受网络基本参量约束的时变过程网络学习控制系统研究

针对基于网络性能参量对网络学习控制系统分析和设计带来的保守性，以及实际工业控制中存在许多过程时变所造成学习控制算法更为复杂的现实，本项目在已提出的两层网络学习控制系统的基础上，全新开展既能利用网络计算资源对过程时变特性及不确定性在线学习，又能补偿网络基本参量（指网络固有特性，网络性能参量的诱导因素）影响的时变过程网络学习控制系统理论和实验研究：基于两层网络学习控制架构，建立能反映网络基本、性能参量的时变过程学习控制系统综合模型；运用Lyapunov理论、智能学习算法、信息论等，提出针对综合模型的稳定性分析和学习控制器设计方法；从网络基本、性能参量综合角度对系统性能进行分析优化，确保在对象时变、不确定和网络共同影响下系统达到高性能的控制效果；构建基于网络计算资源，并能测试、验证考虑网络基本、性能参量的时变过程网络学习控制系统实验平台。最终为网络学习控制系统进一步的理论发展和实际应用奠定基础。

本项目组在率先提出的两层网络学习控制系统的基础上，针对受网络基本参量约束的时变过程网络学习控制系统等相关内容进行了研究，主要理论进展和创新成果有：第一，针对网络性能参量与网络基本参量的研究，建立了网络基本参量与网络性能参量的关系模型，并由此建立了时变过程学习控制系统综合模型。第二，基于时变系统综合模型，研究并给出了网络参量影响下的学习算法及算法收敛性、复杂度，分析了在网络参量、学习参量影响下的系统稳定性及鲁棒性。第三，基于网络参量、学习变量和网络计算资源，研究并提出了多种先进控制策略和优化算法，建立了相应的系统性能分析与优化方法，能保证系统满足设计的高性能要求。.实验平台建设方面，建立了用于测试和验证融合网络参量及学习参量的网络学习控制系统综合实验平台。具体平台有：基于网络拓扑结构等网络参量研究，构建了工业有线/无线异构网络平台；基于学习参量算法研究，开发了网络化双并联倒立摆实验平台；基于网络计算资源，构建了基于弹性计算云的两层网络学习控制系统的快速虚拟化计算平台；另外还开发了基于两层网络控制的机器视觉检测实验平台。这些平台为包括时变过程的网络学习控制系统及其相关的网络性能与计算资源问题的理论、测试、验证综合研究奠定了重要基础。