PDF《NNCS 混合容错控制方法》

修回日期: 2017-03-02. 基金项目: 国家自然科学基金项目(61463030, 61563031). 作者简介: 王君(1973?), 女, 教授, 博士, 从事动态系统的故障诊断与容错控制、 工业过程先进控制理论与应用等研 究;

姚晓婉(1992?), 女, 硕士生, 从事网络化控制系统的故障诊断与容错控制的研究. ? 通讯作者. E-mail: wangj31901@163.com 第2期王君等: NNCS混合容错控制方法

317 题. 为了解决PTTCS所带来的问题,一些学者提出了 离散事件触发通讯机制[9-10] (DETCS),其控制思想就 是在保证NCS具有一定性能(如稳定)的情况下,一旦 预先设定好的事件触发条件成立,控制任务便随即被 执行,从而能够大大节约有限的网络资源. 根据目前人们在NCS的容错设计中主要还是采 用'

'

时间触发通讯机制'

'

下的AFTC或PFTC的现状, 并考虑到实际系统或多或少存在的不确定性和非线 性特性[11-12] , 以及可能受到的外界有限能量扰动的 影响,本文采用状态反馈控制策略,以基于T-S模糊模 型的NNCS为研究对象,针对执行器任意失效的故障 情形,通过建立'

'

事件触发'

'

闭环故障系统模型研究 事件触发机制下NNCS主-被动混合鲁棒容错控制器 的设计问题,以使得系统在尽可能节约网络资源的情 况下,对已知和未知的故障均能有效容错,并对外界 有限能量扰动具有良好的抑制性能,进而使得故障系 统达到更为满意的控制效果.

1 系统描述 1.1 系统模型 考虑由 T-S模糊模型描述的非线性系统, 第i条模糊规则可表示如下: 模糊规则Ri: 如果θ1(t)是Ni1, 且・ ・ ・ , 且θg(t)是Nig, 则???????Bx(t) = (Ai + ?Ai)x(t) + (Bi + ?Bi)u(t)+ Eif(t) + Diw(t), y(t) = Cix(t). 其中: r是模糊推理规则数;

x(t) ∈ Rn , u(t) ∈ Rm , y(t) ∈ Rp 分别是系统的状态、 输入、 输出矢量;

Nis(s = 1, 2,g)是模糊集合;

θ(t) = [θ1(t), θ2(t)θg(t)]T 是已知模糊前件变量,它可以是状态变量、 外部干扰、 时间函数或者这些向量的某种组合, 但假设其不是 控制输入u(t)的函数,因为这样可以避免在控制器设 计时复杂的解模糊化过程;

w(t ∈ Rq )是有限能量的 外部扰动,即w(t) ∈ L2[0, ∞);

f(t) ∈ Rr 为执行器 故障信号,设f(t)为加性故障,满足 ∥f(t)∥ ? f0, 在 故障未发生时取值为0, 故障发生时为时变或定值向 量;

Ai, Bi, Ci, Di, Ei(i = 1, 2,r)分别为对应第i 个子系统的具有适当维数的常数矩阵;

?Ai, ?Bi 为 满足如下关系的范数有界的时变参数不确定性矩阵: [?Ai ?Bi] = MF(t)[Nai Nbi], (1) M、Nai 和Nbi 为已知的具有适当维数的常数矩阵, F(t) 是具有 Lebesgue 可测的未知时变函数矩阵, 并 满足FT F(t) ? I. 由带有单点模糊器、乘积推理机和中心平均解 模糊器的模糊推理方法可得相应的模糊模型为 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? B x(t) = r ∑ i=1 hi(θ(t))((Ai + ?Ai)x(t)+ (Bi + ?Bi)u(t) + Eif(t) + Diw(t)), y(t) = r ∑ i=1 hi(θ(t))Cix(t). (2) 其中θ(t) = [θ1(t), θ2(t)θg(t)]T 且hi(θ(t)) = ?i(θ(t)) / r ∑ i=1 ?i(θ(t)), ?i(θ(t)) = g ∏ s=1 Nis(θs(t)). Nis(θs(t)) 为(θs(t)) 关于模糊集合 Nis 的隶属函数, ui(θ(t)) 为第 i 条规则的隶属度. 显然, ui(θ(t)) 满足 ?i(θ(t)) ? 0(i = 1, 2,r)且r∑i=1 ?i(θ(t)) >

0. 因此, 归一化后的模糊隶属函数满足 hi(θ(t)) ?

0 且r∑i=1 hi(θ(t)) = 1. 1.2 DETCS的引入 DETCS是指在NNCS中引入一个通讯约束条件, 根据采样周期内系统的状态或者状态误差是否满足 事件触发条件来确定数据是否被传输. 这将使得系 统在保持相应期望性能的情况下,节省大量的网络资 源,从而提高网络利用的效率. DETCS下NNCS主被 动混合鲁棒容错控制的结构如图1所示. 图1系统结构 为了叙述方便,给出以下假设: 假设1 传感器为时间驱动,控制器和执行器为 事件驱动,记采样周期和采样时刻分别为h和ikh, 则 采样时刻集合为{ikh|ik ∈ N}. 假设2 设tkh为传输时刻,由采样状态x(ikh) 决定,则传输时刻的集合记为{tkh|tk ∈ N}. 显然, {tkh|tk ∈ N}是采样时刻集合{ikh|ik ∈ N}的子集. 假设