[发明专利]一种基于自适应编解码迭代学习控制信息传输系统和方法

说明书

本发明涉及一种基于自适应编解码迭代学习控制信息传输系统和方法，包括：待传输信息生成模块，用于生成待传输信息；第一自适应编码模块，接收信息，并对其进行编码；第一解码模块，对编码信息进行解码，并将其传输至控制模块；控制模块，接收解码信息、期望输出轨迹信息和待传输信息生成模块的输入信号，并根据其接收的信息生成新的输入信号；第二自适应编码模块，对新的输入信号进行编码；第二解码模块，对编码信息进行解码，并将其传输至待传输信息生成模块以生成新的待传输信息。其可以利用量化方法极大减少网络环境下的数据传输量，同时能够克服量化带来的量化误差影响，实现零误差跟踪。

技术领域

本发明涉及一种基于自适应编解码迭代学习控制信息传输系统和方法，属于无线通讯技术领域。

背景技术

随着控制系统的大型化、网络化发展，越来越多的控制信号需要通过网络进行实时传输。无线传输方式由于其廉价易部署的特性，也得到了更广泛的关注。无论是网络传输还是无线传输方式，其传输负载都不希望过大。如果运行负载过高，就可能导致网络阻塞、延迟、乱序等结果。

迭代学习控制是一种几乎不依赖于系统信息的、类比人类学习行为的数据驱动控制策略，其核心思想是基于对已完成运行过程的各种数据，对系统运行过程内在的重复性不断进行学习，从而改善系统跟踪性能，适用于非线性、强耦合、建模困难及高精度跟踪难题。

如图1所示，为现有技术中的迭代学习控制系统的结构示意图，若系统为一类离散线性时不变系统，该系统模型表示为：

其中，k为迭代批次，t为离散时间点，x_k(t)、y_k(t)和u_k(t)分别为系统状态、系统输出和系统输入，A、B和C均为系统矩阵。若不考虑量化，经典迭代学习控制的控制律为：

u_k+1(t)＝u_k(t)+L*e_k(t+1)

其中L为可调增益矩阵，e_k(t+1)＝y_d(t+1)-y_k(t+1),表示第k次迭代第t+1时刻系统输出y_k(t+1)与期望轨迹y_d(t+1)的误差。现有迭代学习理论已经证明了选择合适的L，在满足收敛条件的情况下，该控制律可以实现系统对期望跟踪轨迹的精确跟踪。

现有迭代学习控制(ILC)多依赖于对完整历史数据的使用，在实际复杂系统操作过程中，需要不断增加硬件投入来确保数据的完备性，使得系统负担和控制成本大大增加。近几十年来，网络技术得到长足发展，特别是廉价易部署的无线传输方式得到大范围应用。根据网络环境的不同，可以使用更便宜的设备以更小的带宽交换更多信息。

量化作为主动不完备数据的方式，针对具体控制目标，将信号连续取值映射为多个离散值，通常表现为模拟信号到数字信号的转化，可有效降低数据量，使系统占用更小硬件资源。量化会不可避免的引入误差，称为量化误差。过去的方法均需先向系统传递期望参考轨迹，并与实际输出进行比较，在现场产生跟踪误差，然后将误差信息量化并传输回来以更新输入信号，此类方法都得益于对数量化器在给定有限范围内足够的精度特性。然而，在给定的有限范围内，对数量化器的状态是无限的，内存需求太大。在加入了量化影响的迭代学习控制系统中，由于量化导致了系统实际输出值与迭代学习控制律计算所得到的输入不可能直接通过网络精确传输，因此会引入量化误差，从而无法实现零误差跟踪。

发明内容

针对上述问题，本发明的目的是提供了一种基于自适应编解码迭代学习控制信息传输系统和方法，其不需要通过网络环境精确地传递期望参考轨迹，同时能够克服量化带来的量化误差影响，实现零误差跟踪。