控制理论与应用

作者：徐君鹏,尹逊和

单位：北京交通大学电子信息工程学院,北京交通大学电子信息工程学院

关键词：网络控制系统; 模型预测控制; Q学习; 认知控制; 感知–作用循环

基金：中央高校基本科研业务费专项资金项目(2018YJS022)资助.

现有的网络控制系统领域中的研究通常先对网络环境的时延和丢包特性进行理想性假设, 然后设计对应的控制算法. 然而, 由于无线网络环境具有复杂的时延和丢包特性, 这些假设在无线网络控制系统(WNCS)运行过程中很难得到满足. 为了在不对网络环境的时延和丢包特性进行理想性假设的前提下设计控制系统, 本文受认知控制思想的启发, 在控制系统中加入了认知控制器. 认知控制器在感知–作用循环中学习产生认知作用的策略, 调节无线网络的媒体接入控制(MAC)层的重传次数上限和物理控制器的命令序列长度, 使控制系统可以主动地适应所处的无线网络环境. 本文以全向轮移动机器人为被控对象, 对使用认知控制器的WNCS和使用固定配置的WNCS的仿真结果进行比较. 仿真结果表明使用认知控制器调节MAC层的重传次数上限和物理控制器的命令序列长度,可以提高WNCS对网络环境的时延和丢包的承受能力.

来源：2020年第12期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第12期