پروژه 24

مقاله یک چارچوب مبتنی بر Predictor برای تاخیر در جبران خسارت در سیستم‌های حلقه بسته شبکه

A Predictor-Based Framework for Delay Compensation in Networked Closed-Loop Systems

فرمت: PDF

زبان: لاتین

یکی از چالش های اصلی در حلقه بسته شبکه ای سیستم ها این است که تاخیرهای ارتباطی می تواند به طور قابل توجهی عملکرد سیستم را بدتر می کند و حتی باعث بی ثباتی می شود. آ چارچوب مبتنی بر پیش بینی قبلا برای بهبود پیشنهاد شده بود عملکرد سیستم حلقه بسته شبکه ای با جبران تاخیر ثابت شبکه ویژگی کلیدی این پیش بینی طرح این است که نیازی به مدل پویا از راه دور ندارد زیرسیستم است و فقط یک پارامتر طراحی برای تنظیم برای هر کدام دارد پیش بینی کننده برای کاهش تاخیرهای ارتباطی در این صفحه، چارچوب مبتنی بر پیش بینی بیشتر توسعه یافته است. به طور مشخص، قبلا پیش بینی کننده توسعه یافته بود و پایداری آن بود فقط برای تاخیرهای ثابت آنالیز می شود. در این مقاله، پیش بینی کننده ساختار به حالت تأخیر متغیر گسترش یافته و پایداری آن است برای اولین بار برای تاخیرهای مختلف در یک اما کافی ایجاد شد محدوده نه چندان محافظه کارانه با استفاده از زنجیره مارکوف رویکرد از ادبیات برای این منظور، فرض کلیدی از رویکردی که می توان با استفاده از تاخیرهای مختلف مدلسازی کرد یک زنجیره مارکوف در مقیاس دو زمانه با استفاده از شبکه واقعی آزمایش می شود تاریخ های تاخیر در مرحله بعد، برای تست عملکرد فریمورک در یک سیستم حلقه بسته شبکه ای، آن را به یک شبیه سازی اعمال می شود سیستم موتور-شفت-گیربکس شبکه ای با ثابت های مختلف و مدل های تاخیر متفاوت، و همچنین یک شبکه واقعی. پیش بینی کننده ها نشان داده شده است که در کاهش قابل توجه منفی موثر است اثرات ناشی از تاخیر و تا حد زیادی بهبود وفاداری از یکپارچه سازی شبکه ای در نهایت، پایداری سیستم حلقه بسته با چارچوب مبتنی بر پیش بینی با تاخیر ثابت مورد مطالعه قرار گرفته است با استفاده از یک قضیه "مخلوط" سود کوچک و انفعال از ادبیات و نشان داده شده است که پیش بینی ها حتی می توانند کمک به تثبیت یک سیستم حلقه بسته خطی زمان ثابت زمانی که سیستم شبکه ای مبتنی بر غیر پیش بینی به دلیل ثابت ناپایدار است تاخیر انداختن.

One of the main challenges in networked closedloop systems is that communication delays can significantly deteriorate system performance and even cause instability. A predictor-based framework was proposed previously to improve networked closed-loop system performance by compensating
constant network delays. The key feature of this prediction scheme is that it does not require a dynamic model of the remote subsystem and has only one design parameter to tune for each predictor to mitigate the communication delays. In this paper, the predictor-based framework is developed further. Specifically, previously the predictor was developed and its stability was analyzed for constant delays only. In this paper, the predictor structure is extended to the varying delay case and its stability is established for the first time for varying delays in a sufficient but not very conservative range by leveraging a Markov chain based approach from the literature. To that end, the key assumption of the approach that varying delays can be modeled using
a two-time-scale Markov chain is tested using actual network delay data. Next, to test the performance of the framework on a networked closed-loop system, it is applied to a simulated networked motor-shaft-geartrain system with different constant and varying delay models, as well as a real network. Predictors are shown to be effective in significantly reducing the negative effects caused by delays and greatly improve the fidelity of the networked integration. Finally, stability of the closed-loop system with predictor-based framework is studied with constant delays using a “mixed” small gain and passivity theorem from the literature and it is demonstrated that the predictors can even help stabilize a closed-loop linear time-invariant system when the
non-predictor-based networked system is unstable due to constant delays.