夏元清 MAHMOUD Magdi S. 李慧芳 張金會(huì)

過去十年,網(wǎng)絡(luò)化控制系統(tǒng)在很多領(lǐng)域得到了廣泛的應(yīng)用,包括遙操作、智能網(wǎng)格、智能系統(tǒng)和航天航空等領(lǐng)域.網(wǎng)絡(luò)化控制系統(tǒng)有一些明顯的優(yōu)勢,如低成本、高可靠性和易維護(hù)等.特別地,通過合適的數(shù)字化網(wǎng)絡(luò),與分布式控制系統(tǒng)相聯(lián)系,使得網(wǎng)絡(luò)化控制系統(tǒng)更具必要性.經(jīng)由合適的數(shù)字網(wǎng)絡(luò),網(wǎng)絡(luò)化控制系統(tǒng)在分布式控制領(lǐng)域的重要性也在不斷提高.網(wǎng)絡(luò)化控制系統(tǒng)中的信息傳輸可能會(huì)遭受時(shí)延、丟包、量子化效應(yīng)和帶寬限制等因素影響[1?2].盡管控制和計(jì)算理論的交互富有成效,但仍受一些約束限制.近來控制方法的一些進(jìn)展奠定了以下課題的可行性:阻塞控制、網(wǎng)絡(luò)化控制、能源管理、智能網(wǎng)格和云計(jì)算的應(yīng)用.

本文是作者2017年6月發(fā)表于《國際自動(dòng)化與計(jì)算》雜志上《控制與計(jì)算理論的交互:新方法》論文的翻譯，并做了補(bǔ)充和擴(kuò)展，旨在對(duì)控制和計(jì)算領(lǐng)域的研究進(jìn)行回顧,進(jìn)而提升云計(jì)算可靠性和性能的控制理論[3?5].云控制技術(shù)是在近期由網(wǎng)絡(luò)化控制發(fā)展而來.一些研究者注意到了物聯(lián)網(wǎng)(Internet of things,IoT)和分布式傳感器網(wǎng)絡(luò),在這個(gè)框架內(nèi),海量的信息將會(huì)在巨大并且復(fù)雜的系統(tǒng)內(nèi)傳輸.

1 網(wǎng)絡(luò)化控制系統(tǒng)綜述

一個(gè)典型的網(wǎng)絡(luò)化控制系統(tǒng)[6]如圖1所示.通常情況下,網(wǎng)絡(luò)化控制系統(tǒng)的研究被分成兩類:對(duì)網(wǎng)絡(luò)的控制和基于網(wǎng)絡(luò)的控制.前者研究路由控制、擁塞緩減、高效數(shù)據(jù)傳輸和網(wǎng)絡(luò)協(xié)議.后者關(guān)注在共享數(shù)字化網(wǎng)絡(luò)作為媒介的情況下,如何使控制系統(tǒng)達(dá)到期望性能,包括網(wǎng)絡(luò)化控制系統(tǒng)和遠(yuǎn)程控制系統(tǒng).

從控制角度來說,網(wǎng)絡(luò)化控制系統(tǒng)的研究主要集中在兩個(gè)層面:服務(wù)的質(zhì)量(Quality of service,QoS)和控制的質(zhì)量(Quality of control,QoC).服務(wù)的質(zhì)量和網(wǎng)絡(luò)的性能,如傳輸速率和誤碼率.控制的質(zhì)量一般指系統(tǒng)的穩(wěn)定性,NCS中一個(gè)比較重要的問題就是如何同時(shí)保證QoS和QoC[2,7?8].

由于網(wǎng)絡(luò)的存在,一些信號(hào)處理問題也會(huì)影響系統(tǒng)的性能.這些問題如下:

1)網(wǎng)絡(luò)時(shí)延:信息在網(wǎng)絡(luò)化控制系統(tǒng)的組件間通過網(wǎng)絡(luò)進(jìn)行傳輸,不可避免地產(chǎn)生時(shí)延.時(shí)延可以是確定的,也可以是隨機(jī)的,可描述如下:

其中,t k是采樣時(shí)刻k,τ(t k)是總傳輸時(shí)延,τsc(t k)和τca(t k)分別是從傳感器到控制器的時(shí)延和從控制器到執(zhí)行器的時(shí)延.為此,在網(wǎng)絡(luò)化控制系統(tǒng)中設(shè)置了3個(gè)時(shí)延補(bǔ)償器,分別在傳感器節(jié)點(diǎn)τs(t k)、控制器節(jié)點(diǎn)τc(t k)和執(zhí)行器節(jié)點(diǎn)τa(t k)[9].

2)主要時(shí)延模型:在過去的研究中,討論了4種時(shí)延模型,分別是常值時(shí)延模型、相互獨(dú)立隨機(jī)時(shí)延模型、馬爾科夫模型和隱馬爾可夫模型[10].

3)受限信道容量:帶寬和傳輸能量的受限會(huì)影響通信能力和質(zhì)量.

4)丟包:由于數(shù)據(jù)傳輸堵塞、數(shù)據(jù)沖突或干擾的影響,丟包是大多數(shù)通信網(wǎng)絡(luò)中都不可避免的問題.而將丟包過程建模為伯努利分布或馬爾科夫過程是極為有效的.

5)網(wǎng)絡(luò)安全:任何網(wǎng)絡(luò)媒介,尤其是無線介質(zhì),對(duì)干擾都是敏感的,因此,網(wǎng)絡(luò)安全受到了越來越多的關(guān)注.

考慮如圖2所示的動(dòng)態(tài)系統(tǒng)模型:

其中,x(t)∈Rn是狀態(tài)向量,u(t)∈Rm是控制輸入,y(t)∈ Rp是輸出;矩陣A∈ Rn×n,B∈ Rn×m,C∈ Rp×n,D∈Rp×m是適當(dāng)維數(shù)的常值矩陣.由于反饋環(huán)節(jié)中數(shù)字網(wǎng)絡(luò)的存在,控制信號(hào)可以表達(dá)為:

其中,K是反饋控制增益矩陣.

因?yàn)闀r(shí)延可能是常值、變量或者隨機(jī)量,并且考慮式(1),網(wǎng)絡(luò)時(shí)延表達(dá)式為:

一般地,丟包可以表述成類似式(4)的形式:

其中,d是丟包數(shù)量,h是采樣周期.由式(5)可知,丟包可被看作是一種特殊的網(wǎng)絡(luò)時(shí)延.

由于通過網(wǎng)絡(luò)傳輸數(shù)據(jù),網(wǎng)絡(luò)化控制系統(tǒng)被看作是一種特殊的帶寬受限采樣數(shù)據(jù)系統(tǒng).因此,采樣周期較小會(huì)導(dǎo)致傳感器采集到大量的數(shù)據(jù),引起網(wǎng)絡(luò)的過載和阻塞.更多的丟包和更大的時(shí)延也會(huì)因此產(chǎn)生,最終影響系統(tǒng)的性能.一個(gè)關(guān)于網(wǎng)絡(luò)化控制系統(tǒng)中采樣周期、網(wǎng)絡(luò)載荷和系統(tǒng)性能的耦合示意如圖3所示,主要體現(xiàn)在對(duì)象數(shù)據(jù)采樣周期和控制系統(tǒng)性能之間的關(guān)系.因此,存在一個(gè)最優(yōu)采樣周期使得控制性能也是最優(yōu)的(見圖3中‘b’點(diǎn)).

接下來,我們將注意力集中到云控制系統(tǒng)的基礎(chǔ)問題及其實(shí)現(xiàn)方法.

2 控制系統(tǒng)即服務(wù)(CSaaS)

云控制系統(tǒng)利用了云計(jì)算出色的計(jì)算優(yōu)勢,其基本方法已在研究[6,11?13].云計(jì)算系統(tǒng)越來越多地被用來作為一種計(jì)算服務(wù),無需將軟件完全安裝在電腦上,這一特性越來越多地被人們應(yīng)用.而應(yīng)用于控制的云計(jì)算基礎(chǔ)設(shè)施有以下特點(diǎn)[14]:零啟動(dòng)成本、節(jié)省工作量、避免資源過度/過少供應(yīng).

IT計(jì)算環(huán)境用戶使用桌面托管網(wǎng)頁客戶端獲取云服務(wù),云計(jì)算扮演重要角色的一個(gè)潛在領(lǐng)域就是增強(qiáng)電力調(diào)度,即智能網(wǎng)格計(jì)算.云計(jì)算的使用可以在合理成本內(nèi)維持網(wǎng)格的穩(wěn)定性和可靠性[15].

云計(jì)算中,一切即服務(wù),比如軟件即服務(wù)(Software as a service,SaaS),平臺(tái)即服務(wù)(Platform as a service,PaaS),基礎(chǔ)設(shè)施即服務(wù)(Infrastructure as a service,IaaS),構(gòu)成了云計(jì)算分層服務(wù)架構(gòu)(見圖4).在基礎(chǔ)設(shè)施層,計(jì)算、存儲(chǔ)、網(wǎng)絡(luò),以及其他基礎(chǔ)資源都被虛擬化為網(wǎng)絡(luò)獲取的標(biāo)準(zhǔn)化服務(wù)[16].

物聯(lián)網(wǎng)的快速增長部署云中,網(wǎng)絡(luò)化控制系統(tǒng)(Networked control systems,NCS)即將在IoT技術(shù)中扮演著重要的角色.NCS由傳感器、執(zhí)行器和控制器通過數(shù)字網(wǎng)絡(luò)連接而成.過去若干年研究中,三者都部署在一個(gè)地方,并采用P2P通信方式.這種情況稱為集中控制,實(shí)際上,NCS各組件間的短距離不會(huì)造成系統(tǒng)時(shí)滯.隨著技術(shù)發(fā)展,制造企業(yè)試圖將大型裝備分解為自帶控制系統(tǒng)的多個(gè)子系統(tǒng),子系統(tǒng)間無直接通信,從而演化為分散式系統(tǒng).之后,制造企業(yè)又開始使用包含集中式和分散式的混合系統(tǒng).物聯(lián)網(wǎng)是工業(yè)界和學(xué)術(shù)界的新生研究領(lǐng)域,旨在為未來社會(huì)建立起計(jì)算與通信的交互[6].

IoT是傳感器網(wǎng)絡(luò)獲取數(shù)據(jù)的雛形,部署在云架構(gòu)中極具挑戰(zhàn)性.從控制視角,IoT的復(fù)雜性和數(shù)據(jù)獲取的苛刻使得難以對(duì)其建模.計(jì)算系統(tǒng)的不斷發(fā)展為IoT數(shù)據(jù)的計(jì)算、存儲(chǔ)、處理提供了增強(qiáng)化能力,以實(shí)現(xiàn)高質(zhì)量和高可靠預(yù)測[6].實(shí)際系統(tǒng)所要面對(duì)的基本問題是:

1)嚴(yán)重?cái)?shù)據(jù)延時(shí);

3)由于通道擁塞、鏈路不可靠或協(xié)議功能障礙引起的數(shù)據(jù)傳輸丟失.

這些約束影響了系統(tǒng)的穩(wěn)定性和全局性能,并很可能導(dǎo)致不穩(wěn)定.

受控系統(tǒng)的擴(kuò)大化,可能導(dǎo)致大量信息共享而使結(jié)構(gòu)變得復(fù)雜,其控制任務(wù)也復(fù)雜化.因此,需要投入更多精力,為分布式或并行子系統(tǒng)的信息傳輸、管理及決策尋找合適的控制和計(jì)算策略.其他軟硬件方法的研究也受到相當(dāng)大的關(guān)注,以實(shí)現(xiàn)可靠的計(jì)算性能.從這一視角上,云控制被提出以實(shí)現(xiàn)分布式系統(tǒng)的虛擬操作與控制.這些子系統(tǒng)可以通過數(shù)字通信鏈路輕易接入數(shù)據(jù)中心.云制造的最新進(jìn)展帶來快速革新并通過共享式虛擬化資源、遠(yuǎn)程控制架構(gòu)和基于網(wǎng)絡(luò)的遠(yuǎn)程計(jì)算增強(qiáng)了計(jì)算系統(tǒng)[6].

由于云控制結(jié)合了云計(jì)算和NCS,因此,在工業(yè)或其他相關(guān)領(lǐng)域有著不可思議的潛在應(yīng)用.圖4描述了基于網(wǎng)絡(luò)化視覺伺服控制云架構(gòu).事實(shí)上,大量測量信息從分布式傳感器傳到中央或分布云控制器,由云來處理進(jìn)來的信息并作出有效決策,然后將正確控制信號(hào)發(fā)出去.例如,模型預(yù)測控制算法廣泛被用于數(shù)據(jù)估測和預(yù)測未來狀態(tài),預(yù)測控制策略之強(qiáng)大在于采取主動(dòng)措施避免錯(cuò)誤和不確定事件.從這個(gè)意義上講,云控制系統(tǒng)可以有效調(diào)節(jié)復(fù)雜分布式系統(tǒng)[6].云技術(shù)的存在有效改善了企業(yè)商業(yè)運(yùn)營的方法,尤其是互聯(lián)網(wǎng)方式.基于這些發(fā)展成果,云控制系統(tǒng)得以改進(jìn),內(nèi)含網(wǎng)絡(luò)、智能網(wǎng)格、分布式過程和虛擬系統(tǒng)等工業(yè)組件[17].根據(jù)計(jì)算和通信的發(fā)展,并行計(jì)算或分布式計(jì)算由網(wǎng)絡(luò)資源動(dòng)態(tài)完成,這些工具將網(wǎng)絡(luò)化計(jì)算概念直接應(yīng)用于傳統(tǒng)控制系統(tǒng).因而,云控制系統(tǒng)遠(yuǎn)程增刪節(jié)點(diǎn)靈活可靠.此外,云控制系統(tǒng)還具備監(jiān)控、控制、通信和狀態(tài)維持等潛在功能[18].為了克服通信鏈路的傳輸時(shí)滯,一種快速虛擬閉環(huán)策略已被廣泛應(yīng)用與解決這一問題.圖4描述了云計(jì)算技術(shù)圖像處理原理.通過實(shí)時(shí)圖像傳輸并以并行或分布式方式進(jìn)行圖像處理,云計(jì)算運(yùn)行快速虛擬閉環(huán)算法來增項(xiàng)系統(tǒng)性能,克服負(fù)載和通信約束[18].

計(jì)算理論方法的重大進(jìn)展對(duì)計(jì)算資源可靠性和有效性提出了迫切需求.由于云系統(tǒng)被認(rèn)為是借用應(yīng)用程序接口通過網(wǎng)絡(luò)實(shí)現(xiàn)分布式傳感器高虛擬計(jì)算,云計(jì)算環(huán)境在商業(yè)模式中起到了很重要的關(guān)鍵作用.應(yīng)用到電力系統(tǒng),傳統(tǒng)電網(wǎng)則最終發(fā)展為智能電網(wǎng).由此,智能電網(wǎng)是運(yùn)用了互聯(lián)網(wǎng)技術(shù)的傳統(tǒng)電網(wǎng).

有趣的是,云計(jì)算在電力網(wǎng)絡(luò)的應(yīng)用已大大增加,原因如下:

浮盤一般鋁(不銹鋼)制內(nèi)浮頂應(yīng)至少配置一個(gè)人孔，其內(nèi)空間采用(440×560)的矩形人孔，且配備梯子。

1)云增強(qiáng)了電網(wǎng)的多級(jí)控制;

2)云計(jì)算保證穩(wěn)定性;

3)云計(jì)算支持大規(guī)模和鄰居參數(shù)共享.

網(wǎng)格云技術(shù) (Grid-cloud technology,GCT)比較有吸引力的是,含有相關(guān)的技術(shù),比如 Grid-Stat、Isis2、TCP-R和GridSim.TCP-R是新版的TCP,支持名義上的TCP,眾所周知,TCP協(xié)議是帶確認(rèn)機(jī)制的可靠性網(wǎng)絡(luò)傳輸協(xié)議.GridSim為大型電力網(wǎng)絡(luò)系統(tǒng)提供實(shí)時(shí)仿真和控制.GridStat在變電站和中央電站間提供了簡單的接口.它還能檢測通信鏈路,用于高速并行傳輸冗余電網(wǎng)數(shù)據(jù).Isis2能在某一特定節(jié)點(diǎn)上促進(jìn)數(shù)據(jù)維持,并發(fā)放給鄰居節(jié)點(diǎn).這一技術(shù)可以應(yīng)用于容錯(cuò)和安全[19].

與NCS基礎(chǔ)設(shè)施一樣,云控制系統(tǒng)表現(xiàn)為網(wǎng)絡(luò)連接起來的分布式系統(tǒng).在這個(gè)框架中,假定控制單元以廣播方式與子系統(tǒng)和鄰居單元直接連接.控制單元根據(jù)計(jì)算能力通過智能編程處理分配的任務(wù).不過數(shù)據(jù)傳輸受時(shí)滯、丟包、帶寬限制、通信約束、數(shù)字干擾等約束限制.這些約束可能降低系統(tǒng)性能,甚至引起系統(tǒng)不穩(wěn)定[6,19].大多數(shù)情況下,將受控動(dòng)態(tài)NCS系統(tǒng)考慮為臉型離散實(shí)時(shí)系統(tǒng).特別地,一個(gè)基本觀點(diǎn)就是云控制包含兩個(gè)方面:網(wǎng)絡(luò)化控制系統(tǒng)和云控制.網(wǎng)絡(luò)化控制系統(tǒng)中,傳感器發(fā)送從控制或測量單元讀取和測量到的數(shù)據(jù).網(wǎng)絡(luò)化控制端根據(jù)數(shù)據(jù)分析來作決策,這些控制信號(hào)被傳回設(shè)備端的執(zhí)行器.在后面的云控制系統(tǒng)中,廣泛用到可靠性和魯棒性通信協(xié)議.TCP協(xié)議的確認(rèn)機(jī)制在保證大規(guī)模系統(tǒng)的可靠性中起到重大關(guān)鍵作用.使用確認(rèn)機(jī)制,每個(gè)控制器(NCS或云)為有益節(jié)點(diǎn)進(jìn)行優(yōu)先級(jí)排序.另外,控制器可能在確認(rèn)信號(hào)丟失時(shí)將某個(gè)節(jié)點(diǎn)從列表中移除.當(dāng)子系統(tǒng)允許發(fā)送自己的數(shù)據(jù),則控制端可以對(duì)其進(jìn)行調(diào)度和管理.通常情況下,系統(tǒng)可能從一些周圍的云控制器接收到不同的控制決策,特定系統(tǒng)的本地控制可以選擇最新的控制信號(hào).

3 工業(yè)自動(dòng)化系統(tǒng)

圖5為工業(yè)自動(dòng)化系統(tǒng)的多層架構(gòu),常用于控制一大類工業(yè)設(shè)備.總結(jié)起來主要是以下幾點(diǎn):

1)針對(duì)設(shè)備按照期望運(yùn)作,任意擾動(dòng)下,需要保持幾個(gè)物理量(包括石油溫度)為常值,其他量也需要遵循特定的參考輪廓(流級(jí)).

2)為了自動(dòng)維持跟蹤性能,需要利用傳感器保持對(duì)系統(tǒng)的物理量的監(jiān)視,并通過執(zhí)行器作出必要的調(diào)整.這些設(shè)備被稱為現(xiàn)場設(shè)備,構(gòu)成了現(xiàn)場級(jí)網(wǎng)絡(luò)(參見圖5).

3)給定監(jiān)測數(shù)據(jù),則需要控制器產(chǎn)生控制行為,即基于專門的微處理器的計(jì)算機(jī)系統(tǒng),控制算法運(yùn)行在專門的操作系統(tǒng)上.典型地,單一控制器可以與幾個(gè)控制閉環(huán)進(jìn)行交互,這依賴于處理速度、采樣率和控制算法復(fù)雜度.控制器部署在控制室內(nèi)或者靠近它,像這樣的控制器屬于圖5中的L1層.

4)現(xiàn)代控制系統(tǒng)中,現(xiàn)場設(shè)備和控制器間的通信通過專門的網(wǎng)絡(luò)(即現(xiàn)場級(jí)網(wǎng)絡(luò))實(shí)現(xiàn).控制室內(nèi)的操作員需要持續(xù)監(jiān)視設(shè)備的過程變量,例如油的流率和水溫,其間需要人機(jī)交互接口(Human machine Interface,HMI)

a)再者,操作員需要通過監(jiān)控與數(shù)據(jù)采集系統(tǒng)(Supervisory control and data acquisition,SCADA)管理控制環(huán)的操控,比如修改期望油溫.

b)此外,需要持續(xù)記錄過程變量以備后續(xù)復(fù)查其變化趨勢,評(píng)估系統(tǒng)狀態(tài)根據(jù)時(shí)間的變化.圖5中的L2層即為HMI/SCADA和日志記錄.

c)其他功能組件,比如告警管理(如水汽溫度低于一定的閾值)和控制軟件更新(升級(jí)控制算法),同樣屬于L2層.

d)控制器和HMI/SCADA及其間的通信通過專門的控制網(wǎng)絡(luò)實(shí)現(xiàn).

5)為了優(yōu)化工業(yè)設(shè)備的全局操控(如跨越不同季節(jié)和天氣狀況),需要用高級(jí)優(yōu)化軟件(如圖5的L3層)協(xié)調(diào)各控制環(huán)的運(yùn)行狀態(tài)以滿足優(yōu)化指標(biāo).比如,目標(biāo)函數(shù)可能是使天然氣消耗最少或者保持某一特定生產(chǎn)率/生產(chǎn)質(zhì)量.

6)最后,連接設(shè)備與外界,旨在不同評(píng)估下將設(shè)備產(chǎn)量與市場需求聯(lián)系起來,比如物料和勞動(dòng)價(jià)值.圖5中L4層就是扮演這樣的企業(yè)級(jí)管理,L3層的設(shè)備優(yōu)化指標(biāo)則基于L4的分析確定.

4 云控制系統(tǒng)

伴隨著物聯(lián)網(wǎng)的發(fā)展,能夠獲取到的數(shù)據(jù)將會(huì)越來越多,控制系統(tǒng)必須能夠處理來自移動(dòng)設(shè)備、視覺傳感器、射頻識(shí)別閱讀器和無線網(wǎng)絡(luò)傳感器等傳感裝置感知到的廣泛存在的海量數(shù)據(jù)信息,這些海量數(shù)據(jù)將會(huì)增加網(wǎng)絡(luò)的通信負(fù)擔(dān)和系統(tǒng)的計(jì)算負(fù)擔(dān).可是,傳統(tǒng)的網(wǎng)絡(luò)化控制技術(shù)難以滿足高品質(zhì)和實(shí)時(shí)控制的要求,需要采用云控制技術(shù),使得控制的實(shí)時(shí)性因?yàn)樵朴?jì)算的引入得到保證,在云端利用深度學(xué)習(xí)等智能算法,結(jié)合網(wǎng)絡(luò)化預(yù)測控制、數(shù)據(jù)驅(qū)動(dòng)控制等方法實(shí)現(xiàn)系統(tǒng)的自主智能控制.

4.1 云控制系統(tǒng)分層架構(gòu)

目前已有的商業(yè)系統(tǒng),沒有提供有云平臺(tái)直接數(shù)字控制功能,為此,本文提出圖6所示的云控制系統(tǒng)分層架構(gòu).在這個(gè)分層方法中,我們的工作如下:

1)將自控系統(tǒng)的所有計(jì)算功能都遷移到云上,提供完全的自控即服務(wù)模式,使得用戶部署、維護(hù)、升級(jí)系統(tǒng)更加容易、快速和低成本.

2)由于所有虛擬機(jī)(Virtual machines,VMs)可以成組地遷移到不同供應(yīng)商,要設(shè)計(jì)不同云控制供應(yīng)商之間的切換支持.

3)某些組件無法遷移到云,比如傳感器、執(zhí)行器和安全/緊急關(guān)機(jī)控制功能.

4)為將傳感器和執(zhí)行器連接到云端,在TCP之上運(yùn)行現(xiàn)場級(jí)協(xié)議,如Modbus/TCP和Profi us/TCP,它們要么集成在設(shè)備中,要么通過單獨(dú)的I/O模塊提供.對(duì)于進(jìn)一步的功能要求,比如安全和消息調(diào)度,使用網(wǎng)關(guān)服務(wù)器,并且可被可靠復(fù)用.

圖6說明了該控制架構(gòu),本質(zhì)上拓寬了已有的系統(tǒng)層,反映了圖5中每個(gè)組件和層級(jí)間的關(guān)系.直接數(shù)字控制算法(L1)運(yùn)行在控制室的云虛擬機(jī)上而非真實(shí)的硬件環(huán)境.

此外,在現(xiàn)有的自動(dòng)化系統(tǒng)(如圖5)中,控制器通過網(wǎng)絡(luò)與傳感器/執(zhí)行器進(jìn)行通信,主要是確定性的通信延遲,這些延遲是可忽略的.而在我們的設(shè)計(jì)中,通信發(fā)生在互聯(lián)網(wǎng)上,這給控制環(huán)路增加了可變大延遲.因此,將直接數(shù)字控制算法直接遷移到云可能會(huì)影響控制回路的功能,甚至?xí)瓜到y(tǒng)不穩(wěn)定,從而危及傳統(tǒng)控制所提供的理論性能保證.因此,需要更多的組件來彌補(bǔ)可變的互聯(lián)網(wǎng)延遲以及互聯(lián)網(wǎng)鏈接和虛擬機(jī)的可靠性.

4.2 面向柔性制造的云端協(xié)同控制

工業(yè)經(jīng)濟(jì)時(shí)代的大規(guī)模個(gè)性化定制需求,對(duì)工業(yè)互聯(lián)網(wǎng)應(yīng)用提出了更高的要求,例如根據(jù)高度個(gè)性化的需求柔性配置工業(yè)終端資源,并對(duì)復(fù)雜生產(chǎn)環(huán)境的動(dòng)態(tài)變化進(jìn)行實(shí)時(shí)預(yù)先感知與智能化決策,以便柔性地對(duì)工業(yè)終端資源進(jìn)行靈活調(diào)配,云控制概念的提出與發(fā)展,為面向工業(yè)互聯(lián)網(wǎng)的智能云端協(xié)作制造與閉環(huán)控制提供了新的思路.將柔性生產(chǎn)調(diào)度與云控制閉環(huán)反饋設(shè)計(jì)方法相結(jié)合,采用工業(yè)大數(shù)據(jù)分析、協(xié)調(diào)控制、調(diào)度優(yōu)化與邊緣計(jì)算技術(shù),通過云端智能決策、云端協(xié)同控制與邊緣閉環(huán)控制的交互與有機(jī)協(xié)作,實(shí)現(xiàn)云和端之間的有機(jī)協(xié)同與閉環(huán)控制,如圖7所示,以構(gòu)建2個(gè)優(yōu)化閉環(huán):

1)面向機(jī)器設(shè)備運(yùn)行優(yōu)化的閉環(huán),即低層設(shè)備端邊緣控制閉環(huán),核心是基于對(duì)機(jī)器操作數(shù)據(jù)、生產(chǎn)環(huán)境數(shù)據(jù)的實(shí)時(shí)感知和邊緣洞察計(jì)算,實(shí)現(xiàn)機(jī)器設(shè)備的動(dòng)態(tài)優(yōu)化調(diào)整和精確控制,構(gòu)建智能機(jī)器和柔性產(chǎn)線;

2)面向生產(chǎn)調(diào)度決策優(yōu)化的閉環(huán),即中層決策閉環(huán),核心是基于信息系統(tǒng)數(shù)據(jù)、制造執(zhí)行系統(tǒng)數(shù)據(jù)、控制系統(tǒng)數(shù)據(jù)的集成與云端工業(yè)大數(shù)據(jù)分析,實(shí)現(xiàn)生產(chǎn)調(diào)度決策的動(dòng)態(tài)優(yōu)化調(diào)整,支持多場景智能生產(chǎn)模式.

5 預(yù)測控制系統(tǒng)

互聯(lián)網(wǎng)與其他私人傳輸媒體不同,是一種公共傳輸媒體,可以被許多終端用戶用于不同的目的.基于互聯(lián)網(wǎng)的控制系統(tǒng)的主要障礙是如何克服不確定的傳輸時(shí)延和數(shù)據(jù)丟失問題.

根據(jù)互聯(lián)網(wǎng)傳輸研究[19],時(shí)間延遲和數(shù)據(jù)丟失相關(guān)的性能表現(xiàn)出較大的時(shí)空變化.結(jié)果顯示,性能隨著距離以及遍歷的節(jié)點(diǎn)數(shù)量而降低.性能還取決于處理速度和網(wǎng)絡(luò)節(jié)點(diǎn)上的負(fù)載.任何基于互聯(lián)網(wǎng)的應(yīng)用都難以避免不確定的傳輸時(shí)延和數(shù)據(jù)丟失問題.發(fā)生可變時(shí)間延遲的原因如下[20]:

1)由于多個(gè)用戶共享同一計(jì)算機(jī)網(wǎng)絡(luò),所以網(wǎng)絡(luò)流量一直在變化.

2)由互聯(lián)網(wǎng)協(xié)議(Internet protocol,IP)決定的數(shù)據(jù)傳輸?shù)穆酚苫蚵窂讲淮_定,數(shù)據(jù)通過距離不同的不同路徑、網(wǎng)關(guān)和網(wǎng)絡(luò)傳送.

3)大數(shù)據(jù)被分成更小的單元,如數(shù)據(jù)包.此外,數(shù)據(jù)也可以在發(fā)送之前和接收之后被壓縮和提取.

4)使用TCP/IP協(xié)議,當(dāng)發(fā)生數(shù)據(jù)傳輸錯(cuò)誤時(shí),將重傳數(shù)據(jù),直到接收到正確的數(shù)據(jù).因此,數(shù)據(jù)傳輸中的數(shù)據(jù)丟失和時(shí)間延遲可以等同.

嚴(yán)格來說,互聯(lián)網(wǎng)時(shí)延(Internet time delay,ITD)由節(jié)點(diǎn)的處理速度、節(jié)點(diǎn)的負(fù)載、連接帶寬、數(shù)據(jù)量、傳輸速度等標(biāo)定.時(shí)刻k的互聯(lián)網(wǎng)時(shí)間延遲T d(k)可以描述如下[21].

其中,l j是網(wǎng)絡(luò)鏈路的第j個(gè)長度,C是光速,是第j個(gè)節(jié)點(diǎn)的路由速度,是由第j個(gè)節(jié)點(diǎn)負(fù)載引起的延遲,M是數(shù)據(jù)量,b j是第j個(gè)鏈路的帶寬,d N是與時(shí)間無關(guān)的術(shù)語,d L(k)是時(shí)間依賴項(xiàng).由于時(shí)間依賴項(xiàng)d L(k)的存在,在每一時(shí)刻對(duì)互聯(lián)網(wǎng)時(shí)間延遲進(jìn)行精確預(yù)測建模是有些不合理的.網(wǎng)絡(luò)必須通過控制系統(tǒng)架構(gòu)和控制算法明確處理時(shí)間延遲.最終,需要一個(gè)合適的控制結(jié)構(gòu)來處理基于互聯(lián)網(wǎng)的具有不確定執(zhí)行時(shí)間、時(shí)間延遲和數(shù)據(jù)丟失的控制系統(tǒng).本節(jié)將對(duì)預(yù)測控制概念用于系統(tǒng)分析與設(shè)計(jì)作進(jìn)一步探討.

5.1 帶延時(shí)補(bǔ)償?shù)念A(yù)測控制

由文獻(xiàn)[22]延伸可得,圖8所示的基于互聯(lián)網(wǎng)的控制系統(tǒng)結(jié)構(gòu),其中引入了容忍時(shí)間Δt和兩個(gè)補(bǔ)償器來處理不可預(yù)知的信息傳輸延遲.為了切合實(shí)際,動(dòng)態(tài)矩陣控制器(Dynamic matrix controller,DMC)適用于圖8所示的兩個(gè)時(shí)間補(bǔ)償器的設(shè)計(jì),因?yàn)镈MC在工業(yè)中被廣泛接受,反饋信道中設(shè)計(jì)了補(bǔ)償器,具有數(shù)據(jù)緩沖的作用,用于克服本地站點(diǎn)到遠(yuǎn)程站點(diǎn)間數(shù)據(jù)傳輸?shù)臅r(shí)間延遲.前饋通道中的補(bǔ)償器旨在克服從遠(yuǎn)程站點(diǎn)到本地站點(diǎn)的傳輸中發(fā)生的時(shí)間延遲.所有的數(shù)據(jù)都是通過互聯(lián)網(wǎng)發(fā)送的,在互聯(lián)網(wǎng)控制系統(tǒng)中由全局定時(shí)器產(chǎn)生時(shí)間戳,將接收時(shí)間與每個(gè)數(shù)據(jù)的時(shí)間戳進(jìn)行比較,以查看是否發(fā)生延遲或傳輸正常.給出階躍響應(yīng)模型:

其中,y是過程輸出變量,Δu是控制動(dòng)作的增量,g j是階躍響應(yīng)的系數(shù),t是當(dāng)前時(shí)刻.DMC總體控制算法給定如下:

其中,λ是控制成本的懲罰因子,I是單位矩陣.由元素定義的系統(tǒng)動(dòng)態(tài)矩陣G∈Rp×m取自過程的階躍響應(yīng)模型的系數(shù),g1,···,g p為:

其中,m是控制水平,p是預(yù)測水平,控制動(dòng)作u定義為

參考軌跡w和自由響應(yīng)f向量由下式表示

自由響應(yīng)f(t+k)計(jì)算為

y m(t)是過程輸出變量的測量值,N是過程視圖.參考軌跡w(t+k)計(jì)算為

其中,0＜a＜1是參數(shù),r(t+k)是設(shè)定值的控制器.

注釋1.

1)反饋信道補(bǔ)償?shù)哪康氖菧p少由傳輸延遲引起的控制信號(hào)空白的影響.

2)可以看出,從本地站點(diǎn)到遠(yuǎn)程站點(diǎn)的傳輸中發(fā)生的時(shí)間延遲導(dǎo)致遠(yuǎn)程站點(diǎn)中的控制器不能及時(shí)從本地站點(diǎn)接收到反饋信號(hào)y m(t).基于t時(shí)刻的估計(jì)值,從式(7)中的階躍響應(yīng)模型計(jì)算出預(yù)測值?y(t|t),一旦出現(xiàn)時(shí)間延遲,式(12)和式(13)中的y m(t)即被替換為該預(yù)測值.

3)當(dāng)傳輸恢復(fù)時(shí),使用延時(shí)期間的累積誤差e(t)來補(bǔ)償影響.

4)控制向量u由m?1個(gè)未來控制增量組成.一般選擇當(dāng)前時(shí)刻的增量Δu(t)作為控制量輸入,未來的預(yù)測控制量Δu(t+1)→Δu(t+m?1)則不予使用.而未來預(yù)測控制量則使用于有時(shí)延的情況.進(jìn)一步闡述這一方法值得今后研究.

5.2 小延遲的基本結(jié)論

以下假設(shè)考慮NCS:

假設(shè)1.傳感器是時(shí)鐘驅(qū)動(dòng)的,控制器和執(zhí)行器是事件驅(qū)動(dòng)的,數(shù)據(jù)以單包形式傳輸,舊數(shù)據(jù)包被丟棄,所有狀態(tài)都可用于測量并傳輸,延時(shí)τ小于其單位測量時(shí)間.從式(2)和式(3)可以看出,閉環(huán)系統(tǒng)可以表示為

在下文中,令c?1表示復(fù)平面的左部分,λj(s)表示矩陣S的第j個(gè)特征值.

定理1.將式(3)所表示的反饋控制應(yīng)用于式(2)表示的系統(tǒng),若系統(tǒng)滿足條件:

則系統(tǒng)全局穩(wěn)定.

證明.對(duì)于小延時(shí)服從假設(shè)1中情況,泰勒級(jí)數(shù)展開

將式(16)代入到式(14),得到

如果滿足式(15),則式(17)將全局漸近穩(wěn)定.

5.3 集中預(yù)測控制

集中模型預(yù)測控制器使用端對(duì)端控制(End-toend utilization control,EUCON)算法來保證子系統(tǒng)運(yùn)行在標(biāo)準(zhǔn)值處.在這個(gè)框架下,最終實(shí)現(xiàn)一個(gè)單一的中心控制器來調(diào)節(jié)其他子系統(tǒng),如工業(yè)過程.這些子系統(tǒng)由中心控制器處理,以滿足他們的要求和交互.實(shí)際上,集中式多媒體個(gè)人計(jì)算機(jī)(Multimedia personal computer,MPC)使預(yù)定義的網(wǎng)絡(luò)通道執(zhí)行控制和測量任務(wù).集中式中心控制結(jié)構(gòu)的主要缺點(diǎn)是單點(diǎn)故障,即中央控制器故障,整個(gè)系統(tǒng)就面臨癱瘓.此外,當(dāng)受控設(shè)備增多時(shí),僅使用一個(gè)控制器的話,系統(tǒng)會(huì)變得難以控制和診斷[23?24].理論上,MPC控制器針對(duì)未來時(shí)間期望進(jìn)行有效成本最小化計(jì)算[14,25].另外,智能集中控制器可以通過對(duì)對(duì)象進(jìn)行遠(yuǎn)程監(jiān)測,以控制和維護(hù)不同的節(jié)點(diǎn).圖9為集中式MPC的結(jié)構(gòu)示意圖,而圖10進(jìn)一步說明了苯烷基化過程.離散系統(tǒng)的動(dòng)態(tài)方程的狀態(tài)空間形式定義為:

其中,x(t)∈Rn是狀態(tài)變量,u(t)∈Rm是控制輸入,y(t)∈Rp是輸出信號(hào).動(dòng)態(tài)系統(tǒng)矩陣可以被認(rèn)定為A∈Rn×n,控制輸入矩陣為B∈Rn×m,輸出矩陣為C∈Rp×n.使用Rn∈R+表示具有n維的正向量空間,Rm∈R+表示具有m維的正向量空間,Rp∈R+表示具有p維的正向量空間.

5.4 分散式預(yù)測控制

大規(guī)模系統(tǒng)(Complexity of large scale systems,LSS)的復(fù)雜性引起了系統(tǒng)控制研究在理論和應(yīng)用方面的關(guān)注.顯然,LSS組件之間的時(shí)間延遲和不確定性是復(fù)雜性的主要來源.大多數(shù)時(shí)候,LSS的界限一般因集中觀察的不足而導(dǎo)致失敗.通過使用各種技術(shù)解決復(fù)雜和耦合的問題,大規(guī)模系統(tǒng)的運(yùn)行原理已得到廣泛應(yīng)用.在這些情況下,大問題可以分解成獨(dú)立的可控子問題.解耦子問題組可以滿足系統(tǒng)性能并保證整個(gè)系統(tǒng)的穩(wěn)定性.控制單元只能與其他控制器交換有限的測量,輸入決策和狀態(tài)動(dòng)態(tài).學(xué)術(shù)界正積極研究分散式控制方法以引入更高的靈活性并降低通信處理成本.圖11提出了分散式MPC的示意圖,圖12給出了苯過程烷基化情況的演示.

分散式MPC致力于克服單點(diǎn)故障.在這個(gè)架構(gòu)中,一些本地的獨(dú)立控制器的互動(dòng)會(huì)被忽略.通常,自主控制器可以接收相關(guān)子系統(tǒng)的觀測結(jié)果,并對(duì)其進(jìn)行適當(dāng)?shù)臎Q策.分散策略將主要問題劃分為由本地MP控制器控制的子問題.本地控制器并不趨向于與周圍的控制器進(jìn)行互連,它只與有意愿的近鄰控制單元連接.特別地,忽略遠(yuǎn)程節(jié)點(diǎn)對(duì)本地節(jié)點(diǎn)的影響[23?24].在文獻(xiàn)[29]中,使用分布式CPU控制器來研究分散控制算法.分散控制策略已被廣泛應(yīng)用于微電網(wǎng)系統(tǒng)、智能電網(wǎng)、云控制、航空航天等領(lǐng)域.分散式控制提供了比集中式MPC更優(yōu)性能和更可靠的系統(tǒng).而這種過程控制的范例已經(jīng)取得成功,開發(fā)分布式模型預(yù)測控制方案也越來越受到關(guān)注,其中有媒介共享信息以改善閉環(huán)性能、魯棒性和容錯(cuò)性,參見圖13的控制方案[26].閉環(huán)系統(tǒng)的性能取決于所有單體所做出的決定,因此,合作和溝通規(guī)則成為非常重要的問題.圖14給出了分析MPC對(duì)苯烷基化過程情況的證明[26].在本節(jié)中,受限離散時(shí)間不變系統(tǒng)將被認(rèn)為是:

其中,αj和βj表示網(wǎng)絡(luò)通道約束.

5.5 改進(jìn)預(yù)測控制

時(shí)變延遲主要是由于網(wǎng)絡(luò)帶寬受限和繁忙通道中的節(jié)點(diǎn)等待[30].而使用馬爾科夫鏈則將網(wǎng)絡(luò)時(shí)延表示為時(shí)變的參量[31?38].除非網(wǎng)絡(luò)延遲非常小,否則這種方法不能保證閉環(huán)穩(wěn)定性.文獻(xiàn)[39?40]提出了一種基于網(wǎng)絡(luò)模型的預(yù)測控制(NMBPC)方法.其焦點(diǎn)在于給予分組的網(wǎng)絡(luò)控制與常規(guī)可變采樣周期的結(jié)合,參見圖15.文獻(xiàn)[41?54]的最新研究表明,對(duì)過高帶寬網(wǎng)絡(luò)的需求仍是一個(gè)待解決的問題,推動(dòng)了新的控制算法的發(fā)展,用以應(yīng)對(duì)現(xiàn)實(shí)網(wǎng)絡(luò)大時(shí)滯問題.

基于分組的控制方法的提出改進(jìn)了預(yù)測控制策略.特別地,采用事件驅(qū)動(dòng)的傳感器僅在執(zhí)行器接收到新的控制輸入信號(hào)時(shí)才進(jìn)行設(shè)備輸出采樣.為了處理與一系列預(yù)定時(shí)延相關(guān)的網(wǎng)絡(luò)延遲和網(wǎng)絡(luò)丟包問題,對(duì)與其相適應(yīng)的網(wǎng)絡(luò)設(shè)備離散時(shí)間模型進(jìn)行離線計(jì)算.基于這些模型,我們在線構(gòu)造了具有穩(wěn)定性的控制信號(hào).和傳統(tǒng)的基于分組的控制策略類似,這些控制信號(hào)將會(huì)在控制端打包并傳送至設(shè)備端.為了解決數(shù)據(jù)包的丟失問題,控制器采用了一個(gè)簡單而有效的算法.根據(jù)這個(gè)構(gòu)想,網(wǎng)絡(luò)化控制系統(tǒng)可被認(rèn)為是一種切換線性系統(tǒng),這一理論結(jié)果可被延伸,并用于改進(jìn)預(yù)測控制方法的穩(wěn)定性分析中.實(shí)際上,這種改進(jìn)的預(yù)測理論有著以下的優(yōu)勢:

1)控制器在每個(gè)時(shí)間步下能夠獲得設(shè)備端的實(shí)際輸入,因此,它能夠處理較大的網(wǎng)絡(luò)時(shí)延和丟包問題.

2)采樣時(shí)間根據(jù)網(wǎng)絡(luò)環(huán)境自適應(yīng).

3)和其他理論不同,該理論的穩(wěn)定性分析可以在不同的網(wǎng)絡(luò)環(huán)境下使用固定大小的矩陣.

5.6 模型開發(fā)

考慮如圖14的典型網(wǎng)絡(luò)化控制系統(tǒng),系統(tǒng)可被描述為:

其中,x(t)∈Rn為狀態(tài)向量,u(t)∈Rm為控制輸入,y(t)∈ Rp為系統(tǒng)輸出,A∈ Rn×n,B∈ Rn×m和C∈Rp×n是有對(duì)應(yīng)維數(shù)的常數(shù)矩陣.此處,u(t)是由閉環(huán)控制系統(tǒng)所產(chǎn)生的控制輸入,并且網(wǎng)絡(luò)中沒有呈現(xiàn)任何延遲.但是,在圖14中,控制輸入的生成和傳輸?shù)皆O(shè)備端的過程中會(huì)有未知和時(shí)變的延遲.那么,閉環(huán)系統(tǒng)的動(dòng)態(tài)方程應(yīng)被表達(dá)為:

其中,τ(t)是t時(shí)刻控制回路中的延遲,滿足0＜τ(t)≤τM,τM是時(shí)延變化范圍的確定上界.

假設(shè)2.

1)連續(xù)丟包和網(wǎng)絡(luò)時(shí)延的大小是有界的.

2)(A,B)是可控的,(A,C)是可觀的.

控制系統(tǒng)的目標(biāo)是:

1)在有界時(shí)延的閉環(huán)網(wǎng)絡(luò)化控制系統(tǒng)中(由式(21)所描述),為使系統(tǒng)具有漸進(jìn)穩(wěn)定性,設(shè)計(jì)切換反饋控制器.

2)設(shè)計(jì)方法將丟包問題和包無序化問題轉(zhuǎn)換為一種虛擬時(shí)延問題,從而可以使用統(tǒng)一的控制方法來處理傳輸過程中的時(shí)延、丟包和包無序化問題.

5.7 信號(hào)圖解

圖16表示了在第k步采樣時(shí)刻t k,k={0,1,2,···,∞}不同的延遲原因.很容易從圖 15 中看出,下一個(gè)采樣時(shí)刻為t k+1,即T k=t k+1?t k,滿足T k=τk的性質(zhì).這項(xiàng)性質(zhì)很大地簡化了以下的數(shù)學(xué)推導(dǎo).考慮到這一點(diǎn),對(duì)于一個(gè)移變的采樣周期T k,則連續(xù)時(shí)間設(shè)備的零階保持模型為以下形式:

其中,

為簡單起見,我們使用x(k+1)、x(k)取代x(t k+1)、x(t k),改寫模型為

5.8 時(shí)延補(bǔ)償器

時(shí)延補(bǔ)償器(Time-delay compensator,TDC)是設(shè)備端的一種事件驅(qū)動(dòng)策略,能夠連續(xù)不斷地記錄最新接收的控制端的信號(hào)包.假設(shè)時(shí)延補(bǔ)償器的計(jì)時(shí)器顯示當(dāng)前時(shí)間為t k,則能計(jì)算出時(shí)間差τe=t k?t k′,其中t k′為接收到信號(hào)包的時(shí)刻,即信號(hào)包被保存在時(shí)延補(bǔ)償器的緩沖區(qū)中的時(shí)刻.事實(shí)上,τe是t k時(shí)刻起整個(gè)網(wǎng)絡(luò)時(shí)延過程中能被直接測出的量.時(shí)延補(bǔ)償器選擇了與τe相關(guān)的控制端信號(hào)包的起始段,而這一信號(hào)包存放在補(bǔ)償器的緩沖區(qū)中.當(dāng)然,很有可能沒有起始段中的τν與τe相等,即 τe≠τj,j=1,2,···,β.

為了克服這一問題,對(duì)于τj∈τv,時(shí)延補(bǔ)償器選擇k s∈ {1,2,···,τM}使得 τks?1＜ τe≤ τks,并且在使用當(dāng)前的控制輸入到設(shè)備端前等待τks?τes(如圖17).時(shí)延補(bǔ)償器的緩沖區(qū)只有在更新的時(shí)間標(biāo)志位下,接收到控制端的信號(hào)包時(shí)才會(huì)更新.

5.9 仿真實(shí)驗(yàn)

一個(gè)標(biāo)準(zhǔn)網(wǎng)絡(luò)化控制問題,即將小車和倒立擺作為控制設(shè)備,這一問題可看作網(wǎng)絡(luò)環(huán)境中的隨機(jī)行為,可以用基于Matlab/Simulink網(wǎng)絡(luò)仿真器的實(shí)時(shí)工具箱來對(duì)其仿真實(shí)驗(yàn).在這個(gè)例子中,線性二次型控制用來設(shè)計(jì)具有穩(wěn)定性控制器/觀測器.

閉環(huán)系統(tǒng)的最終狀態(tài)和控制軌線如圖18～圖20所示.

正如前面提到的,當(dāng)實(shí)際發(fā)生的時(shí)間延遲與時(shí)間標(biāo)志位τv不同時(shí),時(shí)延補(bǔ)償器會(huì)加入額外的時(shí)延到設(shè)備的信號(hào)輸入端.這項(xiàng)人工時(shí)延在τv=τβ=0.9s時(shí)將會(huì)變得很大.圖21證明了該狀態(tài)的結(jié)果.和期望的一致,狀態(tài)最終需要兩倍的時(shí)間才能穩(wěn)定并且控制性能被大幅削弱了.

6 網(wǎng)絡(luò)化多智能體系統(tǒng)

一個(gè)典型的網(wǎng)絡(luò)化系統(tǒng)設(shè)計(jì)如圖22所示.

網(wǎng)絡(luò)化系統(tǒng)與常規(guī)系統(tǒng)有相同的組成,如動(dòng)態(tài)過程、傳感器、控制器等,但是一個(gè)系統(tǒng)中又有大量這樣的模塊組成.因此,需要控制很多過程.通過多個(gè)傳感器感知它們的狀態(tài),過程和傳感器之間沒有一對(duì)一的對(duì)應(yīng)關(guān)系.許多傳感器可能會(huì)觀察到相同的過程,傳感器甚至可以從一個(gè)過程切換到另一個(gè)過程.傳感器可以在它們之間共享信息,并將其傳送到控制器.系統(tǒng)中可能有許多具有不同的信息和目標(biāo)控制器.

一致性問題在計(jì)算機(jī)科學(xué)中有悠久的歷史,它是構(gòu)成分布式計(jì)算領(lǐng)域的基礎(chǔ)[55].專家組對(duì)一致性問題的正式研究起源于20世紀(jì)60年代的管理科學(xué)與統(tǒng)計(jì)學(xué)(見文獻(xiàn)[56]和其中的參考文獻(xiàn)).DeGroot提出的統(tǒng)計(jì)一致性理論觀點(diǎn),在20年后再次出現(xiàn)在從多個(gè)傳感器[57]和醫(yī)學(xué)專家[58]獲得的不確定性信息的匯總中.這被稱為傳感器融合,是現(xiàn)代一致性算法的重要應(yīng)用.

網(wǎng)絡(luò)分布式計(jì)算具有系統(tǒng)的傳統(tǒng),控制理論開始于[59?61]在對(duì)分布式?jīng)Q策系統(tǒng)和并行計(jì)算[62]的異步漸近協(xié)商問題的開創(chuàng)性工作.

在智能體(或動(dòng)態(tài)系統(tǒng))網(wǎng)絡(luò)中,“一致性”是指達(dá)到一個(gè)統(tǒng)一,這個(gè)統(tǒng)一取決于所有智能體狀態(tài)的一定數(shù)量的利益.“協(xié)議算法”(或協(xié)議)是指定智能體與網(wǎng)絡(luò)上其所有鄰居之間的信息交互的交互規(guī)則.當(dāng)應(yīng)用于格子上的粒子/自旋相互作用時(shí),術(shù)語“最近鄰”在物理學(xué)中比“相鄰”更常用.

在文獻(xiàn)[65?66]早期工作基礎(chǔ)上,文獻(xiàn)[63?64]中提出了構(gòu)建和解決網(wǎng)絡(luò)動(dòng)態(tài)系統(tǒng)一致性問題的理論框架.文獻(xiàn)[67]對(duì)包含“不計(jì)算任何目標(biāo)函數(shù)”協(xié)議的排列問題進(jìn)行了研究.在文獻(xiàn)[68?69]中針對(duì)如圖23所示的網(wǎng)絡(luò)中有向信息流的處理上,對(duì)這項(xiàng)工作做了進(jìn)一步理論性的擴(kuò)展.需要注意的是圖23(a)表示了一種積分智能體網(wǎng)絡(luò),在其中如果存在一個(gè)鏈接(i,j)連接智能體i和j,智能體i接收它的相鄰智能體j的狀態(tài)x j.另外,圖23(b)給出了具有相同傳輸函數(shù)的互連動(dòng)態(tài)系統(tǒng)的網(wǎng)絡(luò)框圖.集體網(wǎng)絡(luò)系統(tǒng)具有對(duì)角線傳遞函數(shù),是多輸入多輸出(Multiple-input multiple-output,MIMO)線性系統(tǒng).

移動(dòng)代理服務(wù)器(Mobile agent server,MAS)的一致性的最新結(jié)果可以在文獻(xiàn)[70?71]中找到.文獻(xiàn)[59?60,64]工作背后的共同動(dòng)機(jī)是計(jì)算機(jī)科學(xué)[55]中一致性協(xié)議的豐富歷史,而Jadbabaie等[67]試圖對(duì)文獻(xiàn)[72]中簡化的植絨模型中出現(xiàn)的排列問題進(jìn)行正式分析.文獻(xiàn)[64]中的設(shè)置最初是基于設(shè)計(jì)基于智能體的用于網(wǎng)絡(luò)中的協(xié)作信息處理的非晶計(jì)算機(jī)[73?74]的情景.后來,文獻(xiàn)[64]被用于發(fā)展具有收斂保證的植物算法和處理障礙物和敵對(duì)智能體的能力[75].最近關(guān)于基于網(wǎng)絡(luò)的H∞穩(wěn)定研究主要在文獻(xiàn) [76?79]中.

7 網(wǎng)絡(luò)控制系統(tǒng)中的合作

本節(jié)提供了一個(gè)系統(tǒng)理論框架,用于解決使用分布式控制器的網(wǎng)絡(luò)化多車系統(tǒng)的協(xié)同控制問題.一方面,多車系統(tǒng)代表對(duì)環(huán)境和其他智能體狀態(tài)都不完全了解的決策智能體的集合.另一方面,車輛可以影響自己的狀態(tài),并根據(jù)決定它們行為的動(dòng)態(tài)與它們的環(huán)境相互作用.

設(shè)計(jì)目標(biāo)是聯(lián)合使用車輛決策和控制能力執(zhí)行任務(wù).在現(xiàn)實(shí)的網(wǎng)絡(luò)化多車系統(tǒng)中,存在許多限制,包括車輛的有限感測能力,網(wǎng)絡(luò)帶寬限制,由于丟包導(dǎo)致的通信中斷[80?82]以及車輛通信設(shè)備的物理中斷.

7.1 網(wǎng)絡(luò)中的一致性

根據(jù)文獻(xiàn)[64],實(shí)現(xiàn)關(guān)于具有動(dòng)態(tài)方程

的各積分智能體狀態(tài)的一個(gè)簡單一致性算法可以表示成n階線性系統(tǒng)

根據(jù)式(24)的智能體組的集合動(dòng)態(tài)方程可以寫為

其中,|N i|表示智能體i鄰居數(shù)(或者智能體i的分支數(shù)).圖23給出式(24)、式(25)中對(duì)于具有向量狀態(tài)智能體的一致性算法的兩個(gè)等價(jià)形式.圖23中輸入b的作用將在下文定義.

7.2 一致性協(xié)議

接下來,提出兩種基本的具有動(dòng)態(tài)性的連續(xù)時(shí)間(Continuous-time,CT)一致性算法用于解決協(xié)議問題.其一是具有動(dòng)態(tài)方程

的連續(xù)時(shí)間積分器網(wǎng)絡(luò).

其二是具有離散時(shí)間(Discrete-time,DT)智能體模型

其中步長∈＞0.

考慮兩個(gè)情形.

1)線性一致性協(xié)議:

2)線性時(shí)延一致性協(xié)議:

針對(duì)上述的情況我們感興趣的是式(29)以及式(30)的分析結(jié)果,并證明了在不同情況下如何達(dá)到漸進(jìn)一致.

7.3 信息一致性

考慮一個(gè)由多個(gè)以˙x i=u i運(yùn)動(dòng)形式的決策智能體組成的網(wǎng)絡(luò),要達(dá)到一致需要通過在圖上G=(V,E,A)與其他鄰點(diǎn)進(jìn)行局部通信來完成.為達(dá)成一致,我們打算將其漸近收斂到一維協(xié)議空間,空間特征如下

這個(gè)空間協(xié)議可以表示為x=α1,這里的1=[1,1···,1]T和α∈R為智能體群的集體決策.

8 事件觸發(fā)協(xié)同控制

確定性事件觸發(fā)策略在文獻(xiàn)[83]中被介紹,以及確定性事件觸發(fā)反饋控制得到的類似結(jié)果在文獻(xiàn)[84?85]中被提及.在文獻(xiàn)[83]中提到的方法為相對(duì)于狀態(tài)的正常值,每當(dāng)一個(gè)誤差變得足夠大便會(huì)觸發(fā)控制驅(qū)動(dòng).在假設(shè)有標(biāo)稱系統(tǒng)漸進(jìn)一致的條件下,文章的主要貢獻(xiàn)為用非線性系統(tǒng)的攝動(dòng)分析方法來分析事件驅(qū)動(dòng)系統(tǒng)的收斂性.特別地,假定相對(duì)于測量誤差,標(biāo)稱系統(tǒng)是輸入到狀態(tài)穩(wěn)定的.

后來,在文獻(xiàn)[86]中發(fā)現(xiàn)該算法是適用于一類協(xié)同控制算法,即可以減少到一階協(xié)議問題,在文獻(xiàn)[64]中已證明其是輸入到狀態(tài)穩(wěn)定,文中集中和分散事件觸發(fā)控制都進(jìn)行了分析.在集中事件觸發(fā)的情況下,假設(shè)存在一個(gè)“全局嵌入式微型計(jì)算機(jī)”,它可以接收到有關(guān)整個(gè)系統(tǒng)的信息并且可觸發(fā)每個(gè)智能體的反饋事件.文獻(xiàn)[34?37]介紹了分布式、分散式事件觸發(fā)估計(jì)或控制的結(jié)果.

在下文中,將有效分析在不斷更新事件觸發(fā)規(guī)則的條件下如何合作控制多智能體系統(tǒng).我們關(guān)注的是在考慮驅(qū)動(dòng)更新的情況下,這類方法的穩(wěn)定性是事件驅(qū)動(dòng)的,并取決于相對(duì)于規(guī)范狀態(tài)的某些測量誤差.

8.1 系統(tǒng)描述

盡管結(jié)果可以簡單地?cái)U(kuò)展到任意維度,但我們認(rèn)為N個(gè)智能體運(yùn)行在R中.假定智能體的運(yùn)動(dòng)體服從一階積分模型其中x i∈R表示智能體i的狀態(tài),u i∈R表示每一個(gè)智能體的控制輸入.進(jìn)一步假設(shè),每一個(gè)智能體對(duì)另一組的成員是有有限的信息的.這就意味著,每個(gè)智能體被分配一個(gè)子集N i? {1,···,N},此智能體被叫作通信集 (包含了可通信的智能體).

在無向通信圖中,有限的通信能力將被編碼,參見第 3 節(jié),G={V,E}由一組矢量V={1,···,N}(其中的數(shù)代表組的成員)和一組邊E={(i,j)∈V×|i∈N j}(由智能體間通信的點(diǎn)對(duì)組成).為了促進(jìn)進(jìn)一步發(fā)展,接下來,假設(shè)每個(gè)智能體都裝配了一個(gè)或多個(gè)負(fù)責(zé)接收來自相鄰智能體信息的嵌入式微處理器,并在離散時(shí)刻針對(duì)每個(gè)智能體都具有觸發(fā)驅(qū)動(dòng)的功能.

8.2 集中式事件觸發(fā)協(xié)同控制

在這種情況下,我們將對(duì)于每個(gè)i∈N,t≥0都定義狀態(tài)測量誤差量e i(t).定義堆棧向量離散時(shí)刻被定義為當(dāng)條件f(e(t))=0時(shí),事件被觸發(fā)的時(shí)刻.然后,事件觸發(fā)執(zhí)行序列表示為

和每個(gè)t i定義為f(e(t i))=0,當(dāng)i=0,1,···時(shí).

事件序列t0,t1,···對(duì)應(yīng)控制序列u(t0),u(t1),···.在控制更新之間,輸入u的值保持上次控制的更新值:

這就意味著控制率分段常數(shù)介于事件時(shí)間t0,t1,···之間.

集中協(xié)作控制(Centralized cooperative control,CCC)問題可以表述如下:式(32)表示驅(qū)動(dòng)控制法則,式(31)表示控制一階積分到達(dá)協(xié)議點(diǎn)的事件時(shí)間.接下來,假設(shè)控制率在事件觸發(fā)后開始驅(qū)動(dòng),特別是當(dāng)狀態(tài)變量的測量誤差達(dá)到某一閾值時(shí).此外,控制方法是集中式的,假設(shè)它們裝配了全局微處理器用于收集整個(gè)系統(tǒng)的信息并針對(duì)整個(gè)團(tuán)隊(duì)觸發(fā)控制驅(qū)動(dòng)事件.

定義狀態(tài)測量誤差為

實(shí)際上,t i的選擇與函數(shù)f(·)有關(guān).在此情況下,所提出的控制如式(32)和定義理想控制的事件觸發(fā)模擬如式(29).

閉環(huán)系統(tǒng)為

類似于文獻(xiàn)[64],可得到狀態(tài)矢量x

這里的a(t)代表智能體狀態(tài)的均值和 在 文 獻(xiàn) [64]中 δ(t)被 稱 為 “分 歧 矢量”矢量 δ正交于1并屬于被稱為L分歧特征空間的n?1維子空間來證明G是強(qiáng)聯(lián)通的.現(xiàn)在簡單計(jì)算如下

結(jié)果為

結(jié)合式(35)和式(37),得

結(jié)果為

現(xiàn)在,分析式(39)的分歧動(dòng)態(tài)行為.一個(gè)準(zhǔn)輸入到狀態(tài)系統(tǒng)的李雅普諾夫函數(shù)為簡化為:

對(duì)于標(biāo)量σ滿足0＜σ＜1,下列不等式成立

得到

考慮到事件被觸發(fā)當(dāng)

因此,事件時(shí)間被定義為f(e(t i))=0,i=0,1,···.對(duì)于每個(gè)t i,對(duì)于所有t∈[t i,t i+1)根據(jù)式(34)進(jìn)行控制更新.一旦控制任務(wù)執(zhí)行,誤差將被重置為零.因?yàn)樵诖它c(diǎn)針對(duì)特殊事件時(shí)間要讓e(t i)=x(t i)?x(t i)=0從而式(40)可以執(zhí)行.

類似于文獻(xiàn)[83],該控制策略達(dá)到了嚴(yán)格的正下界的跨事件時(shí)間.以下定理證明了這一點(diǎn).

定理2.考慮到帶有式(34)控制法則和式(43)觸發(fā)條件的系統(tǒng)˙x=u.假設(shè)G是連通的.對(duì)在RN下的任何初始條件,被式(30)事件規(guī)則定義的事件時(shí)間{t i+1?t i}由于嚴(yán)格正時(shí)間τ而具有更低的限制,τ的表達(dá)式為

證明.根據(jù)文獻(xiàn)[81],將分析的值,

因此,相鄰事件的間隔時(shí)間下界由時(shí)間τ決定

另一方面,不難看出

結(jié)合上面式子,可得到式(44).

推論1.考慮到帶有式(34)控制法則和式(43)觸發(fā)條件的系統(tǒng)˙x=u.假設(shè)G是連通的.然后所有的智能體收斂于它們初始條件的平均值,如

證明.根據(jù)定理2和閉環(huán)切換系統(tǒng)不能證明Zeno行為.此外在連續(xù)變化的時(shí)間間隔V(δ)＞0和根據(jù)文獻(xiàn)[87]的定理1得:相當(dāng)于

8.3 分散時(shí)間驅(qū)動(dòng)協(xié)同控制

正如上節(jié)所提出的,方法是集中的,在這個(gè)意義上,為了執(zhí)行約束式(41),智能體必須意識(shí)到全局測量誤差e.以下研究分散版本問題,其中,有一個(gè)單獨(dú)的序列時(shí)間

根據(jù)下式,定義第i個(gè)智能體

所以,單獨(dú)的條件

觸發(fā)智能體k∈N事件.

隨著集中案件的并行發(fā)展,智能體i的測量誤差定義為

智能體i的控制策略為

再次使用分解x(t)=a(t)1+δ(t),有˙a(t)=0,所以有

所以,

對(duì)于參數(shù)σj,滿足0＜σj＜1,令以下不等式成立:

得到

所以,有

所以,對(duì)于每一個(gè)i,事件被觸發(fā)時(shí),

更新式(53)在對(duì)應(yīng)于智能體i的事件時(shí)間成立:

所以,式(50)被強(qiáng)制執(zhí)行.

注釋2.雖然式(53)通過智能體i自己和鄰居智能體的代理信息驗(yàn)證,它需要一些局部信息,在智能體的意義上需要知道λ2(G)的值才能檢查式(53).我們注意到,這個(gè)條件在文獻(xiàn)[88]中放寬了,使用不同的事件觸發(fā)公式.特別是,在文獻(xiàn)[88]中得出的條件下,每個(gè)智能體需要知道相對(duì)狀態(tài)和數(shù)量的總和的鄰居值來實(shí)施.因此,上述局部參數(shù)條件被放寬.對(duì)于事件驅(qū)動(dòng)NCS的文獻(xiàn),參見文獻(xiàn)[77?78].定理3考慮了關(guān)于在分散情況下的時(shí)間限制.

定理3.考慮系統(tǒng)i=u i,i∈N={0,1,···},控制率式(47)和觸發(fā)式(53).假設(shè)G是連通的.則,對(duì)于任意初始條件、任何時(shí)間t≥0,存在至少一個(gè)智能體k∈N,使下一個(gè)事件間隔是嚴(yán)格正的.

證明.假設(shè)式 (53)對(duì)所有i∈N={0,1,···}成立.如果不成立,則連續(xù)演化是可能的,因?yàn)橹辽僖粋€(gè)智能體能使絕對(duì)測量誤差增加而不需要對(duì)式(46)進(jìn)行復(fù)位.因此,假設(shè)在時(shí)刻t,所有錯(cuò)誤都被重置為零.我們會(huì)證明至少存在一個(gè)k∈N,使得它的下一個(gè)事件間隔在一定時(shí)間τD＞0內(nèi)是有界的.

通過回顧,得知Pj∈Ni(|e i|+???e j

???)是向量(Δ+A)e的第i行,其中Δ是矩陣G的度矩陣,A是鄰接矩陣.令

是 ‖δi‖的最大元素,得到

從定理2的證明和式(53)得知,下個(gè)智能體k的間隔是有界的,滿足

所以

注釋3.注意到,定理3的結(jié)果比集中情況更為保守,因?yàn)樗槐ＷC沒有累積點(diǎn),且連續(xù)進(jìn)化在任何時(shí)刻都是可行的.然而,它卻沒有提供類似于定理2之一的下界.在這個(gè)意義上,分散情況的結(jié)果是相當(dāng)初步的,并且在提供未來整個(gè)切換系統(tǒng)的嚴(yán)格正定的事件時(shí)間方面將會(huì)投入更多的時(shí)間和工作.

另一方面,定理3的結(jié)論保證整個(gè)切換系統(tǒng)不顯示Zeno行為,即在有限時(shí)間內(nèi)沒有無限切換.利用現(xiàn)在的La Salles混合系統(tǒng)不變性原理[87],以下得出的收斂結(jié)論比較直接.

9 結(jié)論

本文在網(wǎng)絡(luò)化控制系統(tǒng)的基礎(chǔ)上提出了云控制系統(tǒng)的架構(gòu).一般來說,很多研究學(xué)者嘗試舉例說明云控制系統(tǒng)的正確定義,可是大多數(shù)人認(rèn)為云控制系統(tǒng)是一個(gè)網(wǎng)絡(luò)控制技術(shù)以及云計(jì)算的組合.在大型復(fù)雜系統(tǒng)中,特別是在工業(yè)應(yīng)用中,模型預(yù)測控制得到了極大的研究和廣泛的研究.本文在分布式和廣域應(yīng)用中引入了網(wǎng)絡(luò)預(yù)測控制方法,試圖表示云控制系統(tǒng)的初始概念.

未來工作可以沿著以下方向進(jìn)行:

1)遠(yuǎn)程控制系統(tǒng)的主從方法是一個(gè)有成效的研究方向.應(yīng)進(jìn)一步結(jié)合云控制系統(tǒng)的特點(diǎn),研究時(shí)鐘同步、主機(jī)結(jié)構(gòu)、控制數(shù)據(jù)處理、從機(jī)結(jié)構(gòu)以及中試規(guī)模的實(shí)時(shí)實(shí)現(xiàn).

2)在云控制平臺(tái)上,研究基于計(jì)算智能的云計(jì)算運(yùn)行能效和云控制閉環(huán)性能評(píng)價(jià)與預(yù)測技術(shù),以及數(shù)據(jù)驅(qū)動(dòng)的大規(guī)模云資源智能調(diào)度與管理技術(shù),實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的云控制平臺(tái)運(yùn)行精準(zhǔn)化評(píng)估與預(yù)測,提高計(jì)算資源利用率,增強(qiáng)閉環(huán)控制性能.

3)針對(duì)工業(yè)制造大規(guī)模個(gè)性化定制需求,研究基于云控制的云端資源協(xié)同管理與運(yùn)行控制技術(shù),通過大規(guī)模云計(jì)算資源的智能虛擬化技術(shù)與面向大數(shù)據(jù)應(yīng)用的智能云工作流管理與調(diào)度技術(shù),突破云網(wǎng)絡(luò)資源的利用效率瓶頸,提供高能效、高質(zhì)量的大數(shù)據(jù)工作流應(yīng)用服務(wù),實(shí)現(xiàn)高效云端協(xié)作、智能管控以及工業(yè)終端邊緣實(shí)時(shí)控制,提升控制品質(zhì).

4)針對(duì)大規(guī)模云控制系統(tǒng),研究基于云計(jì)算的分布式計(jì)算智能方法與技術(shù)集成,實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的管理、智能化處理與分析,提升云控制系統(tǒng)的自主性與智能決策能力.

5)針對(duì)互聯(lián)網(wǎng)環(huán)境下的戰(zhàn)場信息化需求,研究基于云控制的智能云端協(xié)同作戰(zhàn)技術(shù),包括異構(gòu)電子對(duì)抗設(shè)備的感知、互聯(lián)與大數(shù)據(jù)處理技術(shù)、地面作戰(zhàn)資源虛擬化技術(shù)、面向復(fù)雜任務(wù)的作戰(zhàn)過程智能指揮/控制/決策技術(shù)、作戰(zhàn)過程的云控制與閉環(huán)反饋設(shè)計(jì)方法、云端協(xié)同作戰(zhàn)中云與端的安全可信技術(shù),提高信息化作戰(zhàn)決策的實(shí)時(shí)性、精準(zhǔn)性.

6)為了推動(dòng)云控制的應(yīng)用,通過工業(yè)自動(dòng)化領(lǐng)域各方的協(xié)同工作,并利用云計(jì)算和智能控制方法,試驗(yàn)驗(yàn)證魯棒的、更寬范圍的控制架構(gòu),值得進(jìn)一步深入.

7)模型預(yù)測控制方法的分類,以及強(qiáng)調(diào)工業(yè)系統(tǒng)領(lǐng)域應(yīng)用的網(wǎng)絡(luò)化控制系統(tǒng)也值得研究.

1 ANTSAKJIS P,BAILLIEUL J.Special issue on technolgy of neworked control systems[J].Proceedings of the IEEE,2007,95(1):5?8.

2 MAHMOUD M S.Networked control systems analysis and design:An overview[J].Arabian Journal for Science and Engineering,2016,41(3):711?758.

3 LUNA J M,ABDALLAH C T.Control in computing systems:Part I[C]//In Proceedings of IEEE International Symposium on Computeraided Control System Design,Denver,USA:IEEE,2011:25?31.

4 LUNA J M,ABDALLAH C T.Control in computing systems:Part II[C]//In Proceedings of IEEE International Symposium on Computeraided Control System Design,Denver,USA:IEEE,2011:32?36.

5 MAHMOUD M S.Distributed control and filterin for industrial systems[M].London:IET Press,2012.

6 XIA Y Q.From networked control systems to cloud control systems[C]//In Proceedings of the 31st Chinese Control Conference,Hefei,China:IEEE,2012:5878?5883.

7 XIA Y Q,GAO Y L,YAN L P,et al.Recent progress in networked control systems:A survey[J].International Journal of Automation and Computing,2015,12(4):343?367.

8 XIA Y Q.Cloud control systems[J].IEEE/CAA Journal of Automatica Sinica,2015,(2):134?142.

9 ONAT A,NASKALI T,PARLAKAY E,et al.Control over-imperfect networks:model-based predictive networked control systems[J].IEEE Transactions on Industrial Electronics,2011,58(3):905?913.

10 GE Y,CHEN Q G,JIANG M,et al.Modeling of random delays in networked control systems[J].Journal of Control Science and Engineering,2013,Article ID 383415,9 pages.DOI:10.1155/2013/383415.

11夏元清.云控制系統(tǒng)及其面臨的挑戰(zhàn)[J].自動(dòng)化學(xué)報(bào),2016,42(1):1?12.

12 MAHMOUD M S,XIA Y Q.The Interaction between control and computing theories:new approaches[J].International Journal of Automation and Computing,2017,14(3):254?274.

13 XIA Y Q,QIN Y,ZHAI D H,et al.Further results on cloud control systems[J].Science China Information Sciences,2016(59):073201:1?5.

14 LU C Y,WANG X R,KOUTSOUKOS X.Feedback utilization control in distributed real-time systems with end-to-end tasks[J].IEEE Transactions on Parallel and Distributed Systems,2004,16(6):550?561.

15 BAKKEN D.Smart grids:clouds,communications,open source,and automation[M]//Boca,USA:CRC Press,2014.

16 XU X.From cloud computing to cloud manufacturing[J].Robotics and Computer-integrated Manufacturing,2012,28(1):75?86.

17 HAO Y,HELO P.The role of wearable devices in meeting the needs of cloud manufacturing:A case study[J].Robotics and Computer-Integrated Manufacturing,2017,45:168?179.

18 WU H Y,LOU L,CHEN C C,et al.Cloud-based networked visual servo control[J].IEEE Transactions on Industrial Electronics,2013,60(2):554?566.

19 LUO R C,CHEN T M.Development of a multi-behavior based mobile robot for remote supervisory control through the internet[J].IEEE/ASME Transactions on Mechatronics,2000,5(4):376?385.

20 SRINIVASAGUPTAD,JOSEPHB.Aninternet-mediatedprocesscontrol laboratory[J].IEEE Control Systems Magazine,2003,23(1):11?18.

21 HAN K H,KIM S,KIM Y J,et al.Internet control architecture for internet-based personal robot[J].Autonomous Robots,2001,10(2):135?147.

22 MAHMOUD M S,NOUNOU H N,XIAY Q.Robust dissipative control for internet-based switching systems[J].Journal of the Franklin Institute,2010,347(1):154?172.

23 SCATTOLINIR.Architecturesfordistributedandhierarchicalmodelpredictive control:A review[J].Journal of Process Control,2009,19(5):723?731.

24 VENKAT A N,HISKENS I A,RAWLINGS J B,et al.Distributed MPC strategies with application to power system automatic generation control[J].IEEE Transactions on Control Systems Technology,2008,16(6):1192?1206.

25 ABDELZAHER T,DIAO Y X,HELLERSTEIN J L,et al.Introduction to control theory and its application to computing systems[M].Newyork:Springer,2008:185?215.

26 CHRISTOFIDES P D,SCATTOLINI R,PENA D M D L,et al.Distributed model predictive control:A tutorial review and future research directions[J].Computers and Chemical Engineering,2013,51:21?41.

27 BAKULE L,PAPIK M.Decentralized control and communication[J].Annual Reviews in Control,2012,36(1):1?10.

28 ALESSIO A,BARCELLI D,BEMPORAD A.Decentralized model predictive control of dynamically coupled linear systems[J].Journal of Process Control,2011,21(5):705?714.

29 WANG X R,JIA D,LU C Y,et al.DEUCON:Decentralized end-to-end utilization control for distributed real-time systems[J].IEEE Transactions on Parallel and Distributed Systems,2007,18(7):996?1009.

30 MOYNE J R,TILBURY D M.The emergence of industrial control networks for manufacturing control,diagnostics,and safety data[J].Proceedings of the IEEE,2007,95(1):29?47.

31 TIAN E,YUE D,PENG C.Reliable control for networked control systems with probabilistic sensors and actuators faults[J].IET Control Theory&Applications,2010,4(8):1478?1488.

32 WU H Y,LOU L,CHEN C C,et al.A framework of networked visual servo control system with distributed computation[C]//In Proceedings of the 11th International Conference on Control Automation Robotics and Vision,IEEE,Singapore,2010:1466?1471.

33 WU H Y,CHEN C C,FENG J,et al.A switching control law for a networked visual servo control system[C]//In Proceedings of IEEE International Conference on Robotics and Automation,IEEE,Anchorage,USA,2010:5556?5563.

34 Ge X H,Han Q L.Distributed event-triggered H∞filterin over sensor networks with communication delays[J].Information Sciences,2015,291:128?142.

35 ZHANG X M,HAN Q L.A decentralized event-triggered dissipative control scheme for systems with multiple sensors to sample the system outputs[J].IEEE Transactions on Cybernetics,2016,46(12):2745?2757.

36 ZHANG X M,HAN Q L.Network-based H∞filterin using a logic jumping-like trigger[J].Automatica,2013,49(5):1428?1435.

37 ZHANG X M,HAN Q L.Event-based H∞filterin for sampled-data systems[J].Automatica,2015,51:55?69.

38 ZHANG L Q,SHI Y,CHEN T W,et al.A new method for stabilization of networked control systems with random delays[J].IEEE Transactions on Automatic Control,2005,50(8):1177?1181.

39 ZHAO Y B,LIU G P,REES D.Improved predictive control approach to networked control systems[J].IET Control Theory&Applications,2008,2(8):675?681.

40 ZHAO Y B,LIU G P,REES D.Design of a packet-based control framework for networked control systems[J].IEEE Transactions on Control Systems Technology,2009,17(4):859?865.

41 LIU G P.Predictive controller design of networked systems with communication delays and data loss[J].IEEE Transactions on Circuits and Systems II:Express Briefs,2010,57(6):481?485.

42 MAESTRE J M,DE LA PENA D M,CAMACHO E F,et al.Distributed modelpredictivecontrolbasedonagentnegotiation[J].JournalofProcess Control,2011,21(5):685?697.

43 MAHMOUDMS.Newexponentiallyconvergentstateestimationmethod for delayed neural networks[J].Neurocomputing,2009,72(16?18):3935?3942.

44 MAHMOUD M S,XIA Y Q.LMI-based exponential stability criterion for bidirectional associative memory neural networks[J].Neurocomputing,2010,74(1?3):284?290.

45 RAHMANI B,MARKAZI A H D.Markovian delay predictionbased control of networked systems[J].Amirkabir Journal,2010,42(1):21?28.

46 SHI Y,YU B.Output feedback stabilization of networked control systems with random delays modeled by Markov chains[J].IEEE Transactions on Automatic Control,2009,54(7):1668?1674.

47 ZHAO Y B,KIM J,LIU G P.Error bounded sensing for packet-based networked control systems[J].IEEE Transactions on Industrial Electronics,2011,58(5):1980?1989.

48 ZHAO Y B,LIU G P,REES D.Modeling and stabilization of continuoustime packet-based networked control systems[J].IEEE Transactions on Systems,Man,and Cybernetics,Part B(Cybernetics),2009,39(6):1646?1652.

49 GAO H J,CHEN T W.Network-based H∞output tracking control[J].IEEE Transactions on Automatic Control,2008,53(3):655?667.

50 GAO H J,MENG X Y,CHEN T W.Stabilization of networked control systems with a new delay characterization[J].IEEE Transactions on Automatic Control,2008,53(9):2142?2148.

51 HAO F,ZHAO X.Linear matrix inequality approach to static outputfeedback stabilisation of discrete-time networked control systems[J].IET Control Theory and Applications,2010,4(7):1211?1221.

52 HU W S,LIU G P,REES D.Networked predictive control over the internet using round-trip delay measurement[J].IEEE Transactions on Instrumentation and Measurement,2008,57(10):2231?2241.

53 IRWIN G W,CHEN J,MCKERNAN A,et al.Codesign of predictive controllers for wireless network control[J].IET Control Theory and Applications,2010,4(2):186?196.

54 ZHAO Y B,LIU G P,REES D.Packet-based deadband control for internet-based networked control systems[J].IEEE Transactions on Control Systems Technology,2010,18(5):1057?1067.

55 LYNCH N A.Distributed Algorithms[M].San Francisco:Morgan Kaufmann,1997.

56 DEGROOT M H.Reaching a consensus[J].Journal of the American Statistical Association,1974,69(345):118?121.

57 BENEDIKTSSON J A,SWAIN P H.Consensus theoretic classificatio methods[J].IEEE Transactions on Systems,Man,and Cybernetics,1992,22(4):688?704.

58 WELLER S C,MANN N C.Assessing rater performance without a“gold standard”using consensus theory[J].Medical Decision Making,1997,17(1):71?79.

59 BORKAR V,VARAIYA P.Asymptotic agreement in distributed estimation[J].IEEE Transactions on Automatic Control,1982,27(3):650?655.

60 TSITSIKLIS J N.Problems in Decentralized Decision Making and Computation[D].Cambridge:Massachusetts Institute of Technology,1984.

61 TSITSIKLIS J,BERTSEKAS D,ATHANS M.Distributed asynchronous deterministic and stochastic gradient optimization algorithms[J].IEEE Transactions on Automatic Control,1986,31(9):803?812.

62 BERTSEKAS D P,TSITSIKLIS J.Parallel and distributed computation[M].Upper Saddle River,USA:Prentice-Hall,1989.

63 SABER R O,MURRAY R M.Consensus protocols for networks of dynamic agents[C]//In Proceedings of American Control Conference,IEEE,Denver,USA,2003:951?956.

64 SABER R O,MURRAY R M.Consensus problems in networks of agents with switching topology and time-delays[J].IEEE Transactions on Automatic Control,2004,49(9):1520?1533.

65 FAX J A.Optimal and cooperative control of vehicle formations[D].Pasadena:Ph.D.dissertation,California Institute of Technology,2001.

66 FAX J A,MURRAY R M.Information fl w and cooperative control of vehicle formations[J].IEEE Transactions on Automatic Control,2004,49(9):1465?1476.

67 JADBABAIE A,LIN J,MORSE A S.Coordination of groups of mobile autonomous agents using nearest neighbor rules[J].IEEE Transactions on Automatic Control,2003,48(6):988?1001.

68 MOREAU L.Stability of multiagent systems with time dependent communication links[J].IEEE Transactions on Automatic Control,2005,50(2):169?182.

69 REN W,BEARD R W.Consensus seeking in multiagent systems under dynamically changing interaction topologies[J].IEEE Transactions on Automatic Control,2005,50(5):655?661.

70 HE W L,ZHANG B,HAN Q L,et al.Leader-following consensus of nonlinear multiagent systems with stochastic sampling[J].IEEE Transactions on Cybernetics,2017,47(2):327?338.

71 GE X H,HAN Q L.Consensus of multiagent systems subjectto partially accessible and overlapping Markovian network topologies[J].IEEE Transactions on Cybernetics,2016,99(99):1?13.

72 VICSEK T,CZIR?K A,BEN-JACOB E,et al.Novel type of phase transition in a system of self-drivenparticles[J].Physical Review Letters,1995,75(6):1226?1229.

73 ABELSON H,ALLEN D,COORE D,et al.Amorphous computing[J].Communications of the ACM,2000,43(5):74?82.

74 NAGPAL R.Programmable self-assembly using biologically inspired multiagent control[C]//In Proceedings of the 1st International Joint Conference on Autonomous Agents and Multiagent Systems,ACM,New York,USA,2002:418?425.

75 SABER R O.Flocking for multi-agent dynamic systems:Algorithms and theory[J].IEEE Transactions on Automatic Control,2006,51(3):401?420.

76 ZHANG X M,Han Q L.On designing network-basedH∞controllers for stochasticsystems[J].InternationalJournalofRobustandNonlinearControl,2015,25(1):52?71.

77 GE X H,WANG F W,HAN Q L.Distributed networked control systems:A brief overview[J].Information Sciences,2017,380:117?131.

78 ZHANG X M,HAN Q L,Yu X H.Survey on recent advances in networked control systems[J].IEEE Transactions on Industrial Informatics,2016,12(5):1740?1752.

79 ZHAN X M,HAN Q L.New stability criterion using a matrix-based quadratic convex approach and some novel integral inequalities[J].IET Control Theory&Applications,2014,8(12):1054?1061.

80 GUPTA V,HASSIBI V,MURRAY R M.On sensor fusion in the presence of packet-dropping communication channels[C]//In Proceedings of the 44th IEEE Conference on Decision and Control,and European Control Conference,IEEE,Seville,Spain,2005:3547?3552.

81 ANTA A,TABUADA P.Self-triggered stabilization of homogeneous control systems[C]//In Proceedings of American Control Conference,IEEE,Seattle,USA,2008:4129?4134.

82 SINOPOLI B,SCHENATO L,FRANCESCHETTI M,et al.Kalman fil tering with intermittent observations[J].IEEE Transactions on Automatic Control,2004,49(9):1453?1464.

83 TABUADA P.Event-triggered real-time scheduling of stabilizing control tasks[J].IEEE Transactions on Automatic Control,2007,52(9):1680?1685.

84 WANG X F,LEMMON M D.Event-triggered broadcasting across distributed networked control systems[C]//In Proceedings of American Control Conference,IEEE,Seattle,USA,2008:3139?3144.

85 WANG X F,LEMMON M D.Self-triggered feedback control systems with finite-ain L2 stability[J].IEEE Transactions on Automatic Control,2009,54(3):452?467.

86 DIMAROGONAS D V,JOHANSSON K H.Event-triggered cooperative control[C]//In Proceedings of European Control Conference,IEEE,Budapest,Hungary,2009:3015?3020.

87 LYGEROS J,JOHANSSON K H,SIMIC S N,et al.Dynamical properties of hybrid automata[J].IEEE Transactions on Automatic Control,2003,48(1):2?17.

88 DIMAROGONAS D V,JOHANSSON K H.Event-triggered control for multi-agent systems[C]//In Proceedings of the 48thIEEE Conference on Decision and Control,IEEE,Shanghai,China,2009:7131?7136.