(1)和(5),控制器c1的最优滤波器为式(16)、(17)
其中,
初始值为
基于观测信号
其中
初始值为
基于式(22),可知估计误差协方差
优选的,将
在给出最优控制器之前,首先将伴随方程(6)-(9)改写成(24)-(27)所示的方程
给出下面的耦合黎卡提方程:
其中,
kk=d′gk+1c,(30)
γk=d′gk+1d+t,(31)
lk=d1′φk+1c,(34)
λk=d1′φk+1d1+t1,(35)
终端值为gn+1=δn+1=pn+1;
然后给出最优分布式控制器的形式以及求解方法:
当k=n,...,0时,假设γk和λk是可逆的,那么使得性能指标(4)最小的最优分布式控制器为(36)、(37):
相应的最优控制器
估计误差协方差(22)计算为:
其中
式(22)表示为式(49)
由此可见,
优选地,利用庞德里亚金极大值原理的具体计算过程为,给出如下所示的伴随方程:
其中λk是伴随变量,pn+1为终端矩阵;
鉴于控制器
相应的
本发明具有如下有益效果:
受该控制方法控制的系统状态波动很小,比受集中式控制器作用的系统状态拥有更好的性能。
附图说明
图1为集中式控制器与分布式控制器对系统影响对比图;
图2为估计误差协方差对比图
具体实施方式
带有非对称信息的网络系统的最优分布式控制方法,包括:
定义带有非对称信息的网络系统的数学模型如式(1)-(3)所示,
其中,
其中,q,t1,t2和pn+1是半正定矩阵,e是对随机过程{θk},
控制器c1获得传感器1和传感器2的观测信息,也就是
zk=frk+wk(5)
其中f=[f1′f2′]′和
确定
利用庞德里亚金极大值原理的具体计算过程为,给出如下所示的伴随方程:
其中λk是伴随变量,pn+1终端矩阵;
鉴于控制器
相应的
确定式(4)所示的性能指标最小的过程中,利用庞德里亚金极大值原理,将式(1)和(4)改写成式(14)和(15)
其中,d=[d1d2],
基于观测信号{z0,...,zk},对于(1)和(5),控制器c1的最优滤波器为式(16)、(17)
其中,
初始值为
基于观测信号
其中
初始值为
基于式(22),可知估计误差协方差
优选的,将
在给出最优控制器之前,首先对伴随方程(6)-(9)改写成(24)-(27)所示的方程
给出下面的耦合黎卡提方程:
其中,
kk=d′gk+1c,(30)
γk=d′gk+1d+t,(31)
lk=d1′φk+1c,(34)
λk=d1′φk+1d1+t1,(35)
终端值为gn+1=δn+1=pn+1;
然后给出最优分布式控制器的形式以及求解方法:
假设γk和λk是可逆的,用数学归纳法证明最优控制器满足(36)和(37),伴随变量1βk-1满足(38)。从(27)和gn+1=δn+1=pn+1,可以得到当k=n+1时,(38)成立;
当k=n时,利用(14),(27)和(12),(25)变为
基于(30)和(31),最优控制器gn计算为式(39)
因此当k=n时,(36)成立,利用(14),(27)和(13),(26)变为
利用(34)和(35),最优控制器
因此当k=n时,(37)成立;
利用(14),(39),(40)和(13),(24)可以写成
利用(28)和(29),可以得到当k=n时,(38)成立;
利用数学归纳法,选取任意的l满足0≤l≤n,假设βk-1,gk和
利用(20),(12)和(14)可以得到
使用(16),(20),(12),(13),(14)和(41)可以得到
由于(38)在k≥l+1时始终成立,当k=l+1时可以得到
利用(41),(42),(43)和(12),(25)可以写成
使用(30)和(31),最优控制器gl计算为式(44)
因此(36)在k=l时成立,利用(41),(42),(43),(12)和(13),(26)计算为
利用(32)-(35),最优控制器
因此(37)在k=l时成立;
利用(41),(42),(43),(13),(44)和(45),(24)变为
利用(28),(29),(30)和(32),可以得到(38)在k=l时成立,证明完毕;
很明显可以看到
估计误差协方差(22)计算为:
其中
从(22)中可以看到耦合项为
同样可以计算得到
式(22)表示为式(49)
由此可见,
设定系统(3),(5),(14)和性能指标(15)的参数如下所示
c=2.7,d1=1.2,d=[1.21.1],
f2=1.1,f=[1.21.1],q=t1=1,
相应的初始值和终端值为
在图1中画出了分别受集中式控制器和分布式控制器作用的系统状态,从中可以看到受分布式控制器控制的系统状态波动很小,比受集中式控制器作用的系统状态拥有更好的性能。
从图2中可以看到,两个估计误差协方差都是渐进稳定的,估计器1的协方差比估计器2的协方差要小,说明估计器1的估计效果更好。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。