[发明专利]网络控制系统前向通道随机时延的在线预测方法

摘要

本发明公开了一种网络控制系统前向通道随机时延的在线预测方法，考虑前向通道时延在控制器端不可直接获得的情况，提前预测未知时延以降低网络控制系统中时延不确定性对系统性能的影响；首先，缓冲队列通过反馈通道采集时延历史数据，排序并更新可用信息供控制器使用。其次，控制器端基于足够的时延历史数据H(k)初始化在线预测模型；一旦有新的可用数据xn+1，则由递推最小二乘法更新参数以适应网络的实时变化；定期执行滚动预测，预测值经反差分处理并加上趋势项dk，即为前向通道时延的预测值本发明采用递推最小二乘法实时更新模型参数，具有追踪时变参数的能力，能更好地适应网络的实时变化。

主权项

1.网络控制系统前向通道随机时延的在线预测方法，其特征在于，具体包括以下步骤：1)控制器端通过反馈通道采集前向通道时延的历史数据，经缓冲队列排序更新后用于在线预测，各控制节点操作如下：控制器：定期执行控制算法，将控制信息Δu和时间戳Ctime打包由前向通道发送给执行器；执行器：接收数据包后立即更新并执行最新控制律，计算对应的时延τca并由Ctime标记，τca Ctime是历史数据的基本单元；传感器：定期采样输出信息y，与执行器上个周期内接收数据包的历史数据和时间戳Stime一并打包由反馈通道发送给缓冲队列；缓冲队列：将接收数据包中的y和τca与各自的历史数据按时序排列，缓冲队列标记最近可用时刻；k时刻可用的时延历史数据H(k)为：其中，最近可用时刻n满足l为在线预测模型的预测步数；2)控制器端依据历史数据H(k)构建在线预测模型，分为四部分：数据预处理、模型建立与参数更新、适用性检验和多步预测；数据预处理：对H(k)的预处理包括去趋势项和平稳化，趋势项由多元回归方法估算获得，H(k)的非平稳时序模型为：其中，为不包含趋势项的时延序列，趋势项D(k)＝[d₁,d₂,…,d_n]由多元回归方程描述；采用Box‑Jenkins建模方法，由ADF对进行平稳性检验，对不平稳的序列由D次差分实现平稳化，平稳化后对应的平稳序列记作X(k)＝[x₁,x₂,…,x_n]，x_n为经过预处理后对应的值；为了预测k时刻的时延值x_k，对平稳序列X(k)构建p阶AR模型：其中，为自回归参数，残差{ε_k}为均值为零、方差为的正态白噪声过程；模型建立与参数更新：AR模型具有两类参数：结构参数p和自回归参数采用AIC信息准则作为评判标准，在阶数p的可取范围内选取使AIC最小的值；其中，N为样本个数，RSS为模型的残差平方和；基于X(k)提供的n个数据，模型参数的最小二乘估计为：其中基于n+1个数据的参数递推最小二乘估计为：其中，M_n＝[x_n,x_n‑1,…x_n+1‑p]，适用性检验：AR模型确定后需进行残差检验，采用Q统计量进行评估：其中N为样本个数，ρk为残差的自相关函数；Q统计量满足卡方分布Q～χ²(m)，给定显著性水平α后查表分析：如果残差是白噪声，模型合适，否则模型检验失败；多步预测：控制器端k时刻的时延预测值由k‑l时刻的信息向前l步最佳预测获得：其中，由递推最小二乘法在线更新获得；AR模型多步预测的结果先进行D次反差分处理，加上趋势项d_k，最后得到前向时延预测值