本发明专利技术公开了一种基于两层混合网络拓扑结构的分布式估计和控制方法，采用OCARI工业无线技术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方法，建立了全新的具体化的控制系统模型；为了在恶劣的工业现场环境下，更有效的辨识无线信道，提高测量数据的可信度，提出了一种新的交互双模自适应滤波估计算法；第三，为了进一步提高测量数据的精度和滤波器的容错性，采用联邦型多源融合滤波算法对交互双模子滤波器的估计信息进行融合；通过采用以上策略，通过执行器间的协调机制，实现了全局目标控制，具有稳定性好、实时性好、可靠性高、控制性能好的优点。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了，采用OCARI工业无线技术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方法，建立了全新的具体化的控制系统模型；为了在恶劣的工业现场环境下，更有效的辨识无线信道，提高测量数据的可信度，提出了一种新的交互双模自适应滤波估计算法；第三，为了进一步提高测量数据的精度和滤波器的容错性，采用联邦型多源融合滤波算法对交互双模子滤波器的估计信息进行融合；通过采用以上策略，通过执行器间的协调机制，实现了全局目标控制，具有稳定性好、实时性好、可靠性高、控制性能好的优点。【专利说明】
本专利技术涉及控制
，涉及分布式无线网络化控制系统，特别是。
技术介绍
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。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(Wireless networked control systems, WNCS)。尽管WNCS相比传统控制系统优势明显，但将具有带宽、资源、计算能力、能量受限等特点的无线通信网络引入对可靠性、实时性有苛刻要求的闭环控制系统，客观存在的网络时延和数据丢包将会对系统性能、稳定性造成负面冲击。因此在研究和设计WNCS时，必须同时考虑通信和控制问题，需要相应地采用新方法、新理论来进行联合设计和分析，探索适合于无线网络环境下的控制策略。同时，大规模网络的潜在特点迫切需要分布式控制。当前，有效的容错机制、高可靠性的分布式估计与协调控制策略、多传感器信息融合方法等领域的研究工作仍然是设计WNCS问题最具挑战的 研究方向。
技术实现思路
为克服现有技术的不足，本专利技术提供一种稳定性好、实时性好、可靠性高、控制性能好的基于两层混合网络拓扑结构的分布式估计和控制方法。本专利技术为达到上述技术目的所采用的技术方案是:，包括以下步骤:A、建立控制系统模型，将两层混合工业无线传感器/执行器网络中执行器和传感器间的无线通信链路关系用一个有向图来描述，上层传感器网络为网状结构，下层传感器网路为星型结构；采用独立同分布模型来模拟执行器网络中无线通信链路的丢包过程，使用Gilbert-Elliott模型来模拟传感器网络的无线通信链路；B、采用交互双模自适应滤波估计算法辨识无线信道，提高测量数据的可信度；C、采用联邦型多源融合滤波算法对步骤B所述的交互双模自适应滤波的估计信息进行融合，进一步提高测量数据的精度和滤波器的精度和容错性；D、采用分布式协调控制算法通过上层网状的执行器网络实施执行器之间的协调控制，实现全局目标。所述步骤A进一步包括:(I)控制系统模型中的两层混合网络拓扑结构可进一步描述为:车间中的每个工作区可以抽象为一个胞(Cell)，每个胞内部署了一个执行器(内嵌控制单元)和一组传感器；作为本胞的协调器和融合中心，执行器通过下层的星型传感器网络负责协调或融合胞内的传感器信息；通过网状结构的上层执行器网络，每个执行器与它的邻居执行器之间能够交互信息，从而围绕全局目标实现整个网络化控制系统的协调管理和控制；执行器间的协调机制能够提高系统的可靠性；当某个执行器出现故障时，它的邻居执行器能够成为候选设备接替它的工作直至故障消除；此外，传感器网络所采用的单跳、固定的星型拓扑结构能够有效提高数据传输的到达率，降低网络调度的复杂度，从而提高系统的实时性和可靠性；(2)假定在车间内有η个胞(工作区)，每个胞内部署了一个执行器(空调)和m个传感器；为了便于分析，将上述两层混合工业无线传感器/执行器网络中执行器和传感器、执行器和执行器间的无线通信链路关系用图G来描述；首先，定义G的子图，即执行器网络的图为Ga = ，其中，全体顶点的集合乂 = {?!,...,--}是η个执行器的集合，全体边的集合定义为0e人&1能接收到Bi发出的信息};顶点Bi的全体邻居顶点的集合定义为。若第i个胞内的传感器集合为$ ={冬...,<}，i e {I,..., η},则通过在Α中增加mXη个新的顶点S (S = S1 U S2,..., U Sn),得到整个网络的图，新的全体边的集合定义为能接收到传感器4发出的测量信息}。所述步骤B进一步包括: (I)根据传感器实时采集到的数据，在线自适应估计链路的转移概率矩阵；(2)将更新得到的转移概率矩阵提供给局部滤波器运行的交互双模滤波算法，从而辨识当前时刻链路的状态；交互双模滤波算法则分为混合链路模型、信息Kalman滤波、更新链路模型概率、联合估计四个步骤。所述步骤D进一步包括:(I)在不考虑执行器与其邻居执行器输出的耦合作用的情况下，每个执行器采用一种无协调的执行器局部最优控制算法；(2)引入一个协调因子μ “，进一步协调各执行器的输出，防止振荡，保证系统的全局稳定性。本专利技术的有益效果是:由于采用了一种具有网状、星型两层混合网络拓扑结构的工业无线技术0CARI，提出了一个解决工厂车间内多个工作区内工业参数的分布式估计和控制问题的有效方法，通过采用交互双模自适应无线通道感知估计算法，能够在恶劣的工业环境下辨识无线通信链路；通过底层星型的传感器网络，实现了联邦型的多传感器滤波融合，进一步提高了测量数据的可靠性、精度和容错性；通过上层网状的执行器网络实施执行器之间的交互和协调控制，能够实现全局控制目标。【专利附图】【附图说明】下面结合附图和实施例对本专利技术作进一步说明。其中:图1是本专利技术中两层混合工业无线传感器/执行器网络的拓扑结构图；图2是本专利技术中Θ k的采样序列图；图3是本专利技术中的控制性能比较图；图4是本专利技术中的转移概率矩阵的估计曲线图。附图中的标记编号说明如下:执行器1、传感器2、执行器网络3、传感器网络4、胞5、车间6、Θ k的采样序列7、执行器未采用协调机制的控制性能曲线8、执行器间采用协调机制后的控制性能曲线9、ξ 11的估计值 1 10、fw的估计值11、ξη12、ξ°°13【具体实施方式】本专利技术的实施例，如图1、图2、图3、图4所示，，包括以下步骤:Α、建立控制系统模型，将两层混合工业无线传感器/执行器网络(IndustrialWireless Sensor and Actuator Network,简称IWSAN)中执行器和传感器间的无线通信链路关系用一个有向图来描述，上层传感器网络为网状结构，下层传感器网路为星型结构；采用独立同分布模型 来模拟执行器网络中无线通信链路的丢包过程，使用Gilbert-Elliott模型来模拟传感器网络的无线通信链路；B、采用交互双模(Interacting Dual Model,简称IDM)自适应滤波估计算法辨识无线信道，提高测量数据的可信度；C、采用本文档来自技高网...
【技术保护点】
一种基于两层混合网络拓扑结构的分布式估计和控制方法，其特征在于：包括以下步骤：A、建立控制系统模型，将两层混合工业无线传感器/执行器网络中执行器和传感器间的无线通信链路关系用一个有向图来描述，上层传感器网络为网状结构，下层传感器网路为星型结构；采用独立同分布模型来模拟执行器网络中无线通信链路的丢包过程，使用Gilbert‑Elliott模型来模拟传感器网络的无线通信链路；B、采用交互双模自适应滤波估计算法辨识无线信道，提高测量数据的可信度；C、采用联邦型多源融合滤波算法对步骤B所述的交互双模自适应滤波的估计信息进行融合，进一步提高测量数据的精度和滤波器的精度和容错性；D、采用分布式协调控制算法通过上层网状的执行器网络实施执行器之间的协调控制，实现全局目标。
【技术特征摘要】
【专利技术属性】
技术研发人员：任雯，吴龙，
申请(专利权)人：三明学院，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。