CN108536017A - 基于动态反馈控制的随机分布互联***协作容错控制方法 - Google Patents

基于动态反馈控制的随机分布互联***协作容错控制方法 Download PDF

Info

Publication number
CN108536017A
CN108536017A CN201810415044.9A CN201810415044A CN108536017A CN 108536017 A CN108536017 A CN 108536017A CN 201810415044 A CN201810415044 A CN 201810415044A CN 108536017 A CN108536017 A CN 108536017A
Authority
CN
China
Prior art keywords
subsystem
weights
matrix
tracking
dynamic feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810415044.9A
Other languages
English (en)
Other versions
CN108536017B (zh
Inventor
任玉伟
房毅宪
刘丽
孟丽丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN201810415044.9A priority Critical patent/CN108536017B/zh
Publication of CN108536017A publication Critical patent/CN108536017A/zh
Application granted granted Critical
Publication of CN108536017B publication Critical patent/CN108536017B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于动态反馈控制的随机分布互联***协作容错控制方法，构建各随机分布控制子***的***模型，给定各子***在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子***模型的动态反馈标称控制器；当随机分布控制***发生故障后，设计各子***的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子***的跟踪权值，使子***在出现故障后实现协作容错控制。本发明在***发生故障后，保持现有控制器结构不变，通过修改***的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子***以允许的误差跟踪给定的设定权值。

Description

基于动态反馈控制的随机分布互联***协作容错控制方法
技术领域
本发明涉及一种基于动态反馈控制器的随机分布互联***协作容错控制方法。
背景技术
随着控制***规模的日益增大，越来越多的复杂***具有多子***互联的特性。由于各子***都有着不同的动态特性和控制要求，因此单一***的建模机制不再适用。采用互联***对复杂的生产过程和工业设备进行建模、优化与控制是一种行之有效的办法，其理论、方法及应用日益受到重视。互联***对可靠性和安全性的要求非常高，然而互联***结构复杂，控制器的设计本就复杂，而***故障除了会突然改变子***的性能之外，还会改变子***之间的耦合机制，这给理论研究带来了巨大挑战，因此迫切需要有效的互联***容错控制技术。
另一方面，在对互联***建模的过程中不可避免会受到人为因素的影响以及各类随机噪声的干扰，在已有的关于随机控制的结论中，大多假设这些噪声服从高斯分布，然而这种假设并不完全符合一些实际应用过程，比如造纸过程中纤维尺寸分布、化工过程中高分子化合物分子量分布等。当噪声为非高斯随机过程时，原有方法不满足这些假设条件，因此就失去了其真正意义。而概率密度函数形状控制包括了***的完全分布信息和传统的随机分布统计特性，如均值和方差可以很容易地从概率密度函数中计算得到。为刻画***输入与***输出概率密度函数之间的关系，输出随机分布控制***相对具有优势，这类***在形式描述上比常规随机***更一般化，既可以表述高斯***，又可以表述非高斯***，尤其适用于高分子化合物的聚合过程、粮食颗粒加工过程、造纸中的制浆过程等复杂工业流程。作为随机***的一种扩展，输出随机分布控制***不仅能够有效的刻画复杂、非线性、不精确***，而且在处理***的非高斯随机变量、更加全面的获取输出变量的统计特性等方面都具有明显的优越性。但是原有的输出随机分布控制方法均是基于单一***展开的，未能解决互联***的协作容错控制问题。而随机分布互联控制***，不仅可以更加准确的描述上述几类复杂工业流程，而且当某个子***发生故障时，可以充分利用多子***自由度的特点，采用协作容错的方法进行故障补偿。现有的协作容错控制方法中大多是基于重构故障子***的控制器来实现的，改变了原有的控制器，存在计算量大，所需时间长，不可靠，准确性不高的不足。
综上所述，现有技术中对于互联***的协作容错控制问题，尚缺乏有效的解决方案。
发明内容
为了克服上述现有技术的不足，本发明提供了一种基于动态反馈控制器的随机分布互联***协作容错控制方法，在***发生故障后，保持现有控制器结构和参数不变的前提下，通过修改***的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子***以允许的误差跟踪给定的设定权值。
本发明所采用的技术方案是：
一种基于动态反馈控制器的随机分布互联***协作容错控制方法，该方法包括以下步骤：
构建各随机分布控制子***的***模型，给定各子***在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子***模型的动态反馈标称控制器；
当随机分布控制***发生故障后，设计各子***的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子***的跟踪权值的设定值，使子***在出现故障后实现协作容错控制。
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述随机分布控制子***的***模型的构建方法为：
根据随机分布互联控制***，选取第i个随机分布控制子***的线性模型为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子***的输出概率密度函数影响的参数矩阵，后面简记为Ai(t)和Bi(t)；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示***输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制***的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；N表示生产单元的总数；
设第i个随机分布控制子***的动态反馈标称控制器为：
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器参数，为第i个子***的权值跟踪误差，为给定的第i个子***的跟踪权值；
令将第i个随机分布控制子***的线性模型和动态反馈标称控制器进行扩维后，得到第i个随机分布控制子***的扩维后***模型为：
其中mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，其中Hi、Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述动态反馈控制器参数的求解方法为：
给定第i个子***在无故障状态下的跟踪权值和控制器动态向量的目标值后，令则有：
其中，mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)和Bi(t)分别为受第i-1个随机分布控制子***的输出概率密度函数影响的参数矩阵；
构造第一个Lyapunov函数：
式中，Pi为已知正定矩阵；为扩维向量的跟踪误差；
计算第一个Lyapunov函数中各项对时间的导数，得到如下不等式；
其中，为给定的第i个子***的跟踪权值；λ1和λ2为利用Yong不等式放大时所引入的已知的小正数；*代表该矩阵为对称矩阵；
根据Schur补原理可得如下第一线性矩阵不等式：
式中，τ1和β为给定的正数；I为合适维数的单位矩阵；Pi为正定矩阵，*代表该矩阵为对称矩阵；
求解第一线性矩阵不等式，得到动态反馈控制器各个参数，使***以允许的误差跟踪给定的权值
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述子***的状态观测器的设计方法为：
构建故障发生后第i个子***的***模型：
则设计第i个子***的状态观测器为
式中，Li为待定的观测器增益。
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述故障估计律为
其中σ(y)为选定的使得跟踪残差不为零的函数；Γ1和Γ2为待定参数；γi(y,ui)为表示第i个子***的概率密度函数。
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述增益值的计算方法为：
将协作容错控制器与故障估计观测器做差，得误差的动态方程为：
设置第二个Lyapunov函数：
计算第二个Lyapunov函数中各项对时间的导数，得到如下第二线性矩阵不等式；
其中， Π33＝-Γ1 TSi-SiΓ1，Qi、Ri和Si分别为已知的正定矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数，*代表该矩阵为对称矩阵；
当满足第二线性矩阵不等式时，通过MATLAB求解第二线性矩阵不等式得到第i个子***的增益值Ki，将第i个子***的增益值Ki和故障估计值相乘得到第i个子***的跟踪权值补偿值
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述故障估计值的计算方法为：
通过求解第二线性矩阵不等式得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程，计算得到故障估计值
如上所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其中，所述补偿函数为：
其中，为修正后的故障状态下第i个子***的跟踪权值；为给定的第i个子***在无故障状态下的跟踪权值；为发生故障后第i个子***的跟踪权值补偿值。
与现有技术相比，本发明的有益效果是：
本发明在***发生故障后，保持现有控制器结构不变，通过修改***的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子***以允许的误差跟踪给定的原设定权值。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明实施例公开的基于动态反馈控制器的随机分布互联***协作容错控制方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在互联***的协作容错控制问题，为了解决如上的技术问题，本申请提出了一种基于动态反馈控制器的随机分布互联***协作容错控制方法，该方法包括以下步骤：
1、构建各随机分布控制子***的***模型
假设随机分布互联控制***由N个子***组成，选取第i个随机分布控制子***的线性模型结构为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子***的输出概率密度函数影响的参数矩阵；当i＝1时，参数矩阵Ai(vi-1(t))和Bi(vi-1(t))为常矩阵，不受边界条件影响；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示***输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制***的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；N表示生产单元的总数。该建模方法可采用文献Bounded Dynamic StochasticSystems.Springer London中公开的建模方法。
下面将Ai(vi-1(t))和Bi(vi-1(t))简记为Ai(t)和Bi(t)，且Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足
[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]
其中，Hi，Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
设子***(1)的动态反馈标称控制器为
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器的待定参数，为第i个子***的权值跟踪误差，为给定的第i个子***的跟踪权值；
令将***(1)和***(2)扩维后，得到如下***模型
其中
2、求解动态反馈控制器的各个参数
给定子***无故障状态下的跟踪权值和控制器动态向量的目标值后，令 则有
求解动态反馈控制器的各个参数。
取第一个Lyapunov函数为
则方程两边求导得
利用Young不等式可得
因此方程(4)可化为
其中*代表该矩阵为对称矩阵。
因为[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，且Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，所以
其中
所以有如下式子成立
令
则根据文献[Robust tracking controller design for non-Gaussiansingular uncertainty stochastic distributionsystems]，有如下线性矩阵不等式成立
因此利用矩阵Schur补的性质可得
式中，τ1和β为给定的正数；I为合适维数的单位矩阵；Pi为正定矩阵，*代表矩阵为对称矩阵。
即通过求取线性矩阵不等式(5)便可得到动态反馈控制器中各个参数，从而使得每个子***以允许的误差跟踪给定的跟踪权值
3、当***发生故障后，通过修改设定的跟踪权值来实现***的整体容错控制，并利用故障估计观测器估计出故障的幅值。
发生故障后子***的***模型为：
则设计故障估计观测器为
给定新的跟踪权值为故障估计律的动态方程为
记则
其中σ(y)为选定的使得跟踪残差不为零的函数。
因此
选取如下第二个Lyapunov函数为
式中，Qi、Ri、Si分别为已知的正定矩阵。
对等式(10)两边同时求导得
利用Young不等式可得
则有
其中
所以Ψi＜0等价于Πi＜0，其中
Π33＝-Γ1 TSi-SiΓ1
因此Πi≤0等价于
其中， Π33＝-Γ1 TSi-SiΓ1，Qi、Ri和Si分别为已知矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数；*代表该矩阵为对称矩阵。
因此当式子(11)满足时，可以通过MATLAB求解解线性矩阵不等式(11)得到第i个子***的参数Ki，并通过求解线性矩阵不等式(11)得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程(8)，计算得到故障估计值
利用第i个子***的Ki和故障估计值计算跟踪权值补偿值当***发生故障后，在保持原控制器结构不变的前提下，利用跟踪权值的设定值补偿值来抵消故障，从而实现故障后***仍然能够跟踪原有的跟踪权值设定值。
目前关于容错控制器的设计均为在***发生故障后，通过对现有控制器的重构来实现容错控制，而本发明在***发生故障后，保持现有控制器结构和参数不变的前提下，通过修改***的跟踪权值的设定值来抵消故障，达到容错控制的目的，使得每个子***以允许的误差跟踪给定的设定权值；跟踪权值的设定值的补偿值与故障估计值以及性能指标变化量有关，通过设计设定值的补偿函数来实现协作容错。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (8)

1.一种基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，该方法包括以下步骤：
构建各随机分布控制子***的***模型，给定各子***在无故障状态下的跟踪权值，求解动态反馈控制器参数，得到无故障状态下各子***模型的动态反馈标称控制器；
当随机分布控制***发生故障后，设计各子***的状态观测器，利用观测残差设计故障估计律，并计算故障估计值和增益值，将故障估计值与增益值相乘得到跟踪权值补偿值，构造补偿函数修正子***的跟踪权值的设定值，使子***在出现故障后实现协作容错控制。
2.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述随机分布控制子***的***模型的构建方法为：
根据随机分布互联控制***，选取第i个随机分布控制子***的线性模型为：
其中，表示权值对时间的导数；Ai(vi-1(t))和Bi(vi-1(t))均为受第i-1个随机分布控制子***的输出概率密度函数影响的参数矩阵，后面简记为Ai(t)和Bi(t)；vi(t)表示概率密度函数γi(y,ui)的权值，ui(t)表示***输入，γi(y,ui)表示概率密度函数；C(y)＝[b1(y),b2(y),...,bn-1(y)]和L(y)＝bn(y)由神经网络B样条基函数确定；t表示时间，vi-1(t)表示第i-1个随机分布控制***的输出概率密度函数权值；bj(y)为选定的第j个基函数；y为神经网络B样条基函数的自变量；n表示生产单元的总数；
设第i个随机分布控制子***的动态反馈标称控制器为：
其中，wi为控制器的动态向量，mi,gi,hi,di为动态反馈控制器参数，为第i个子***的权值跟踪误差，为给定的第i个子***的跟踪权值；
令将第i个随机分布控制子***的线性模型和动态反馈标称控制器进行扩维后，得到第i个随机分布控制子***的扩维后***模型为：
其中mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)＝Ai+ΔAi(t)，Bi(t)＝Bi+ΔBi(t)，其中Ai和Bi为已知的常数矩阵，ΔAi(t)，ΔBi(t)未知且满足[ΔAi(t) ΔBi(t)]＝HiFi(t)[Ei1 Ei2]，其中Hi、Ei1和Ei2为已知矩阵，Fi(t)未知且满足Fi T(t)Fi(t)≤I。
3.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述动态反馈控制器参数的求解方法为：
给定第i个子***在无故障状态下的跟踪权值和和控制器动态向量的目标值后，令则有：
其中，mi,gi,hi,di为动态反馈控制器的待定参数；Ai(t)和Bi(t)分别为受第i-1个随机分布控制子***的输出概率密度函数影响的参数矩阵；
构造第一个Lyapunov函数：
式中，Pi为已知正定矩阵；为扩维向量的跟踪误差；
计算第一个Lyapunov函数中各项对时间的导数，得到如下不等式；
其中，为给定的第i个子***的跟踪权值；λ1和λ2为利用Yong不等式放大时所引入的已知的小正数；*代表该矩阵为对称矩阵；
根据Schur补原理可得如下第一线性矩阵不等式：
式中，τ1和β为给定的正数；I为单位矩阵；Pi为正定矩阵，*代表该矩阵为对称矩阵。
求解第一线性矩阵不等式，得到动态反馈控制器各个参数，使***以允许的误差跟踪给定的权值
4.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述子***的状态观测器的设计方法为：
构建故障发生后第i个子***的***模型：
其中，fi(t)为第i个子***当中发生的执行器加性故障值，为故障分布矩阵，为发生故障后第i个子***新的跟踪权值，L(y)＝bn(y)为神经网络B样条基函数；
则设计第i个子***的状态观测器为
式中，Li为待定的观测器增益。
5.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述故障估计律为
其中σ(y)为选定的使得跟踪残差不为零的函数；Γ1和Γ2为待定参数；γi(y,ui)为表示第i个子***的概率密度函数。
6.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述增益值的计算方法为：
将协作容错控制器与故障估计观测器做差，得故障估计值的状态表达式为：
设置第二个Lyapunov函数：
计算第二Lyapunov函数中各项对时间的导数，得到如下第二线性矩阵不等式；
其中， Qi、Ri和Si分别为已知的正定矩阵；λ3、λ4、λ5、λ6、λ7、λ8、ε1和ε2分别为已知的小正数，*代表该矩阵为对称矩阵；
当满足第二线性矩阵不等式时，通过MATLAB求解第二线性矩阵不等式得到第i个子***的增益值Ki，将第i个子***的增益值Ki和故障估计值相乘得到第i个子***的跟踪权值的补偿值
7.根据权利要求6所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述故障估计值的计算方法为：
通过求解第二线性矩阵不等式得到故障估计律中的参数Γ1和Γ2，利用故障估计律的动态方程，计算得到故障估计值
8.根据权利要求1所述的基于动态反馈控制器的随机分布互联***协作容错控制方法，其特征是，所述补偿函数为：
其中，为修正后的故障状态下第i个子***的跟踪权值；为给定的第i个子***在无故障状态下的跟踪权值；为发生故障后第i个子***的跟踪权值补偿值。
CN201810415044.9A 2018-05-03 2018-05-03 基于动态反馈控制的随机分布互联***协作容错控制方法 Expired - Fee Related CN108536017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810415044.9A CN108536017B (zh) 2018-05-03 2018-05-03 基于动态反馈控制的随机分布互联***协作容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810415044.9A CN108536017B (zh) 2018-05-03 2018-05-03 基于动态反馈控制的随机分布互联***协作容错控制方法

Publications (2)

Publication Number Publication Date
CN108536017A true CN108536017A (zh) 2018-09-14
CN108536017B CN108536017B (zh) 2021-01-08

Family

ID=63475902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810415044.9A Expired - Fee Related CN108536017B (zh) 2018-05-03 2018-05-03 基于动态反馈控制的随机分布互联***协作容错控制方法

Country Status (1)

Country Link
CN (1) CN108536017B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109799802A (zh) * 2018-12-06 2019-05-24 郑州大学 一种分子量分布控制中传感器故障诊断与容错控制方法
CN111665820A (zh) * 2020-06-08 2020-09-15 杭州电子科技大学 工业互联***的分散式故障检测与容错控制方法
WO2020199231A1 (zh) * 2019-03-29 2020-10-08 东北大学 面向盘磨***粉体粒度的随机分布控制实验装置及方法
CN112684707A (zh) * 2020-12-25 2021-04-20 扬州大学 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法
CN112799374A (zh) * 2020-12-24 2021-05-14 南京财经大学 一种Delta算子切换粮食管理***的全阶故障估计观测器的设计方法
CN112925295A (zh) * 2021-01-26 2021-06-08 杭州电子科技大学 基于化工过程的性能估计与分散式状态反馈控制方法
CN113595974A (zh) * 2021-06-11 2021-11-02 山东师范大学 受攻击的离散随机分布控制***的安全控制方法及***
CN114779743A (zh) * 2022-04-29 2022-07-22 北京京航计算通讯研究所 随机姿态高超声速飞行器的舵面微小故障容错控制方法
US11860078B2 (en) 2019-03-29 2024-01-02 Northeastern University Particle size distribution control in disc milling system based stochastic distribution control experimental device and method

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08500687A (ja) * 1992-08-10 1996-01-23 モノリシック・システム・テクノロジー・インコーポレイテッド ウェハ規模の集積化のためのフォルトトレラントな高速度のバス装置及びバスインタフェース
CN1547145A (zh) * 2003-12-08 2004-11-17 西安交通大学 设备运行状态数据质量动态检测和保障方法
CN101860883A (zh) * 2010-05-14 2010-10-13 南京邮电大学 一种基于物联网的多代理异常检测方法
CN102520342A (zh) * 2011-12-07 2012-06-27 南京航空航天大学 基于动态反馈神经网络建模的模拟电路测试节点选择方法
CN102931673A (zh) * 2012-10-30 2013-02-13 浙江大学 一种抑制交流故障切除后直流输电***换相失败的控制器及控制方法
US20130301207A1 (en) * 2012-05-08 2013-11-14 International Business Machines Corporation 276-pin buffered memory card with enhanced memory system interconnect
US9300298B2 (en) * 2011-04-06 2016-03-29 International Business Machines Corporation Programmable logic circuit using three-dimensional stacking techniques

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08500687A (ja) * 1992-08-10 1996-01-23 モノリシック・システム・テクノロジー・インコーポレイテッド ウェハ規模の集積化のためのフォルトトレラントな高速度のバス装置及びバスインタフェース
CN1547145A (zh) * 2003-12-08 2004-11-17 西安交通大学 设备运行状态数据质量动态检测和保障方法
CN101860883A (zh) * 2010-05-14 2010-10-13 南京邮电大学 一种基于物联网的多代理异常检测方法
US9300298B2 (en) * 2011-04-06 2016-03-29 International Business Machines Corporation Programmable logic circuit using three-dimensional stacking techniques
CN102520342A (zh) * 2011-12-07 2012-06-27 南京航空航天大学 基于动态反馈神经网络建模的模拟电路测试节点选择方法
US20130301207A1 (en) * 2012-05-08 2013-11-14 International Business Machines Corporation 276-pin buffered memory card with enhanced memory system interconnect
CN102931673A (zh) * 2012-10-30 2013-02-13 浙江大学 一种抑制交流故障切除后直流输电***换相失败的控制器及控制方法

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109799802A (zh) * 2018-12-06 2019-05-24 郑州大学 一种分子量分布控制中传感器故障诊断与容错控制方法
CN109799802B (zh) * 2018-12-06 2021-06-25 郑州大学 一种分子量分布控制中传感器故障诊断与容错控制方法
WO2020199231A1 (zh) * 2019-03-29 2020-10-08 东北大学 面向盘磨***粉体粒度的随机分布控制实验装置及方法
US11860078B2 (en) 2019-03-29 2024-01-02 Northeastern University Particle size distribution control in disc milling system based stochastic distribution control experimental device and method
CN111665820B (zh) * 2020-06-08 2021-11-23 杭州电子科技大学 工业互联***的分散式故障检测与容错控制方法
CN111665820A (zh) * 2020-06-08 2020-09-15 杭州电子科技大学 工业互联***的分散式故障检测与容错控制方法
CN112799374A (zh) * 2020-12-24 2021-05-14 南京财经大学 一种Delta算子切换粮食管理***的全阶故障估计观测器的设计方法
CN112684707A (zh) * 2020-12-25 2021-04-20 扬州大学 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法
CN112684707B (zh) * 2020-12-25 2022-04-26 扬州大学 基于干扰观测器的苯乙烯本体聚合抗干扰分布形状控制方法
CN112925295B (zh) * 2021-01-26 2022-05-13 杭州电子科技大学 基于化工过程的性能估计与分散式状态反馈控制方法
CN112925295A (zh) * 2021-01-26 2021-06-08 杭州电子科技大学 基于化工过程的性能估计与分散式状态反馈控制方法
CN113595974A (zh) * 2021-06-11 2021-11-02 山东师范大学 受攻击的离散随机分布控制***的安全控制方法及***
CN113595974B (zh) * 2021-06-11 2023-06-16 山东师范大学 受攻击的离散随机分布控制***的安全控制方法及***
CN114779743A (zh) * 2022-04-29 2022-07-22 北京京航计算通讯研究所 随机姿态高超声速飞行器的舵面微小故障容错控制方法
CN114779743B (zh) * 2022-04-29 2024-05-28 北京京航计算通讯研究所 随机姿态高超声速飞行器的舵面微小故障容错控制方法

Also Published As

Publication number Publication date
CN108536017B (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN108536017A (zh) 基于动态反馈控制的随机分布互联***协作容错控制方法
Stojanovic et al. State and parameter joint estimation of linear stochastic systems in presence of faults and non‐Gaussian noises
CN107797454B (zh) 基于有限时间控制的多智能体***协同容错控制方法
CN109445447B (zh) 一种多智能体编队跟踪控制方法及***
Vargas et al. On the control of Markov jump linear systems with no mode observation: application to a DC motor device
Wan et al. Distributed node‐to‐node consensus of multi‐agent systems with stochastic sampling
CN105976257A (zh) 基于隶属度函数的模糊综合评价法的电网脆弱性评估方法
Du et al. Finite‐time formation control of multiagent systems via dynamic output feedback
Guan et al. Optimal tracking performance of MIMO discrete‐time systems with communication constraints
Ahmadizadeh et al. Robust unknown input observer design for linear uncertain time delay systems with application to fault detection
Liang et al. Distributed state estimation for uncertain Markov‐type sensor networks with mode‐dependent distributed delays
Ma et al. Reliable finite-time H∞ filtering for discrete time-delay systems with Markovian jump and randomly occurring nonlinearities
Sun et al. Weighted local linear composite quantile estimation for the case of general error distributions
CN105978725A (zh) 一种基于传感器网络的非脆弱性分布式故障估计方法
Moon et al. Robust mean field games for coupled Markov jump linear systems
CN108228959A (zh) 利用删失数据估计***实际状态的方法及应用其的滤波器
Ma et al. Unscented Kalman filtering for target tracking systems with packet dropout compensation
CN113325717A (zh) 基于互联大规模***的最优容错控制方法、***、处理设备、存储介质
CN117394313A (zh) 一种电力***暂态稳定评估方法、***、芯片及设备
Ruslan et al. Parameters effect in Sampling Importance Resampling (SIR) particle filter prediction and tracking of flood water level performance
CN107563103B (zh) 基于局部条件的一致性滤波器设计方法
CN115065166A (zh) 一种低压配电网状态感知及异常告警方法
Krokavec et al. A Reduced‐Order TS Fuzzy Observer Scheme with Application to Actuator Faults Reconstruction
Zhai et al. Leaderless cluster consensus of second-order general nonlinear multiagent systems under directed topology
Zhang et al. Observer-based fault detection for nonlinear networked systems with random packet dropout and time-varying delay

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210108