导读:本文包含了分布式网络化控制系统论文开题报告文献综述及选题提纲参考文献，主要关键词:网络化控制系统,分布式算法,协同控制,信息物理融合系统
分布式网络化控制系统论文文献综述
黄俊华[1]（2019）在《无线网络化控制系统的协同控制与分布式一致性研究》一文中研究指出随着计算、传感和无线通信技术的发展,无线网络化控制系统克服了传统网络化控制系统中安装及维护成本高、拓展性差等局限性,成为了网络化工程应用中的发展潮流。由于被控对象的结构规模不断扩大,无线网络化控制系统中的各个网络器件(如传感器、控制器、执行器)根据预先设计的协作式协议借助无线通信网络相互交换数据信息,才能高效地完成对被控对象的泛在感知与协同控制的任务。这种协同控制协议使得物理过程、信息处理与通信相互融合,从而提高了网络化控制系统的控制性能、效率及可靠性。无线通信网络的采用,增加了无线网络化控制系统的控制方式灵活性;但无线通信网络的开放性影响数据信息的准确性,另一方面大量的无线通信业务容易使得有限的无线通信网络资源耗尽。无线通信网络的开放性和有限的通信信道资源,成为了影响无线网络化控制系统工作性能的主要因素。因此,如何设计网络化控制系统的协同算法成为无线网络化控制系统的关键问题。本文以无线网络化控制系统的协同算法为研究对象,分别从网络器件特性、通信网络拓扑等方面分别考虑无线网络化控制系统中传感器、控制器和执行器的协同控制问题。本文的主要研究工作有以下几个方面:一、针对具有非线性约束的控制器,研究了网络化控制系统的分布式协同控制问题。针对控制器中的非线性约束,利用Lyapunov稳定性理论及Lurie系统绝对稳定性理论,将非线性控制器的分布式协同控制问题转化为关于闭环系统稳定性的凸优化问题。理论分析证明,通过提出的分布式协同控制算法可以镇定网络化控制系统。二、针对信息物理融合系统中的协同控制问题,提出了线性控制器的分布式采样控制算法。根据物理过程系统中固定不变的耦合关系,利用控制网络中信息通信的灵活性通过考虑控制器通信网络拓扑的入/出度特性适当的设计分布式采样控制算法。该分布式采样控制算法能根据控制网络中资源的分布合理地设计控制算法,充分利用网络中的控制资源。叁、针对数据入侵攻击下无线传感器网络提出了基于事件触发机制的有限时间一致性滤波算法。通过引入事件触发机制和具有数据丢包的数据入侵攻击模型,给出了有限时间一致性滤波算法。理论分析证明,通过所提出的有限时间一致性滤波算法无线传感器网络系统能在有限时间内达到一致性,同时消耗较小的网络通信资源。四、针对基于中继节点的传感器/执行器网络系统研究了分布式协同控制算法。借助代数图论把异构性网络中的控制问题转化为同构系统中的闭环稳定性问题。利用代数图论与Lyapunov稳定性理论,给出了基于中继节点的传感器/执行器网络的分布式协同控制算法。理论分析证明,新提出的协同控制算法可以保证基于中继节点的传感器/执行器网络系统的稳定性。五、针对异构多智能体系统提出了基于事件触发机制的一致性控制算法,以减少数据传输对网络通信资源的占用。分别针对两种不同的网络结构考虑了异构多智能体系统的一致性问题:1)在固定不变的网络拓扑中,借助于事件触发时刻的邻居数据信息和开环估计与实际状态的差值,提出了基于事件触发机制的分布式一致性控制算法。2)对于时变切换的网络拓扑,借助依赖网络拓扑的驻留时间设计了基于事件触发机制的分布式一致性控制算法。由于采用了基于估计的触发条件,所设计的一致性控制算法能有效延长事件触发的释放时间,减少事件触发次数。六、针对控制器的不确定性以及执行器的故障率,提出了一种混合触发机制下的非脆弱性控制算法,这种混合触发机制是由时间驱动机制下周期采样和基于事件触发机制组成。在这种混合触发机制下,利用Lyapunov-Krasovoskii泛函和输入延迟法给出了非脆弱性控制算法。仿真结果表明:所提出的非脆弱性控制算法能根据不同条件下的触发机制、执行器故障率保证网络化控制系统的稳定。(本文来源于《华南理工大学》期刊2019-04-10）
于晋伟[2]（2018）在《网络化Euler-Lagrange系统的分布式编队控制》一文中研究指出网络化Euler-Lagrange(简记为EL)系统的协调控制近年来已成为多智能体系统动力学和控制领域的前沿课题之一。这主要是由于EL方程可以用来描述大量物理以及力学系统的结构和运动特性,如航天器,移动机器人以及自动车辆等。相比于单个的EL系统,机动性、灵活性、可操作性和可执行性是网络化EL系统所具有的主要特征,如航天器交会对接、卫星姿态调整以及多机械臂协调等。因此,对于网络化EL系统的协同控制的研究有很重要的科学意义以及潜在的应用价值。本文就是在总结国内外现有研究成果的基础上,对网络化EL系统的分布式编队协同控制问题进行了深入地研究。论文主要工作概括为如下几个方面:一、基于虚拟结构的网络化EL系统分布式编队控制。在有向通讯拓扑网络结构下,首先采用基于虚拟结构的队形控制策略,设计了一种分布式观测器,使得所有的跟随者可以间接地获得动态领导者的速度估计信息,进而提出了一种全分布式编队协同控制器,使得队形误差最终渐近收敛到零。进一步地,针对信息交换过程中存在的通讯时滞问题,通过引进时滞补偿,设计了改进的自适应编队协同控制算法。利用拉普拉斯变换法,以及李雅普诺夫稳定性理论,给出了相应的编队协同控制准则,以确保网络化的EL系统实现期望的队形。值得一提的是,仿真结果表明所设计的控制方案对于有界通讯时滞以及不确定的EL系统有较好的鲁棒性。二、具有避碰约束的网络化EL系统分布式编队控制。针对编队跟踪、队形保持、碰撞规避等多个控制目标,基于虚拟结构和人工势函数法分别对有无领导者设计了分布式编队碰撞规避协同控制协议,其中虚拟结构被用来设计期望的队形,而势函数是用来表示智能体之间的碰撞规避。对于无领导者的情况,提出了一种全新的自适应增益技术,所设计的自适应增益系数可以通过控制目标以及跟随者的运动状态来调节自身权重,直到期望的控制目标实现。对于有领导者的情况,进一步地,在所得结果的基础上,引进一种改进的分布式观测器,使得跟随者的速度与领导者的速度达到一致,并给出了编队碰撞规避的代数准则。数值仿真,以4个非恒同的2-连杆机械臂为例,验证了所设计的分布式控制方案的有效性。叁、基于区域约束的网络化EL系统分布式编队控制。由于虚拟结构下,随着跟随者数量的增加,跟随者之间的几何约束会越来越复杂,不利于大规模的编队控制。基于这个因素的考虑,研究了区域可达的编队控制问题。首先,针对单个跟随者,通过选取适当的区域势函数,利用经典的PID控制策略,使得跟随者能够进入到指定的目标动区域而不是传统意义下的定点跟踪。为了使得多个跟随者进入到目标区域而且彼此能够避免碰撞,提出了一种改进的自适应增益技术。这种情形下,跟随者的队形取决于区域势函数,并且区域中的跟随者之间没有确定的几何约束。因而基于区域的自适应编队控制方案适用于大规模的编队控制。最后,数值模拟表明所提控制方案的可行性。(本文来源于《上海大学》期刊2018-10-01）
李少远,夏元清,程鹏[3]（2018）在《网络化分布式CPS系统实时优化、监控与安全控制》一文中研究指出网络化分布式系统由多个相互耦合的分布式子系统共同作用下的网络化系统,为达到整体系统行为的一致性,通过构建信息网络实现子系统动态行为的协调与优化,称为CPS(cyber-physical system)系统的优化.传统的集中式优化方法难以实现高效性、实时性的问题求解,研究分布式优化与决策的理论方法具有重要的理论意义,在当今以智能电网、传感器网络等为代表的网络化分布式系统中有着广泛的应用需求.针对网络化环境下复杂系统分布式优化与决策,通过研究子系统间的信息交互机制与物理耦合关联,形成子系统动态耦合约束下的目标优化、多任务冲突情况下的子系统共识决策与拓扑结构变化下的自适应协同问题,通过调整动态耦合约束下各子系统优化问题的可行域,分析并预测子系统动态的行为,调控系统在不同拓扑结构下的多模态切换,发展一类适用于网络化系统的分布式实时优化与决策理论,以提高整体系统的全局性能.本文结合专刊所取得的成果对此进行讨论.(本文来源于《信息与控制》期刊2018年01期）
魏永松,郑毅,李少远,朱全民[4]（2017）在《面向大规模网络化系统的分布式预测控制（英文）》一文中研究指出本文将近年来关于网络化分布式预测控制(distributed model predictive contro,DMPC)设计的结果进行了总结概述.DMPC不仅仅继承了预测控制的优点而且还有分布式控制框架的特点.首先,介绍了分布式控制的系统结构设计;然后,依据预测控制中的性能指标,从3个方面对DMPC进行了介绍:基于局部性能指标的DMPC,基于邻域指标的DMPC和基于全局指标的DMPC.最后,选取3个典型例子来说明一些DMPC的有效性.(本文来源于《控制理论与应用》期刊2017年08期）
樊海迪[5]（2017）在《一类电力系统的分布式网络化控制和滤波》一文中研究指出把网络作为通信媒介加入到传统的控制系统中,系统的性能得到了大地改善,不仅让用户可以更加方便地进行远程的数据交互,而且在一定程度上降低了成本,但是也不可避免地给信息的传输带来一些问题,如网络延迟、丢包、单包和多包传输等,这些问题会对系统的性能产生不良的影响。时延是普遍存在于电力系统中的,同时我们也发现在一定的条件下,时延对于运行和控制有着重要的影响。研究表明甚至一个非常小的时延都会使得电力系统产生震荡。因此,我们要重视时延并对它进行适当的处理,尤其是广域测量和控制的环境下。然而,在目前的电力系统的控制器的设计相关研究中,很少有人会考虑网络时延。而且在一般的研究中,也没有为广域的电力系统设计分布式的控制器。本文将网络引入一类电力系统中,得到一个具有时变时延的分布式闭环网络化控制系统,并研究了该系统的?H控制与滤波问题。本文研究工作如下:第一章,我们给出了网络化控制系统的特点、优势以及国内外研究现状,此外还介绍了本文的主要研究内容。第二章,考虑了一类电力系统的?H控制问题,主要包括系统的建模和分析。我们研究了一类传统的电力系统在网络环境下的稳定性问题,根据电力系统的特点为系统设计了分布式的控制器,从而利用输入时滞方法,我们将系统建模成了一个闭环的具有时变时延的网络化控制系统模型。然后,系统渐近稳定的条件和控制器存在的时滞依赖判据通过Lyapunov理论给出。最后,我们用一个2-总线4-电机的电力系统利用仿真例子对本章所提出方案的有效性进行了验证。第叁章,在考虑了网络诱导时延的情况下,研究了一类电力系统的滤波问题,包括系统的建模与它的稳定性分析。考虑到网络诱导时延对系统的影响,我们构造了一个具有时变时延的滤波误差系统。系统渐近稳定的时滞依赖判据和滤波器的参数用线性矩阵不等式的方法给出,这里主要是使用了Lyapunov-Krasovskii泛函的相关理论。最后,本章所提的滤波器的有效性也将通过一个MATLAB仿真实验来进行验证。第四章,主要对本文的主要研究工作进行总结,包括本文的主要研究内容以及存在的问题,同时也对后续的工作进行展望。(本文来源于《山西大学》期刊2017-06-01）
彭琮波[6]（2017）在《基于多Agent系统的微电网分布式网络化控制研究》一文中研究指出化石燃料的燃烧会导致环境污染和能源危机等问题,许多国家空气污染的罪魁祸首就是因为使用化石燃料发电。因此,利用风能、光能等可再生能源取代化石燃料发电,已经成为一个重要的发展趋势。近年来,依托可再生能源发电的分布式发电(DG)得到了快速发展,而微电网作为分布式发电的有效管理形式,对于提高可再生能源的利用率,减少环境污染和缓解能源危机,提高供电可靠性和稳定性具有重大的意义。但是,可再生能源发电依赖于外界环境,其输出具有明显的随机性,而负荷需求具有波动性,同时,微电网本身的惯性较小,以及潮流出现双向流动等,这些因素的相互作用,使得微电网的控制变得非常困难。依照微电网的分布式特性,研究微电网的分布式网络化控制,为保证微电网安全、可靠运行提供了新的思路和方法。本文基于分布式的多Agent系统(MAS),构建了微电网双层控制模型,研究微电网的控制和能量管理。首先,提出一种含通信网络的微电网分布式网络化控制方法,实现微电网系统平衡和可控DG功率按容量分配。然后,对此方法进行推广,提出一种控制与能量管理融合的框架,此框架既能实现不同的控制方案,又能达到不同的能量管理目标。其次,在此框架下,提出了微电网的容错控制方法,解决了Agent故障下的控制和能量管理问题。最后,在MATLAB/Simulink中搭建数字仿真平台,对提出的控制方法进行测试。本文的主要研究内容包括:(1)为契合微电网的分布式特性,基于多Agent系统,本文建立了微电网双层控制模型,提出一种含通信网络的微电网分布式网络化控制方法。此双层控制模型,上层为通信网络,下层为微电网。首先,本文给出上层通信网络的构造方法,然后,系统地给出从任意通信网络推导出Agent分布式控制律的一般方法。其次,从理论上证明,只要Agent按照导出的控制律调整可控DG的输出,通过迭代,就能实现功率按容量分配。最后,在搭建的仿真平台上,设计了7个不同的算例,对导出的控制律进行测试。测试结果表明,即便是环境和负载同时剧烈变化,导出的控制律也能够保证系统平衡,同时,满足功率按容量分配的要求。(2)为提高控制律的普适性,本文对上述的微电网控制方法进行推广,提出一种控制与能量管理融合的框架,在统一的框架下,研究微电网控制与能量管理方法。首先,本文给出的融合框架,沿用了下层为微电网,上层为通信网络的双层结构,然后,设计动态权值矩阵,系统地给出分布式控制律的构造方法。通过改变权值矩阵中的一个参数,就能实现不同的控制和能量管理目标。其次,从理论上证明,Agent按照导出的控制律对DG进行控制,多次迭代后,DG的输出将达到设定的控制或能量管理目标。最后,在仿真平台上,从控制和能量管理两个方面,对控制律进行测试。测试结果表明,在环境和负载同时变化的情况下,控制律能够实现一致性输出、按容量输出和优化增量成本等控制与能量管理目标。(3)为提高控制律的鲁棒性,结合上述控制与能量管理融合的框架,针对通信网络故障,提出一种微电网的容错控制方法。由于此方法能自适应地改变控制律参数,因此,不管通信网络是否存在故障,均可使得系统正常运行。首先,给出通信网络中Agent故障的判定方法,然后,根据是否接收到邻居Agent的信息,控制律将自适应地进行改变。其次,故障Agent恢复以后,Agent会重新收集所连接的DG和负载信息。最后,在仿真平台上,对多种类型Agent故障进行容错控制测试。测试结果表明,不管是单个Agent故障,还是多个不同类型Agent故障,在剩余Agent的控制下,系统仍然能够正常运行,并部分地实现控制和能量管理目标。(4)为对提出的控制方法进行测试,在MATLAB/Simulink中搭建数字仿真平台。首先,建立了微型燃气轮机、光伏,风机和储能电池四种不同类型的DG仿真模型,然后,对四种仿真模型的基本控制方法,如恒功率(PQ)控制、恒压恒频(V/F)控制等,进行调试。其次,将四种仿真模型进行组合,建立微电网,同时,构造不同拓扑结构的Agent通信网络,为实现分布式网络化控制做准备。最后,利用搭建的数字仿真平台,能够设定光照强度和风速的变化,按控制律调节DG输出,同时,能够设置延时、丢包、通信链路断裂以及Agent故障等。(本文来源于《重庆大学》期刊2017-05-01）
张凡[7]（2015）在《网络化鲁里叶系统的分布式控制研究》一文中研究指出由多个单系统(又称为智能体)以相互协作的方式组成的大规模网络化系统具有功能强大、灵活度高、成本低廉等优势,是编队航天器系统、多机器人系统、智能电网等工程问题的通用化理论模型。为实现网络化系统的协同工作,需要对网络中的各个成员进行分布式控制,以协同完成预定的目标任务。分布式控制的核心是,仅利用网络中相邻智能体间的(局部)相对信息,将动态网络的群体行为协调到期望的状态,如达到同步。对诸如考虑执行机构含有饱和或死区等区间非线性的航天器动力学,可以由鲁里叶系统来描述。因此,本论文针对节点动力学为鲁里叶系统的非线性多智能体网络,基于代数图论、绝对稳定性理论、线性矩阵不等式、鲁棒H∞/最优等控制技术,开展该类网络化系统的鲁棒同步问题研究,取得如下研究成果:针对能够由连通无向图表示的无领航者多鲁里叶系统,考虑经静态相对状态反馈分散耦合而成的动态网络鲁棒同步问题,提出了分别考虑增量无源鲁里叶非线性与增量扇区有界鲁里叶非线性下的完全分布式鲁棒同步算法。理论证明给出如下结论:任意连通无向图的拉普拉斯矩阵的非零特征根对应的特征向量张成的矩阵与其自身转置的乘积生成的矩阵为节点数相同的无权完全图的拉普拉斯矩阵。利用该结论构造无向鲁里叶网络的同步误差系统,分析该误差系统全局渐近稳定的充分条件,给出了静态相对状态反馈同步协议中反馈增益矩阵的设计方法。进一步,在上述静态相对状态反馈同步协议中引入自适应耦合权重,实现由局部同步误差驱动的各边权重的动态调整,理论分析证明,该时变权重的引入能够在无不知道完整网络拓扑结构的情况下实现无向鲁里叶网络的鲁棒同步。进一步针对强连通有向图的情况,设计了一种有向鲁里叶网络的鲁棒同步算法。基于强连通有向图的拉普拉斯矩阵对应零特征根的左特征向量,构造了同步误差系统及相应的李雅普诺夫函数,并利用强连通有向图的广义代数连通度证明了该误差系统的全局渐近稳定性,从而证明了所设计的同步算法是有效的。由于含有一条有向生成树的有向图总能划分成多个强连通子图,能够利用强连通图的相关结论给出由该有向图中所有根节点组成的强连通子图上的多鲁里叶系统同步的充分条件,再理论证明该有向图中其余节点上的鲁里叶系统可收敛于根节点的同步流型,从而给出含有一条有向生成树的有向鲁里叶网络的鲁棒同步算法。针对仅有相对测量输出信息可用的无向鲁里叶网络的鲁棒同步问题,考虑鲁里叶非线性未知的情况,提出了一种基于相对测量输出线性动态反馈同步协议的设计方法。在构造同步误差系统并分析其全局渐近稳定性的基础上,证明了同步协议参数矩阵需要满足的充分条件,进一步基于线性H∞控制技术,给出了这些参数矩阵的计算方法。由于我们所设计的同步协议是动态的,对其状态空间维数的选取也一并做了讨论。由于未对鲁里叶非线性作精确已知的假设,只需满足增量无源或增量扇区有界条件,我们所设计的同步协议在这个意义下是鲁棒的。由于实际网络化系统,如智能电网等中的节点动力学并不完全一致,为此假设所有鲁里叶系统的线性部分是一致的,而其非线性部分可以是不同的,引入输出调节理论,分别提出了基于动态状态反馈与动态输出反馈的异构鲁里叶网络的鲁棒输出同步协议设计方法。该方法采用分布式观测器技术,首先在含有一条有向生成树的有向网络上设计一个同构分布式观测器网络,在每个节点处渐近地复现一个共同的参考信号,然后基于输入状态稳定性理论,设计局部输出调节控制器现实各智能体对该参考信号的跟踪控制。由于分布式观测器的引入,使得局部输出调节控制器的设计不局限于鲁里叶系统,因此本方法可用于处理任意节点动态的异构网络同步问题。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
吴志阳[8]（2015）在《具有输入饱和的网络化多机器人系统分布式控制》一文中研究指出网络化多机器人系统的分布式控制问题可以看作是多个具有自主协调控制的微型机器人,通过相互之间共享信息、相互协调,有效地完成总体任务。将每个网络化机器人看作一个智能体,建立多智能体系统(Multi-agent system),那么就可以实现多智能体的相互协调与合作,完成复杂的作业任务。多智能体系统的分布式控制在分布式传感网络、编队控制、无人驾驶飞行器等航空、航天以及工业生产过程等领域都得到了广泛的应用。由于饱和约束广泛地存在于任何实际的被控对象中,并且近几十年来在网络化控制系统中考虑饱和约束的问题受到了非常广泛的关注,因此研究具有输入饱和的多智能体系统的稳定性问题具有重要的理论及实际意义。本文在已有的多智能体系统一致性控制研究基础上,进一步地研究了具有输入饱和的多智能体系统的一致性控制问题,主要内容及创新点可归结如下:(1)针对具有输入饱和的多智能体连续系统,假设系统是可控的,利用代数李亚谱诺夫(Lyapunov)方程的方法求出唯一正定解,设定其逆为低增益反馈矩阵,基于低增益反馈控制策略和观测器的思路分别设计具有状态反馈和输出反馈的一致性控制算法,使得多智能体系统能够达到半全局一致;(2)针对具有输入饱和的多智能体离散系统,将一般的离散系统推广到带有领导者的多智能体离散系统,假设系统是有界渐近零能控(ANCBC)的,分别设计具有状态反馈和输出反馈的一致性控制算法,使得多智能体系统能够达到全局一致;此外,基于Matlab平台论文对上述一致性控制算法进行数值仿真。对于多智能体连续系统,通过选取不同的低增益参数,阐述了低增益反馈策略的应用;对于多智能体离散系统,分别考虑有无输入饱和的情形。仿真结果验证了理论研究的正确性。(本文来源于《上海工程技术大学》期刊2015-12-01）
任雯,胥布工[9]（2015）在《基于标准神经网络模型的非线性系统分布式无线网络化控制》一文中研究指出针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.(本文来源于《控制与决策》期刊2015年04期）
任雯[10]（2014）在《无线网络化控制系统的分布式估计与控制》一文中研究指出随着现代工业的快速发展，生产规模越来越大，控制系统的功能、结构日趋复杂，组成单元分散在广阔的地理区域，闭环控制回路的数量急剧增加，出现了大规模复杂工业控制系统。对于这些大型系统，集中式控制使得整个控制系统信息交换困难，可靠性降低；另一方面，基于有线通信网络的分布式控制系统仍面临布线安装和维护成本高昂、集成复杂、不易扩展等固有瓶颈。传统的控制方法已无法满足大规模复杂工业控制系统在模块化、实时控制、泛在检测、故障诊断、安全管理等多方面的要求。进入21世纪以后，随着传感、微电子、通信以及信息技术不断进步，出现了廉价、低功耗、高性能、小型化的嵌入式智能终端设备。这些大量分散部署于地理空间上的智能终端（如传感器、执行器、控制器等）通过共享低成本、低功耗、自组织、易部署的无线通信网络交换信息，对传统上分离的物理世界和信息世界能够实现深度融合，衍生出了无线网络化控制系统，是信息物理系统的一个新的前沿研究方向，受到了国内外学术界和工程界的广泛关注。由于无线网络的介入，使得整个无线网络化控制系统的性能质量不仅取决于控制器的设计，还严重依赖于无线网络的远程通信服务质量。这就要求综合考虑无线通信、网络调度、网络复杂度等多方面因素对控制的影响，利用相关多学科的新理论、新技术联合设计无线网络化控制系统。本文结合国内外最新研究成果，基于新兴的工业无线技术标准体系，研究无线网络化控制系统的建模、稳定性分析、分布式估计融合以及分布式鲁棒控制综合等相关问题。本文具体开展的工作包括以下四个方面：1）考虑到恶劣的工业生产环境，采用WIA-PA工业无线标准下的两层混合网络拓扑架构，基于交互双模通道感知技术和联邦多源滤波融合理论，提出了一种新的面向工业应用的分布式网络化估计和协作控制算法。2）针对一类采用标准神经网络模型描述的非线性系统，采用衰落通道建立随机丢包无线链路模型，使用LMI方法提出了一种新的基于多跳无线神经控制网络的全分布式非线性鲁棒最优控制策略。采用的网状结构的网络拓扑结构和基于时分多址协议的网络调度机制，符合国际工业无线标准Wireless HART。3）研究了一个神经网络智能控制的实际工业应用实例。在深入研究多速电子送经原理的基础上，为德国卡尔迈耶双针床经编机开发了基于模糊免疫-单神经元自适应PID算法的智能多速电子送经系统，给出了详细的软、硬件设计方案。样机测试结果验证了系统设计方案的可行性和正确性。4）针对一类自回归滑动平均非线性多输入-多输出系统模型，采用动态反向传播学习算法研究了无线网络化控制系统的在线分布式自适应控制问题。(本文来源于《华南理工大学》期刊2014-06-01）
分布式网络化控制系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
网络化Euler-Lagrange(简记为EL)系统的协调控制近年来已成为多智能体系统动力学和控制领域的前沿课题之一。这主要是由于EL方程可以用来描述大量物理以及力学系统的结构和运动特性,如航天器,移动机器人以及自动车辆等。相比于单个的EL系统,机动性、灵活性、可操作性和可执行性是网络化EL系统所具有的主要特征,如航天器交会对接、卫星姿态调整以及多机械臂协调等。因此,对于网络化EL系统的协同控制的研究有很重要的科学意义以及潜在的应用价值。本文就是在总结国内外现有研究成果的基础上,对网络化EL系统的分布式编队协同控制问题进行了深入地研究。论文主要工作概括为如下几个方面:一、基于虚拟结构的网络化EL系统分布式编队控制。在有向通讯拓扑网络结构下,首先采用基于虚拟结构的队形控制策略,设计了一种分布式观测器,使得所有的跟随者可以间接地获得动态领导者的速度估计信息,进而提出了一种全分布式编队协同控制器,使得队形误差最终渐近收敛到零。进一步地,针对信息交换过程中存在的通讯时滞问题,通过引进时滞补偿,设计了改进的自适应编队协同控制算法。利用拉普拉斯变换法,以及李雅普诺夫稳定性理论,给出了相应的编队协同控制准则,以确保网络化的EL系统实现期望的队形。值得一提的是,仿真结果表明所设计的控制方案对于有界通讯时滞以及不确定的EL系统有较好的鲁棒性。二、具有避碰约束的网络化EL系统分布式编队控制。针对编队跟踪、队形保持、碰撞规避等多个控制目标,基于虚拟结构和人工势函数法分别对有无领导者设计了分布式编队碰撞规避协同控制协议,其中虚拟结构被用来设计期望的队形,而势函数是用来表示智能体之间的碰撞规避。对于无领导者的情况,提出了一种全新的自适应增益技术,所设计的自适应增益系数可以通过控制目标以及跟随者的运动状态来调节自身权重,直到期望的控制目标实现。对于有领导者的情况,进一步地,在所得结果的基础上,引进一种改进的分布式观测器,使得跟随者的速度与领导者的速度达到一致,并给出了编队碰撞规避的代数准则。数值仿真,以4个非恒同的2-连杆机械臂为例,验证了所设计的分布式控制方案的有效性。叁、基于区域约束的网络化EL系统分布式编队控制。由于虚拟结构下,随着跟随者数量的增加,跟随者之间的几何约束会越来越复杂,不利于大规模的编队控制。基于这个因素的考虑,研究了区域可达的编队控制问题。首先,针对单个跟随者,通过选取适当的区域势函数,利用经典的PID控制策略,使得跟随者能够进入到指定的目标动区域而不是传统意义下的定点跟踪。为了使得多个跟随者进入到目标区域而且彼此能够避免碰撞,提出了一种改进的自适应增益技术。这种情形下,跟随者的队形取决于区域势函数,并且区域中的跟随者之间没有确定的几何约束。因而基于区域的自适应编队控制方案适用于大规模的编队控制。最后,数值模拟表明所提控制方案的可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式网络化控制系统论文参考文献
[1].黄俊华.无线网络化控制系统的协同控制与分布式一致性研究[D].华南理工大学.2019
[2].于晋伟.网络化Euler-Lagrange系统的分布式编队控制[D].上海大学.2018
[3].李少远,夏元清,程鹏.网络化分布式CPS系统实时优化、监控与安全控制[J].信息与控制.2018
[4].魏永松,郑毅,李少远,朱全民.面向大规模网络化系统的分布式预测控制（英文）[J].控制理论与应用.2017
[5].樊海迪.一类电力系统的分布式网络化控制和滤波[D].山西大学.2017
[6].彭琮波.基于多Agent系统的微电网分布式网络化控制研究[D].重庆大学.2017
[7].张凡.网络化鲁里叶系统的分布式控制研究[D].哈尔滨工业大学.2015
[8].吴志阳.具有输入饱和的网络化多机器人系统分布式控制[D].上海工程技术大学.2015
[9].任雯,胥布工.基于标准神经网络模型的非线性系统分布式无线网络化控制[J].控制与决策.2015
[10].任雯.无线网络化控制系统的分布式估计与控制[D].华南理工大学.2014