融合视觉多信息的网络化控制系统研究

A large amount of visual information has brought huge pressure on network transmission during the process of industrial control, which not only causes lost images and relevant information, but also makes image process, control system analysis and learning optimization more complex than they should be. In this proposal, we intend to launch a study to networked control systems fusing visual images and other information. The transmission mechanism of visual images and other information is analyzed, and the features of visual images are extracted. A comprehensive model will be established. Then, an adaptive trigger mechanism fusing visual images and other information is studied, and information scheduling is developed to reduce the network load. We also analyze how visual images, information transmission and networked communication constraints interact, e.g. system stability and robustness. The relationship among the feature parameters of visual image, network performance paramters, trigger paramter, schedulng parameter and control paramter will be analyzed, and the system performance index is also investigated. Furthermore, the controller design based on the feedback mechanism and compensation strategies is studied. Moreover, the adaptive learning strategies for optimal control are investigated and the convergence properties are also investigated. Finally, an experimental platform based on visual and other sensors will be built for system validation. Eventually, the achievements of this project will lay a solid foundation for both theoretical study and practical applications of networked control systems.

针对实际工业控制中视觉多信息(视觉感知的图像、非视觉感知和控制信息)给网络传输带来巨大压力，可能造成视觉多信息不完整，使得图像信息处理、控制系统分析与学习优化更加复杂的现实，本项目拟开展融合视觉多信息的网络化控制系统理论和实验研究：分析视觉多信息的传输机制和视觉图像特征，建立融合视觉多信息和网络参量的网络控制系统综合模型；从减轻通信负担的角度研究融合视觉多信息自适应触发机制和信息调度策略；综合分析网络通信约束下的视觉图像、信息传输对系统稳定性和鲁棒性影响的机理，探索图像特征参量、网络性能参量、触发器、调度与控制参数之间的关系以及系统性能评价体系；考虑图像压缩比等因素，设计基于反馈机制的控制器及补偿策略；研究图像特征参量、控制器结构和参数的自适应学习策略并分析收敛性，构建能测试、验证融合视觉多信息的网络化控制系统实验平台。最终，为网络化控制系统进一步的理论发展和实际应用奠定基础。

针对实际工业控制中视觉多信息(视觉感知的图像、非视觉感知和控制信息)给网络传输带来巨大压力，可能造成视觉多信息不完整，使得图像信息处理、控制系统分析与学习优化更加复杂的现实问题，本项目开展融合视觉多信息的网络化控制系统理论和实验研究，主要成果：1）考虑图像特征建立系统状态变量与图像特征参量之间的关系，然后深入分析了视觉多信息在网络化控制中的传输机制，建立了融合视觉多信息和网络性能参量的网络化控制系统综合模型；2）考虑不同应用需求并结合图像特征提出了多种触发机制以提高通信效率，然后深入分析了图像计算延时和计算误差对控制性能影响，揭示了计算性能参量、网络性能参量对系统稳定性和鲁棒性影响的机理，理论证明了系统稳定性，深入分析了计算性能参量、网络性能参量和系统稳定性之间关系；3）考虑图像计算性能参量和网络性能参量，提出了融合图像性能参量和网络性能参量的控制器设计方法，协同设计了网络化控制系统的补偿策略，以消除或降低图像计算参量和通信性能参量对系统稳定性及鲁棒性影响；4）提出了数据信息驱动的参数在线递推辨识方法、理论证明了算法的收敛性；结合图像特征参量动态变化特性，研究设计了基于图像信息驱动的特征参量学习方法，分析了其对控制系统系统性能的影响；5）创新构建了融合视觉信息的网络化倒立摆系统实验平台和皇冠瓶盖高速在线机器视觉检测系统，设计了多种功能的仿真和实际控制系统软件，并进行了实验验证和推广应用。