模糊算法在WiNCS死区采样中的应用*

刘　昶,米根锁，张　哲

(1.兰州交通大学 自动化与电气工程学院,甘肃 兰州730070；2.大唐呼图壁能源开发有限公司热电厂 设备管理部,新疆 乌鲁木齐 831200)

应用技术

模糊算法在WiNCS死区采样中的应用*

刘昶1,米根锁1，张哲2

(1.兰州交通大学 自动化与电气工程学院,甘肃 兰州730070；2.大唐呼图壁能源开发有限公司热电厂 设备管理部,新疆 乌鲁木齐 831200)

摘要:针对无线网络控制系统(WiNCS)常规死区采样算法导致的系统控制性能QoP和网络服务质量(QoS)下降的缺陷，提出一种模糊自适应死区采样算法。该方法利用系统控制误差和系统网络时延设定死区阈值，能实时自适应网络负载变化，自动在系统QoP和QoS指标范围内尽可能减少数据包传输量，更好地捕捉到网络流量变化和网络QoS变化。实验证明:所提方法不但能减少数据包传输量，而且可以高效地保证系统控制性能。模糊自适应死区采样结构简单，易于实现，具有一定的推广价值。

关键词:无线网络控制系统；传输死区；网络时延；模糊算法

0引言

无线网络控制系统(WiNCS)是集无线通信网络和控制系统为一体的闭环分布式控制系统[1]。WiNCS中数据的传输量过大，将增大网络数据冲突的概率，造成网络时延变大，这严重影响系统网络服务质量(QoS)和系统控制性能QoP，甚至引起系统不稳定。在保证系统稳定的条件下在传感器端设置传输死区[2～4]，从而主动丢包来节省网络带宽，减少网络冲突和节点能耗。

近年来,针对WiNCS中传输死区的研究较少。文献[5]将传输死区引入网络控制系统中，但未对系统稳定性进行分析和说明。文献[6]提出基于PID的死区调度方法，采用PID算法调节死区范围，但该方法不适用于无线环境下的网络控制系统。文献[7]通过设置基于信号差值的传输死区，建立包含时延区间的WiNCS数学模型,从而分析传输死区对系统性能的影响。可以发现常规传输死区大多采用固定阈值，无法根据网络负载状况实时调整阈值大小,并存在降低控制精度的缺陷。因此,实时动态地调整传输死区具有一定的研究意义。

本文以WiNCS传感器端的传输死区为研究对象，根据系统控制误差变化和网络时延的变化，采用模糊算法对死区阈值进行实时调整。通过该方法来减少网络数据包流量以改善系统网络服务质量，弥补常规传输死区存在的不足。

1常规死区算法

1.1WiNCS的组成结构

WiNCS一般由控制器、传感器、执行器组成，并通过具有简单调度与控制功能的智能路由中心AP联结在一起，如图1所示。

图1　无线网络控制系统组成结构Fig 1　Structures of WiNCS

1.2常规传输死区算法

传感器按照固定采集频率进行采样，但在传感器端设置传输死区，将传感器采集数据和发送数据的过程分离,并制定触发条件来决定是否将获取的数据发送给控制器，通过主动丢包降低传感器与控制器之间的数据包传输量。

在网络负载非突变的WiNCS中，传输死区根据两次采样数据的绝对差值来判断系统是否发送采样数据。

假设y(k+n)为网络中某节点当前要发送的信号值，y(k)为该节点上一次发送到网络中的信号值。当两次信号满足式(1)时，触发条件生效，该节点将发送信号;否则,不发送信号

K|y(k+n)-y(k)|≥M

(1)

式中M为死区阈值，K为比例系数。

2模糊自适应传输死区算法

2.1模糊自适应传输死区原理

模糊自适应传输死区同时考虑系统误差变化情况和网络时延两者，根据系统输出误差e、误差的变化率ec和网络时延τ，实时调整传输死区参数，这样就不会出现某个回路由于网络中负载发生变化而导致传输死区不适应系统网络的情况。

图2是基于模糊自适应传输死区的原理框图，其中,e为系统误差，τ为系统网络延时，M为传输死区阈值。

图2　模糊自适应传输死区原理框图Fig 2　Principle block diagram of fuzzy adaptive transmission deadband

模糊自适应传输死区数据发送的触发方程为

(2)

式中e为两次采样的绝对差值，ec为系统两次采样绝对差值的变化率，K1和K2为相应的比例系数。

通过模糊自适应传输死区算法以系统e，ec，τ之间的模糊关系为基础，确定传输死区参数K1，K2，M。

2.2模糊自适应传输死区算法的实现

图3为模糊自适应传输死区算法结构示意图。通过以下三个步骤实施模糊自适应死区采样：

图3　模糊自适应传输死区算法结构示意图Fig 3　Structure diagram of fuzzy adaptive transmission deadband algorithm

1)精确量的模糊化

根据各参数的实际特性设定合适的隶属函数，将语言变量的语言值转化为模糊控制器论域的模糊集合。用E，T表示输入量误差e和网络时延τ的模糊集，ke，kτ为两个输入的量化因子。定义输入变量的量化等级为9级，即E，T={-4,-3,-2,-1,0,1,2,3,4}。输出M的量化等级为5级，即M = { 1,2,3,4,5}。

定义误差e和网络时延τ的模糊子集数为5个，即{PS，S，M，B，PB}，其中，PS表示正小，S表示小，M表示中，B表示大，PB表示正大。E，Τ选用三角形隶属度函数，M选用高斯型隶属度函数。隶属度函数曲线如图4和图5所示。

图5　Mi的隶属度函数曲线Fig 5　Membership function curve of Mi

2)知识库的设计

根据传统传输死区测量所得数据与专家决策转化为一组模糊条件语句构成模糊控制规则，并计算由模糊控制规则决定的模糊关系，构造合适的模糊控制算法。表1为模糊规则控制表。

表1　模糊规则控制表

3)解模糊化

将模糊推理的结论通过重心法转化成实际可用的精确量，即通过模糊推理来确定要设置的死区阈值，再经过解模糊过程就可以得到真实的输出值。

当死区阈值M和参数K1，K2确定之后，系统会决定传感器数据的发送。

3仿真实验和结果分析

3.1仿真模型和参数

本文的仿真实验中，选用TrueTime1.5软件进行仿真研究。仿真实验设定为相同的网络环境，相同的PID控制器，相同的被控对象，但传感器端为不同的传输死区。

1)被控对象参数：被控对象传递函数如式(3)

(3)

2)网络参数:选定无线网络协议为IEEE 802.11b(WLAN)，传感器的固定采样周期T为10 ms，无线数据传输速率为80 kbit/s，传感器和控制器的电池能量设为0.3 J,执行器的电池能量设为0.8 J，其它仿真参数为默认值。

3)仿真系统模型搭建:本设计中，WiNCS由分布的控制器节点、执行器节点、被控对象和无线网络组成，传感器采用时间触发方式，而控制器和执行器则采用事件触发方式。

4)仿真实验指标:为了比较系统网络服务质量QoS和系统控制性能QoP，采用了两个指标：网络延时τ和系统输出的误差绝对值积分IAE。

3.2仿真结果分析

仿真时间4 s内，传感器按采样周期T共采样了400个数据包。采用常规死区算法共向无线网络发送了289个数据包，主动丢包数量为111个；采用模糊自适应传输死区算法共向无线网络发送了364个数据包，主动丢包数量为36个。系统输出的曲线如图6和图7所示，系统网络时延如图8和图9所示。

图6　基于常规传输死区算法的系统输出Fig 6　Output of system based on conventional transmission deadband algorithm

图7　基于模糊自适应传输死区算法的系统输出Fig 7　Output of system based on fuzzy adaptive transmission deadband algorithm

对比两种方法的系统输出:从图6知，常规死区算法下系统丢包过多导致不能准确跟踪正弦波信号的输出响应，并且计算后得IAE为无穷大，系统不稳定,从图7知在模糊自适应死区算法下能准确跟踪正弦波信号的输出响应，计算后得系统IAE为156.66。

图8　基于常规传输死区算法的网络时延Fig 8　Network delay based on conventional transmission deadband algorithm

图9　基于模糊自适应传输死区算法的网络时延Fig 9　Network delay based on fuzzy adaptive transmission deadband algorithm

对比两种方法的网络时延:从仿真结果图8看到，常规死区算法下，网络延时集中在13.367 ms附近,从图9看到，在模糊自适应死区算法下，测得系统的网络延时集中在8.478 ms附近。

因此,在相同的网络带宽下对比两种方法的仿真结果可知，模糊自适应传输死区降低了网络延时和系统IAE。

4结论

针对WiNCS常规死区采样存在的系统QoP和网络QoS下降的缺陷，本文提出了模糊自适应死区采样算法。该算法能根据系统控制误差和网络时延，实时调整死区阈值和数据包传输量进而提高网络QoS;并且模糊自适应传输死区算法简单，易于实现，具有一定推广价值，该方法特别适用于对实时性要求较高的应用场景

参考文献:

[1]高政南,谢蓉华,陈庆伟.基于死区调度的无线网络控制系统保性能控制器设计[J].信息与控制,2012(4):522-528.

[2]张晓波,高政南,陈庆伟.基于混合死区调度策略的网络控制系统控制器设计[J].南京理工大学学报,2013(2):291-298.

[3]张奇,俞金寿.网络控制系统中基于PID的死区反馈调度方法[J].化工自动化及仪表,2008(6):14-17.

[4]王家栋,俞金寿.网络控制系统中的改进型死区反馈调度方法[J].华东理工大学学报:自然科学版,2008(4):579-583.

[5]Otanez P,Moyne J,Tilbury D.Using deadbands to reduce communication in networked control systems[C]∥Proc of American Control Conference,2002:3015-3020.

[6]Vasyutynskyy Volodymyr,Luntov-skyy Andriy,Kabitzsch Klaus.Two types of adaptive sampling in networked PID control:Time-variant periodic and deadband sampling[C]∥17th International Crimean Conference on Microwave and Telecommunication Technology,2007:330-331.

[7]高政南,谢蓉华,樊卫华,等.基于信号差值死区调度的无线网络控制系统H_∞控制[J].控制与决策,2012(9):1301-1307.

[8]Liu Yingying,Chu Yunkai,Che Weiwei,et al.Stability analysis and stabilization of wireless networked control systems based on deadband control scheduling[J].Journal of Central South University,2014,21(11):4228-4235.

[9]邓璐娟,张科德,卢华奇.网络控制系统动态死区反馈调度的研究[J].微计算机信息,2009(18):138-139,154.

[10] 汤贤铭,钱凯,俞金寿.网络控制系统动态死区反馈调度[J].华东理工大学学报:自然科学版,2007(5):716-721.

[11] McKernan Adrian D,Irwin George W.Event-based sampling for wireless network control systems with QoS[C]∥American Control Conference,USA,2010:1841-1846.

[12] Vasyutynskyy V,Kabitzsch K.Towards comparison of deadband sampling types[C]∥Proc of 2007 IEEE International Sympo-sium on Industrial Electronics(ISIE),Vigo,Spain,2007:2899-2904.

[13] Miguel Diaz-Cacho,Emma Delgado,Antonio Barreiro.Internetadaptive deadband for NCS and teleoperation[C]∥18th Mediterranean Conference on Control &Automation,2010:505-510.

Application of fuzzy algorithm in WiNCS deadband sampling*

LIU Chang1,MI Gen-suo1,ZHANG Zhe2

(1.College of Automatic &Electrical Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China;2.Department of Equipment Management,Thermoelectricity Plant,DaTang HuTuBi Energy Development Corporation Ltd,Urumchi 831200,China)

Abstract:Aiming at deficiencies of decrease of control property and quality of service(QoS)caused by deadband sampling methods of WiNCS,put forward an adaptive fuzzy deadband sampling algorithm.Using system control error and network delay to set up deadband threshold,adaptive deadband sampling adjusts network load variation amount in real time,automatically reduce amount of data packet transmission within index range of QoP and QoS of system,to capture network traffic variation and QoS of network.Experiments show the method can not only reduce packet transmission amount,but also can effectively guarantee system control property.Adaptive fuzzy deadband sampling method is simple and easy to implement,and it has certain promotional value.

Key words:wireless networked control system;transmission deadband;network delay;fuzzy algorithm

DOI:10.13873/J.1000—9787(2016)05—0142—04

收稿日期：2015—07—28

*基金项目：甘肃省自然科学基金资助项目(1310RJZ46)

中图分类号:TP 273

文献标识码:A

文章编号:1000—9787(2016)05—0142—04

作者简介:

刘昶(1991-)，男，回族，河南商丘人，硕士研究生，主要研究方向为无线网络控制系统等。