导读:本文包含了网络时延预测论文开题报告文献综述及选题提纲参考文献，主要关键词:网络控制系统,广义预测控制,时延补偿,极限学习机
网络时延预测论文文献综述
李穆伟[1]（2019）在《基于广义预测控制的网络控制系统时延补偿及控制》一文中研究指出近年来,得益于通信技术的快速发展,控制系统发生了较大的变化,其不仅实现了最大意义的分散闭环控制,而且数据传输效率得到了提高,关于网络控制系统的研究也得以迅速开展。由于将原有控制系统置于网络环境下,必定会产生网络时延和丢包的问题,极大地影响系统的性能,传统控制方法已经不适用于当前网络控制系统。为了实现对网络控制系统更好地控制,本文使用改良过的BP神经网络对时延进行预测并结合改进的广义预测控制补偿网络中出现的时延;针对非线性时滞控制系统,利用神经网络拟合该系统,建立多步预测模型;针对控制系统存在约束的情况,提出了一种带约束的PI型隐式广义预测控制算法。本文研究内容主要如下:(1)针对网络控制系统中随机通信时延问题,本文利用改良过的BP神经网络对随机通信时延进行预测,解决了参数不易选取、泛化困难等问题,并且提高了预测精度。在此基础上结合改进的广义预测算法主动对随机时延进行补偿,解决了原先算法只能补偿固定时延的局限性。最后经过MATLAB仿真实验,证实了该算法的正确性。(2)针对工业生产过程中的一类非线性时滞系统,本文提出了一种基于极限学习机的广义预测控制算法。该算法首先利用改进差分进化算法优化极限学习机神经网络,然后采用优化过的极限学习机建立非线性时滞被控对象的预测模型,最后将此预测模型带入隐式广义预测控制器中,此算法较好地解决了非线性系统难以建模的问题并且提高了预测的精度。MATLAB仿真证实了该算法的正确性。(3)针对实际控制系统普遍存在约束的情况,本文设计了一种带约束的PI型隐式广义预测控制算法,并分析了其稳定性。该算法在原隐式广义预测控制基础上加入了PI反馈结构并改进了广义预测控制中控制量的选取规则,不但能够很好的解决约束问题而且融合PI型隐式广义预测控制诸多优点,具备良好的控制性能。MATLAB仿真结果表明了算法的正确性。(本文来源于《南京邮电大学》期刊2019-12-09）
刘洋,李常贤,陈龙[2]（2018）在《动车组重联网络控制系统时延预测及补偿》一文中研究指出重联动车组之间利用UIC网关的过程数据编组传输监控数据,数据在重联通信网络上的传输时延影响重联控制的性能。针对这一问题,构建动车组重联网络控制系统简化模型,采用网络时延的自回归AR模型,通过Yule-walker参数自辨识算法根据历史数据对网络时延进行在线预测,同时利用快速隐式广义预测控制IGPC对预测的时延进行补偿。仿真实验结果表明,该方法具有较高的时延预测精度,且对网络时延有较好的补偿效果,可保证良好的控制效果。(本文来源于《铁道科学与工程学报》期刊2018年12期）
尹杰[3]（2018）在《基于IVCE平台的网络时延预测研究与实现》一文中研究指出随着互联网的飞速发展,网络服务提供商和网络用户的规模不断增长,互联网已深刻的变革了大众的生产和生活方式。互联网发展的同时也带来了对网络服务质量及可管理性可维护性的更大挑战。网络时延不仅是衡量网络性能的重要指标,也是影响用户网络使用体验的重要因素。对于网络时延的预管理与控制在维护网络状态、动态带宽分配、提高用户体验等方面具有十分重要的意义。本文基于IVCE平台,为满足提高网络时延的预测精度的需求,设计并实现了一种时间序列模型与神经网络模型结合的复合网络时延预测模型。本文的主要研究内容包括:(1)在时间序列分析模型的传统定阶AIC准则的基础上,针对网络时延的自相似性和长相关性做出针对性的改进,提出了一种新的考虑相关度的时间序列定阶准则——AICcc准则。该准则在AIC准则的基础上增加了对模型相关度的考量,相比改进前加强了对网络时延数据变化趋势的拟合准确度,实现了最优模型的拟合准确度、复杂度和相关度叁者的统一。在测试数据集上AICcc准则选取的模型与AIC准则相比,MSE平均降低了 6.45%,相关度平均提升了3.0%且没有增加建模时间。该仿真实验验证了本文提出的AICcc准则在提高网络时延预测精度上的可行性。(2)提出了一种基于时间序列模型与神经网络模型结合的网络时延复合预测模型,其中时间序列模型预测时延的长期自相关成分,神经网络模型预测时延的短期波动成分。该复合模型相对单一使用时间序列模型,对数据的随机波动和突发变化具有更好的拟合准确度。根据实验数据,本文提出的复合模型较单独使用时间序列模型在预测误差上减小了 17.4%,说明本文提出的复合模型能更好的挖掘出网络时延变化规律。(3)设计并实现了基于IVCE的网络时延预测模型。模块包含四个功能模块:网络时延测量任务下发模块、时延结果回收模块、时延结果聚合模块和时延结果预测模块,实现了从时延数据获取、数据清洗与格式化、按照指定条件聚合数据、建立预测模型和分析建模性能一系列功能。本文在四种不同场景下预测网络时延并进行结果分析,相对于一般的时间序列模型本文设计的模型RMSE降低了10%到30%,相关度提高了 0.1到0.2。可认为本文提出的模型有效提高了对网络时延数据预测的准确度和相关度。(本文来源于《北京邮电大学》期刊2018-05-08）
黄可望,刘婷,潘丰[4]（2018）在《基于时延预测模型的网络补偿控制器设计》一文中研究指出针对网络控制系统中随机双向通道时延引起的不确定性问题,提出一种基于时延在线预测模型改进的补偿控制方法。基于自回归模型构建时延预测模型,通过递推最小二乘法实时更新模型参数以预测前向通道时延,并由区间分割法获得高精度的环回时延;设计状态预估器、网络预测器和时延补偿器对环回时延进行补偿,进一步提高系统性能。采用TrueTime工具箱构建网络闭环仿真系统以仿真实际的网络传输情况,同时对PI控制、传统的时延补偿控制以及改进后的时延补偿控制进行对比实验,验证了该方法的优越性。(本文来源于《计算机应用研究》期刊2018年09期）
张超[5]（2017）在《基于广义预测控制算法的网络控制系统时延补偿研究》一文中研究指出随着控制理论、通信技术、计算机的发展,网络控制系统在工业控制领域得到越来越广泛的应用。网络控制系统各个节点的数据传输和交换是通过通信网络进行的,必然会产生随机网络时延的问题,影响系统的控制性能。传统控制的研究方法已经不能满足当前网络控制系统研究的需要。为了应对网络控制系统带来的挑战,设计出适用于实际控制系统的控制策略提高系统的控制性能是亟待解决的事情。研究内容包括时延预测和控制器设计两部分。首先,介绍网络控制系统的背景、研究现状。总结国内外学者的研究成果。其次,介绍网络控制系统的基础知识。分析了网络控制系统的基本结构和网络时延的组成,说明时延研究的必要性。利用TrueTime搭建仿真平台。推导了时延和采样周期二者之间对系统稳定性的影响。然后,对粒子群优化算法和BP神经网络算法的基本原理进行介绍,提出改进PSO-BP复合算法建立预测模型,为时延的预测打下基础。从实验仿真平台中获取到历史时延数据,进行数据处理并进行仿真验证,获得很好地预测结果。最后,对预测控制算法进行了分析。根据工业生产过程遇到的问题,对算法进行一步一步的改进,提出效果更好的PI型隐式GPC控制算法。对PI型隐式GPC的稳定性进行了分析推理。提出了基于改进PSO-BP的时延预测方案和PI型隐式GPC控制算法的控制器设计方案。仿真结果表明本文提出的设计方案具有良好的补偿效果。(本文来源于《沈阳工业大学》期刊2017-05-24）
武慧勇,任清安[6]（2016）在《基于时延预测的网络控制系统自适应滑模控制》一文中研究指出针对具有未知外界干扰和模型不确定性的网络控制系统,提出一种带干扰观测器的自适应离散滑模控制器。采用自回归(AR)模型预测法在线预测前向通道时延。通过线性转换,将时延相关系统转化为时延无关系统,然后在离散时间域下针对转化后系统设计控制器。设计滑模控制器时引入干扰观测器,无需已知干扰上界,仅对干扰变化率进行限制。设计滑模切换控制增益为指数函数形式,减小系统抖振并保证滑模运动的快速收敛。证明了转化后系统的渐进收敛性。对一个网络化位置伺服系统进行仿真,结果表明所提方法对时延和外界干扰具有良好的补偿作用,且对丢包有一定鲁棒性。(本文来源于《遥测遥控》期刊2016年04期）
徐星星[7]（2016）在《基于改进广义预测控制及双Smith预估时延补偿的网络控制系统研究》一文中研究指出进入21世纪,随着互联网的高速发展,NCS在工业生产中的优势日益显现,并呈现出蓬勃发展的趋势。然而,网络时延却同时存在于网络控制系统的前向通道和反馈通道中并且不可避免,其存在不仅会降低系统的动态特性,甚至会导致系统出现不可控。当被控对象自身也带有时滞时,往往存在的时滞又是大时滞、非线性、时变的,那么对控制器参数的精确选择和确定就存在一定的难度。所以,网络控制系统时延预估补偿备受国内外学者的关注。目前,由于Smith预估补偿器在模型完全匹配时能够将NCS的前向通道的时延从闭环回路中移到闭环回路外,将反馈通路的时延从系统中彻底消除,无需对反馈通路实施网络调度等所以在时延补偿方面得到了广泛应用。但是,传统的Smith预估补偿器必须要掌握被控对象的精确数学模型。当模型不完全匹配时,甚至完全失配时,其就难以起到到时延补偿的作用。而在实际的工业控制领域中是很难获得精确的参数模型。所以,本文针对这一突出问题对NCS中的时延预估补偿进行相关研究。(1)开篇首先介绍NCS结构、时延产生的原因、时延的组成及网络时延常用补偿策略的国内外研究现状,在此基础上提出本文解决时延补偿问题的思路和方法。(2)在具有网络时延和被控对象自身时延的网络控制系统中,针对传统Smith预估补偿器需要被控对象的精确数学模型,对传统Smith预估补偿器进行改进,提出在预估器反馈通道上引入一阶惯性滤波环节,用于解决被控对象与预估器模型参数失配问题。同时控制策略引入常规PID控制策略及自适应Fuzzy-PID控制,利用Matlab/Simulink平台设计一阶惯性带纯滞后环节的网络控制系统结构并进行对比仿真分析,仿真结果表明改进后的系统能够获得较好的动态性能和适应性能。(3)在NCS中引入GPC。并针对其在求解运算中需要运用Diophantine方程,涉及大量的矩阵运算,影响系统的控制效率等问题,对其进行优化改进。本文引入阶梯式GPC策略及缓冲器队列选择机制。并给出了改进后的GPC及队列选择机制在NCS中的实现过程。(4)被控对象为工业控制过程中最具代表性的二阶惯性带大滞后环节,控制策略选择Fuzzy-PID控制和改进GPC,基于Matlab/Simulink中的TrueTime1.5工具箱环境,对系统带网络时延和不带网络时延,Smith预估补偿模型完全匹配和完全失配时进行对比仿真分析,实验结果验证了所提时延预估补偿方案在系统稳定性和可控性方面的有效性。(本文来源于《安徽工程大学》期刊2016-06-03）
李君[8]（2016）在《网络遥操作机器人的时延预测控制研究》一文中研究指出网络遥操作机器人被广泛应用于原子能技术、空间技术、海洋技术、远程手术和远程教育等领域。但是时延的存在,使得网络遥操作机器人控制性能下降,甚至不稳定。在网络遥操作机器人系统中,时延具有随机性。为了解决时延问题,本文设计了一种基于时延灰色预测的JGPC-PID网络遥操作机器人控制系统。首先对网络遥操作机器人系统结构进行了分析,利用拉格朗日函数建立了动力学方程,得到系统的状态空间模型。为了分析时延特性,找出时延规律,对实际采集的时延数据进行分析。采用叁种模型预测方法对时延进行建模和预测,通过和其他建模预测实验结果的对比分析,得出灰色预测模型精度较高,建模所需的数据量少,更适合在线滚动预测。最后基于对时延的灰色预测,给出了网络遥操作机器人控制系统的总体架构和实现方法。改进的广义预测控制主端控制器根据灰色预测对时延进行补偿,并做出相应的预测控制决策。结合预测控制量,从端PID和从端机器人形成闭环结构,实现从端的连续控制。最后对所提出的算法进行了仿真实验,并和基于波变量的双边PID控制算法进行了控制效果对比。实验结果表明,本文提出的方法在随机时延条件下,可以使系统获得更快的响应速度,同时保证稳定性和控制精度。(本文来源于《武汉科技大学》期刊2016-05-21）
孙嘉航[9]（2016）在《基于预测控制的网络时延补偿策略研究》一文中研究指出文章指出,当前,网络控制这一课题已经逐渐成为学术界研究的一个重点问题,为使网络控制系统中的时钟不同步问题得到解决,可以采取基于预测控制的网络时延补偿策略对系统时延进行补偿。而通过仿真分析可以发现,该策略的实施能够使网络时延得到精确补偿,并且能够使网络控制系统性能得到有效改善,因此可以在网络控制系统中得到应用。(本文来源于《无线互联科技》期刊2016年06期）
李君,刘斌,蒋峥[10]（2016）在《基于时延灰色预测的网络机器人网络预测控制》一文中研究指出基于Internet的机器人是远距离操作系统,通过网络进行数据传输。网络时延和数据丢包等不确定因素会导致基于Internet的机器人控制性能下降甚至系统的不稳定,针对此问题,提出了一种时延灰色预测的网络优化控制方法。通过对比控制器输出和输入的时间戳来获取系统回路时延,采用较少的时延值建立灰色模型在线预测时延。由于模型参数的不确定性,控制器基于预测的时延值及系统输入输出数据自适应调整模型的参数,并采用改进的广义预测控制算法对远端进行网络预测控制。仿真采用Internet水下机器人单自由度升沉控制模型,通过实验对比说明,针对随机时延及丢包具有较好的补偿控制效果,优化了系统的网络控制性能。(本文来源于《计算机仿真》期刊2016年01期）
网络时延预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
重联动车组之间利用UIC网关的过程数据编组传输监控数据,数据在重联通信网络上的传输时延影响重联控制的性能。针对这一问题,构建动车组重联网络控制系统简化模型,采用网络时延的自回归AR模型,通过Yule-walker参数自辨识算法根据历史数据对网络时延进行在线预测,同时利用快速隐式广义预测控制IGPC对预测的时延进行补偿。仿真实验结果表明,该方法具有较高的时延预测精度,且对网络时延有较好的补偿效果,可保证良好的控制效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络时延预测论文参考文献
[1].李穆伟.基于广义预测控制的网络控制系统时延补偿及控制[D].南京邮电大学.2019
[2].刘洋,李常贤,陈龙.动车组重联网络控制系统时延预测及补偿[J].铁道科学与工程学报.2018
[3].尹杰.基于IVCE平台的网络时延预测研究与实现[D].北京邮电大学.2018
[4].黄可望,刘婷,潘丰.基于时延预测模型的网络补偿控制器设计[J].计算机应用研究.2018
[5].张超.基于广义预测控制算法的网络控制系统时延补偿研究[D].沈阳工业大学.2017
[6].武慧勇,任清安.基于时延预测的网络控制系统自适应滑模控制[J].遥测遥控.2016
[7].徐星星.基于改进广义预测控制及双Smith预估时延补偿的网络控制系统研究[D].安徽工程大学.2016
[8].李君.网络遥操作机器人的时延预测控制研究[D].武汉科技大学.2016
[9].孙嘉航.基于预测控制的网络时延补偿策略研究[J].无线互联科技.2016
[10].李君,刘斌,蒋峥.基于时延灰色预测的网络机器人网络预测控制[J].计算机仿真.2016