Bernoulli随机时延不确定的网络控制系统H∞滤波器
时间：2023-05-31 20:30:20 来源：雅意学习网 本文已影响 人 
马运强，王宗跃
（1.安徽机电职业技术学院 电气工程学院，安徽 芜湖 241000；
2.江苏淮海技师学院 机电工程系，江苏 宿迁 223800）
近年来，随着工业智能制造技术不断推进，工业网络控制技术得到了飞速发展，基于网络技术搭建的反馈控制系统简称网络控制系统，被广泛应用于工业自动化、智慧城市、电力监控等领域［1-2］。然而，网络技术的应用也带来一些问题，如丢包、时延和信道制约［3-4］。考虑网络时延将导致传输数据紊乱及滞后等问题，如何设计网络滤波器以降低网络时延和提高跟踪系统性能至关重要［5］。
常见的网络滤波技术有Kalman滤波［6-7］、H∞滤波［8-9］等，H∞滤波具有较强的普适性和抗扰动性，关于H∞滤波技术的研究受到人们的关注。Pan等［10］考虑诱导时延的非线性网络，提出一类隶属函数不匹配新策略并揭示了Lyapunov-Krasovskii函数与隶属函数的关联。张端金等［11］分析随机时延的Delta算子网络，运用时滞理论构建随机时延模型，通过设计鲁棒滤波器保证了系统的稳定性。Liu等［12］分析存在传感器饱和随机时延非线性系统H∞滤波器设计问题，引入随机Bernoulli建立传感器饱和模型，运用离散Markov链描述随机时延现象，给出证明滤波误差系统满足稳定性的方法。Zhu等［13］考虑随机网络控制系统存在时变时延和未知参数，设计了一种鲁棒控制器，使得系统指数稳定。本文将运用随机Bernoulli序列构建网络随机时延方程，通过参数分解法分离不确定项与系数矩阵的耦合，寻得使滤波误差系统稳定的不等式条件。
分析如图1所示的多通道随机时延传输模型，其状态方程为
图1 随机时延网络模型Fig.1 Random time delay network model
式中，x(k)∈Rm表示系统的状态信号；
y(k)∈Rn表示系统的测量信号；
z(k)∈Rp表示系统的被估信号；
w(k)∈l2[0,∞)表示噪音扰动输入信号。A=+ΔA,B1=+ΔB，ΔA、ΔB表示系统的不确定变量，、B2、C和Γ0表示常值矩阵。不确定变量满足[ ΔAΔB]=MF(k)[N1N2]，M、N1和N2表示常值矩阵，并具有FT(k)F(k)≤I。
为了降低随机时延对多通道传输数据的影响，引入随机变量φ(k)刻画多通道网络时延现象。φi(k)=1为网络通道i未发生时延，滤波器输入信号(k)=φi(k)yi(k)；
φi(k)=0为网络通道i发生时延，滤波器输入信号)=0。随机变量φi(k)，i=1,2,…,n，服从Bernoulli随机序列，其概率表示为
滤波器接收数据表示为
构造如下离散滤波器，其状态方程：
式中，xf(k)∈Rm描述滤波器的状态信号；
yˉ(k)∈Rn描述滤波器的输入信号；
zf(k)∈Rp描述滤波器的输出信号；
Af、Bf和 Cf描述滤波器的待求解矩阵。
根据（1）、（3）和（4）式，定义增广向量X(k)=[xT(k)xTf(k)yˉT(k-1)]T，滤波误差输出e(k)=z(k)-zf(k)，滤波误差系统状态方程为
式中，
本设计旨在使得所设计滤波器满足下列条件：
①当外部噪音扰动信号w(k)=0时，滤波误差系统是随机稳定的，即：
②当零初始状态和外部噪音扰动信号w(k)∈l2[0,∞)时，滤波误差系统具有H∞性能指标γ，即：
定理1对于离散网络系统，若存在正值γ，正定矩阵P，使得（8）式成立：
那么，滤波误差系统随机稳定并具有H∞性能指标。
证明①扰动信号w(k)=0时，选取Lyapunov函数如（9）式，证明系统的稳定性。函数V(k)的差分方程表示为
根据（2）式可得E[φi(k)-φi]=0,E{[φi(k)-φi]2}=σi2代入（10）式，得
式中，-λmin(-)为的最小特征值，ζ为inf[λmin(-)]，对（12）式累加取和，得
由（6）式可得系统的稳定性。
②在扰动信号w(k)∈l2[0,∞)及零初始状态时，证明系统的H∞性能。
若定理1成立，那么（8）式隐含Ω＜0，则 J(k) ＜0，即
对（15）式累加取和，得
定理2对于离散网络控制系统，如果存在合适的正数γ，正定矩阵P和矩阵J、U1、U2和U3使得不等式（17）成立：
式中，
那么，滤波器系数矩阵为Af=J-T22U1,Bf=J-T22U2,Cf=U3∘
证明Φ、 ψ 等项隐含不确定项MF(k)N1和MF(k)N1，利用参数分解法处理F(k)：
将（18）式代入（8）式，变形为
利用Schur补引理（19）式化简为
（20）式中非线性矩阵P-1，借助LMI工具无法计算，引入矩阵
式中，
令变量U1=J22TAf，U2=J22TBf，U3=Cf，并代入（21）式，推导出（17）式满足条件，即定理2成立。
备注：求解满足式（17）凸优问题，若存在最优解minμ，那么，H∞性能指标γ*=μ。
分析如下离散时不变系统：
设控制系统的初始状态x(0)=[0.5-0.5]T，滤波器的初始状态xf(0)=[0 0]T，通道1和通道2的 随 机 时 延 率 分别为=0.2=0.5，方差σ1=0.4，σ2=0.5，外 部 噪 音 扰 动 信 号w(k)=2e-0.5ksin(0.5πk)。运用不等式（17）和MATLAB LMI求解一组H∞滤波器可行解为
图2和图3分别为系统的状态信号x1(k)/x2(k)与滤波器的状态估计信号x1f(k)/x2f(k)的输出曲线图，从图2和图3中发现：初始采样时刻滤波器的状态估计信号xf(k)与控制系统状态信号x(k)存在局部的偏差，伴随采样时刻的增长偏差逐步降低，表明所设计的H∞滤波器较准确地跟踪控制系统信号，减少外部扰动信号对控制系统的影响。图4为系统滤波误差e(k)输出曲线图，从图4中可以得出：在外部扰动信号输入作用下，滤波误差e(k)最终趋于零，证明滤波误差系统具有随机稳定性。因此，针对多通道时延不确定的网络控制系统所提出的H∞滤波器是有效的。
图2 状态信号x1(k)与估计信号x1f(k)Fig.2 State signal x1(k)and estimation signal x1f(k)
图3 状态信号x2(k)与估计信号x2f(k)Fig.3 State signal x2(k)and estimation signal x2f(k)
图4 滤波误差e(k)Fig.4 Filtering error e(k)
存在多通道随机时延的网络控制系统抑制外部扰动信号能力与H∞最优性能指标γ*相关，H∞最优性能指标γ*越小，抑制外部扰动信号能力越强，时延与最优性能指标γ*的关系如表1所示。根据表1可以得出：当保持通道1的时延率不变时，通道2的时延率的逐渐减少，则最优性能指标γ*逐渐变小，抑制外部扰动能力增强。
表1 时延与性能指标的关系Tab.1 The relation between time delay and performance index
考虑参数不确定的网络控制系统存在多通道随机时延问题，引入随机Bernoulli函数构建多通道随机时延模型，通过变量分解法消除滤波器参数耦合。所设计的H∞滤波器保证了滤波误差系统的稳定性，运用线性矩阵不等式技术给出滤波器系数矩阵的求解方法。数值仿真验证H∞滤波器较好地消除扰动信号，具有较好的H∞抑制干扰水平。
猜你喜欢 扰动时延滤波器 一类受随机扰动的动态优化问题的环境检测与响应数学物理学报(2022年5期)2022-10-09一类五次哈密顿系统在四次扰动下的极限环分支（英文）上海师范大学学报·自然科学版(2022年3期)2022-07-11基于增强型去噪自编码器与随机森林的电力系统扰动分类方法现代电力(2022年2期)2022-05-23计算机网络总时延公式的探讨电脑知识与技术(2021年22期)2021-09-14带扰动块的细长旋成体背部绕流数值模拟北京航空航天大学学报(2021年7期)2021-08-13从滤波器理解卷积电子制作(2019年11期)2019-07-04《舍不得星星》特辑：摘颗星星给你呀花火B(2019年3期)2019-04-27基于GCC-nearest时延估计的室内声源定位电子制作(2019年23期)2019-02-23开关电源EMI滤波器的应用方法探讨电子制作(2018年16期)2018-09-26基于移动站的转发式地面站设备时延标校方法宇航计测技术(2018年3期)2018-09-08
