含丢包和量化的网络控制系统随机鲁棒稳定

针对一类含有随机丢包和考虑信号量化情况下的网络控制系统,通过量化状态反馈控制方法,研究了系统的随机鲁棒稳定性问题。采用满足伯努利分布的随机变量对丢包过程进行建模;同时,采用对数量化器对传感器-控制器通道的信号进行量化,利用扇形界的方法将产生的量化误差描述为扇形界的不确定性。设计状态反馈控制器,结合所设计的量化器和随机丢包模型,利用Lyapunov函数和线性矩阵不等式方法得到系统稳定和鲁棒稳定的充分条件。最后,利用数值仿真实例验证了所提方法的有效性。

无轴承电动机神经网络逆系统解耦控制关键技术发展

无轴承电动机利用一套新的悬浮力绕组产生悬浮力,使无轴承电动机成为一种多变量、强耦合的非线性系统,如何实现转速与径向位移以及径向位移之间的动态解耦控制是无轴承电动机稳定运行的关键要素之一。神经网络逆系统具有以任意精度逼近非线性函数的能力,可以有效实现无轴承电动机的解耦控制。阐述了无轴承电动机悬浮力产生的原理以及神经网络逆系统解耦原理,从纯神经网络逆系统、神经网络逆系统结合智能控制器等方面分析了国内外无轴承电动机神经网络逆系统解耦控制策略的研究现状,归纳了无轴承电动机在使用神经网络逆系统进行解耦控制时的共同和不足之处,总结了无轴承电动机神经网络逆系统解耦控制的一般设计方法,并对神经网络优化、在线训练、抗干扰能力等关键技术发展趋势进行了展望。

具有介质访问约束的网络化控制系统H∞状态估计

研究了一类存在介质访问约束和信号量化的网络化控制系统的H∞状态估计问题。首先,考虑到介质访问约束和信号量化的影响,将信号量化误差转化为扇形有界的不确定性,对由于访问约束而未获得网络传输的系统输出采用加权补偿策略,根据网络介质的随机访问机制将网络化系统建模为具有不确定性的马尔可夫跳跃系统。然后,在此基础上借助李雅普诺夫稳定性理论和H∞性能约束条件,利用线性矩阵不等式(linear matrix inequality,LMI)方法给出状态估计器存在的充分条件,所设计的状态估计器使得估计误差系统渐近稳定且具有给定的H∞性能。最后,通过仿真实例验证了该设计方法的有效性。

机电系统网络控制课程的多维度混合式教学探索与实践

针对研究生课程机电系统网络控制的教学现状与发展需求,开展多维度混合式教学探索与实践。构建包含课堂讲授、资源库、专题研讨等在内的线上线下多维度教学体系;针对主题研讨实践环节引入翻转课堂,以项目驱动和研讨式教学引导学生分组完成课程相关的项目任务,掌握并运用所学知识分析解决问题,体验科学研究的过程与思维方法,形成理论知识到科研实践的闭环训练;最终建立形成性和终结性相结合的多元考核评价体系,旨在通过课程学习培养专业基础扎实、科研素养和工程实践能力突出的高端创新型人才。

基于计算机网络安全防护技术的冶金工业控制系统设计研究——评《冶金生产计算机控制/高职高专“十二五”规划教材》

《冶金生产计算机控制高职/高专“十二五”规划教材》一书由郭爱民编著,冶金工业出版社于2014年8月出版。该书不仅从理论层面对冶金生产的计算机控制展开了深入探讨,还结合实际应用案例,为冶金行业的技术人员和管理者提供了宝贵的参考。特别是在当前网络安全问题日益严峻的背景下,该书对计算机网络安全防护技术在冶金工业控制系统设计中的应用进行了详细阐述,为冶金工业的智能化、自动化发展提供了有力支撑。

基于CNN-LSTM-Attention的工业控制系统网络入侵检测方法研究

随着各类网络攻击事件的增加,能源电力基础设施中工业控制系统安全问题也逐渐成为人们关注的焦点。结合电力系统的特点,提出一种融合卷积神经网络(convolutional neural network,CNN)、长短时记忆(long short-term memory,LSTM)神经网络和注意力(Attention)机制的CNN-LSTM-Attention网络入侵检测算法模型,通过在实验室仿真环境中构造和采集600 MW燃煤机组制粉系统在3种典型工况下受到网络攻击的运行状态数据集,对所提出的检测算法模型进行训练和评估。结果表明:相较于CNN、LSTM模型,所提出的入侵检测算法模型性能最优;模型准确率、精确率、召回率等评级指标均为最好,综合评价优于其他的入侵检测方法。该入侵检测算法模型具有较强的创新性和实用性。

基于事件触发的网络化系统输出反馈耗散控制

针对事件触发机制下网络化系统的输出反馈耗散控制问题进行研究。首先,引入事件触发机制来减少有限带宽的影响,节约系统资源;其次,考虑网络化系统中存在的外部干扰,利用输入时滞法建立了基于事件触发机制的时滞系统模型;然后,构造一种时滞相关的Lyapunov-Krasovskii泛函,利用改进的积分处理方法推导出了保证闭环系统严格耗散性能的充分条件,并采用锥补线性化算法求出输出反馈控制器增益和事件触发参数矩阵;最后,通过数值仿真验证了所提方法的有效性与优越性。

基于传染病和网络流模型分析APT攻击对列车控制系统的影响

高级可持续威胁(APT)是目前工业控制系统面临的主要威胁之一。APT攻击利用计算机设备漏洞入侵列车控制网络,感染并且扩散到网络中的其他设备,影响系统正常运行,因此评价APT攻击对列车控制系统的影响非常必要。提出一种基于传染病模型和网络流理论结合的APT攻击影响分析方法。首先,分析在APT攻击的不同阶段设备节点状态之间的转化规则,结合传染病理论建立APT攻击传播模型,研究攻击过程中的节点状态变化趋势;其次,把设备节点的状态变化融入网络流模型中,研究APT攻击过程中设备节点状态变化对列车控制网络中列车移动授权信息流的影响;最后,结合列车控制系统的信息物理耦合关系,分析APT攻击对列控系统整体性能的影响。仿真实验展现了APT攻击过程中节点状态变化的趋势,验证该方法在分析APT病毒软件在列车控制网络中的传播过程对列车控制系统整体性能影响的有效性,为管理者制定防御方案提供依据,提升列车控制系统信息安全水平。

水下控制系统网络可靠性测试方法及在乐东22-1气田的应用

针对水下控制系统网络开展可靠性测试方法研究。首先,分析水下控制系统网络结构,提出一种水下控制系统网络可靠性测试方法,测试网络的连通性及通信质量。其次,从层次结构、通信协议、冗余配置、设备接入网络方式等方面分析水下控制系统网络可靠性。最后,该测试方法成功应用于乐东22-1气田水下控制系统网络通信可靠性测试。

具有执行器故障的网络控制系统的非脆弱保性能控制

对短时变时延下具有执行器故障的网络控制系统的鲁棒非脆弱保性能控制问题进行研究。为了降低保守性,利用标称点方法对系统进行建模,并结合时变故障矩阵与非脆弱控制,将连续时间系统模型转变为具有范数有界不确定参数的时变离散时间模型。根据Lyapunov对离散系统的稳定性判据以及线性矩阵不等式技术,给出保性能控制器的设计策略和相应的二次性能指标的求解方法,并通过算例验证了所提策略的正确性。

基于事件触发的Delta算子网络控制系统故障检测

针对网络控制系统在高速采样情况下,网络中由于通信网络带宽受限发生时延和丢包所引起的故障问题,文中采用了基于事件触发机制和Delta算子相结合的故障检测方法。在对故障检测滤波器和控制器进行协同设计的同时,在Delta算子滤波器模型中加入构造向量,避免了参数设计时双线性项的产生。构造δ域的Lyapunov-Krasovskii泛函,对残差系统的稳定性和H∞性能进行分析。数值仿真实例验证了文中所提事件触发机制的有效性,并通过残差评价函数证明了其对故障的灵敏度较高。

基于频域控制约束的物理神经网络非线性系统预测方法

针对现有物理信息神经网络利用数值模拟近似物理控制方程带来的高计算代价、边界条件限制等问题,提出一种基于频域控制约束的物理神经网络非线性系统预测方法。首先构建时序特征交替更新的非线性预测网络模型,再在频域建立基于傅里叶谱方法(FSM)的物理控制方程约束,时空数据在网络模型与频域控制约束耦合下实现无标签数据加速训练,完成系统演化学习。最后在Burgers系统上进行湍流预测验证,实验结果表明该方法可在物理规则约束下实现无标签非线性复杂建模,对比主流PINN模型及其变体,具有更快的学习速度与预测准确率。在t≤0.25 s、t≤0.5 s短时预测情况下,经前期20次训练后系统预测均方误差(MSE)相比主流基准模型同期预测,MSE降低了86%与95%,在t≤2 s长时预测情况下,经充分训练后系统预测MSE能降低80%。

基于计算机网络控制的智能喷灌系统应用研究

为了实现植株根部含水率的精确控制,基于ZigBee技术建立了智能喷灌系统。计算表层含水率变化量、平均温度、日照长度与根部含水率变化量的相对关联系数,选定表层含水率变化量为自变量参数,采用线性拟合的方法,建立根部含水率变化量模型;探究喷灌阀控制信号和喷灌流量之间的关系,进而建立喷灌阀控制信号与表层含水率变化量之间的模型;设计系统工作流程,实现根部含水率精确控制。对网络系统监测表层含水率的精度和根部含水率恒定控制进行测试,表明系统具有良好的工作性能。

基于RBF神经网络整定PID的电液比例系统位置控制研究

针对凿岩机械臂的电液比例系统位置控制精度问题,提出了一种基于径向基函数(RBF)神经网络整定PID的电液比例系统位置控制方法。首先,在AMESim中搭建了阀控非对称液压缸的电液比例系统简化模型,设置了各个模块的参数;然后,利用MATLAB/Simulink搭建了系统闭环控制模型,通过不断更新RBF网络模型并修正PID参数,实现了基于RBF神经网络整定PID的电液比例系统位置控制目的;结合AMESim搭建的电液比例系统模型和Simulink下搭建的控制器进行了联合仿真;最后,基于凿岩台车机械臂实验平台,进行了电液比例系统位置控制实验。仿真结果表明:在受到外部干扰的情况下,RBF神经网络整定PID控制系统能够在0.3 s内控制活塞杆重新运行至目标位置,平均响应时间为1.5 s,位置精度误差不超过5 mm。实验结果表明:与常规PID控制方法相比,RBF神经网络整定PID控制活塞杆位置精度误差降低了75%,位置精度误差在工程实际要求的10 mm范围以内,因此,RBF神经网络整定PID算法可以有效提高电液比例系统的位置控制精度,满足凿岩机械臂实际工作中对电液比例系统位置精度的控制要求。

基于扰动观测器的双容液位系统RBF神经网络滑模控制

针对双容液位系统存在的外部扰动、模型参数不确定等问题,设计了一种基于非线性扰动观测器(nonlinear disturbance observer,NDOB)的径向基函数神经网络滑模控制(radial basis function neural network sliding mode control,RNNSMC)方法。建立双容液位系统数学模型,采用积分型滑模面来提高系统的鲁棒性,在常规积分滑模控制的基础上,通过RBF神经网络(RBF neural network,RNN)对系统的非线性函数进行逼近,并设计非线性扰动观测器估计外部扰动,选用Lyapunov稳定性判据证明了控制策略的闭环稳定性。仿真结果表明,所提控制策略与积分滑模控制(integral sliding mode control,ISMC)方法相比,不需要精确的数学模型,且控制精度更高,抗干扰能力更强。

机载LiDAR姿态角稳定装置的神经网络逆系统解耦控制研究

机载激光雷达(LiDAR)工作过程中,机载平台姿态角波动会造成激光扫描点云的密度分布不均匀,导致后续数字表面模型重建时精度降低,因此设计了一种推转式姿态角稳定装置,可实现机载平台姿态角波动的实时补偿。设计的姿态角稳定装置具有非线性和强耦合的运动控制特点,为消除其运动耦合关系、提高运动控制精度,基于神经网络逆系统解耦控制策略对姿态角稳定装置进行解耦处理,取得了满意的控制效果。首先,建立了姿态角稳定装置动力学系统的多变量神经网络逆系统模型;其次,采用PID闭环反馈控制器与神经网络逆系统前馈补偿器组合的前馈-反馈复合控制器,实现控制系统的实时解耦,改善动态控制性能;最后,进行了实验验证。结果表明,设计的神经网络逆系统解耦控制方法可有效提高姿态角稳定装置控制精度,并对误差干扰具有优良鲁棒性。

以色列工业控制系统网络攻防分析及启示

采用案例研究方法,梳理以色列工业控制系统(ICS)网络攻击与防御的体系架构和功能,并总结其在ICS网络攻防中的作战方法、模式和成效。通过分析以色列在ICS网络攻防领域发展的现状与建设经验,结合其近年来出台的相关政策条令,解读其ICS网络攻防技术特点和布局,为我国加强工业控制系统网络安全建设提供启示。

基于PNN神经网络的凿岩台车电液控制系统故障诊断研究

针对凿岩台车电液控制系统故障诊断效率低的问题,该文提出一种结合故障树分析法和概率神经网络(probabilistic neural network,PNN)的故障诊断方法。首先,基于电液控制系统的结构和工作原理构建其故障树模型;然后通过对故障树模型进行定性分析,确定其最小割集和典型故障种类,以选取的典型故障种类的关键参数构建故障征兆矩阵,通过PNN神经网络对该矩阵进行训练和计算,实现对系统典型故障状态的自动识别。实验结果表明,该文方法的平均诊断时间为1.2 s,平均诊断准确率为80%,能够快速准确地定位系统故障,可满足凿岩台车电液控制系统故障诊断的工程实际需求。

基于滑模观测器与径向基网络的电液位置伺服系统反步控制

针对传统电液伺服系统中存在的未知扰动、非线性动态以及参数不确定性等共性问题,提出了一种基于滑模观测器和径向基函数(RBF)神经网络的反步控制(BC)方法。首先,构建了阀控缸系统三阶严反馈状态空间模型,并采用具有有限时间收敛特性的滑模观测器,估计系统的未知速度状态和非匹配项集总扰动;然后,基于系统的严反馈模型和指令滤波技术,设计了反步控制器,利用径向基神经网络(RBFNN)补偿系统速度/扰动的估计误差、滤波偏差以及系统的匹配项扰动,并根据Lyapunov稳定性定理证明了闭环系统跟踪误差的渐进有界收敛;最后,搭建了阀控缸电液控制系统实验平台,通过仿真和实验验证了该控制方法对多频率参考信号的跟踪性能。研究结果表明:该控制方法在传统PI控制器的基础上进一步改善了电液伺服系统的轨迹跟踪精度,实验跟踪误差最大值M e、跟踪误差平均值μ和跟踪误差均方值σ分别降低了66.7%、80%、83.3%;该滑模干扰观测器和RBF补偿器能够有效降低不确定性扰动的影响。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。