面向网络控制的数据驱动主动补偿控制算法

付 伟 唐 谦

(重庆工业职业技术学院人工智能与大数据学院 重庆 401120)

0 引 言

“中国制造2025”主攻方向是全面推进智能制造[1]，这必然离不开信息化和工业化的深度融合。智能制造的条件和基础是工业云，因此工业控制必将进入云控制时代。当前，云控制系统(Cloud control system,CCS)的研究和应用还存在许多挑战。将工业云接入生产过程，这对于网络时延、故障、性能及计算力都提出了非常高的要求。CCS是网络控制系统(Networked control system,NCS)的进一步扩展[2]。因此，对NCS时延、错序、性能及稳定性的研究是云控制系统的基础理论，也是构建工业云平台的核心，具有非常重要的学术价值和现实意义。

实际生产过程是复杂多变的，通过网络连接的控制系统往往无法建模。随着通信技术、物联网技术的发展，系统运行过程中的海量数据能够获取并存储。从数据角度出发，利用各种智能算法实现系统自主控制，是该研究领域的趋势，很多学者为此做了大量工作。Pang等[3]针对存在丢包和测量噪声的网络控制系统，提出一种数据驱动方法并设计相应控制器。Dins等[4]提出了一种基于数据的预测混合驱动控制方法，设计出基于数据的无模型自适应控制器(PMFAC)以补偿网络问题，并在理论上证明了系统的稳定性。Siddiqui等[5]提出一种具有级联结构的时间刻度分离滑模控制和模型预测控制器，并采用子空间辨识实现飞行控制系统的闭环。目前，子空间方法已在各行业实际系统中得到了应用[6-12]，并取得了良好的效果。尽管子空间方法理论得到了很大发展和应用,但在一些基本问题上还没有形成较系统和完备的理论，如系统稳定性及估计误差的收敛性等问题。……