基于隐Markov模型的网络控制系统建模研究

目前网络控制系统理论研究所基于的模型大多数都对网络环境作了一些理想假设，导致其理论研究成果很难走出实验室应用于实际工业控制。针对这一问题，本课题提出了一种基于连续隐Markov模型的网络控制系统建模手段。在模型训练过程中，为了克服训练数据的不完整性，采用了不完全数据期望最大化算法；由于该算法受初始模型选择的影响较大，而且容易导致训练过程陷入局部极值，所以使用遗传算法对其改进。此外，在保证全局寻优的前提下，进一步采用模拟退火算法提高了局部寻优的速度和精度。这种融入了遗传算法和模拟退火算法的期望最大化参数估计方法，保证了所建立的连续隐Markov模型最大限度的接近实际网络环境。该模型的有效性首先会通过本课题组开发的网络控制系统实时仿真平台进行验证和优化，然后将其应用于设计网络化机械臂智能控制器，提高机器人远程控制的实时性和透明性，促进其在社会生产、人们生活中的深入应用。