无线网络控制系统中的资源优化研究

摘要

近年来，随着无线通信技术、传感器技术和微电子技术的迅猛发展，由无线传感器网络和网络控制系统发展而来的无线网络控制系统应运而生，它是一门由通信技术、网络技术、计算机技术以及控制理论等多方面相互交叉的学科。无线网络控制系统已经在越来越多的领域得到广泛应用，如工业过程、环境监测、农牧业应用、物联网和智能电网等，极大地方便了人们的生产和生活，因此受到国内外研究者的高度关注。
　　资源优化问题是无线网络控制系统的核心问题之一，而无线网络控制系统中网络通信与控制性能的相互影响给该方面的研究带来了巨大挑战。现有针对无线网络控制系统中资源优化的研究目标大多仅考虑系统的某一方面，比如仅针对网络通信性能、系统状态估计性能或者闭环控制性能，而将上述几方面结合考虑并进行协同优化的方法和成果尚不完善。本文结合国内外最新的研究成果，考虑了通信、估计、控制三者的相互影响，并对三者进行协同优化。本文的主要工作和贡献可概括为以下几个方面:
　　1.余绍了无线网络控制系统的产生以及应用背景，并概述了相关方面的研究现状。
　　2.针对多个传感器节点的通信存在相互干扰的场景，以系统最优远端估计为目标，以实际的无线通信模型为基础，采用模型预测控制方法设计了一种传感器发送调度算法。并以仅存在两个传感器的简化系统为例，详细阐述了该调度算法的运行过程，并通过理论分析和仿真验证了该算法的有效性。
　　3.针对多跳网络中的最优远端估计问题，为中继节点设计了一种能量有效的续传策略。首先根据中继节点计算能力和存储能力的不同提出了直接续传策略和本地处理-续传策略两种基本的续传策略，并对比了两者的估计性能以及系统能耗，然后结合两种策略的优势，设计了一种事件触发续传策略，使系统在较低的系统能耗下获得较好的估计性能。
　　4.研究了无线网络控制系统中的最优控制器位置问题。考虑系统中传感器-控制器以及控制器-执行器两条链路的通信都均在随机丢包，将系统的闭环控制性能描述成关于数据包接收率的函数，并分别为标量系统和矢量系统设计了最优的控制器位置。
　　5.考虑无线网络控制系统中的多目标定位应用，设计了能量有效的传感器节点唤醒策略。将压缩采样技术应用到无线网络控制系统的多目标定位中，首先根据上一步定位的结果设计了一种迭代的传感器节点唤醒策略，使当前时刻具有较高测量信噪比的传感器有更高的概率被唤醒，优化了系统中节点能量的使用效率;然后提出了一种IA-LSCS算法，进一步提高了定位精度，并证明该定位算法可以用来跟踪移动目标。
　　最后对全文进行了总结，并展望了下一步的研究工作。

目录

声明

致谢

摘要

插图

表格

第一章 绪论

1．1 研究背景

1．1．1 无线网络控制系统的产生背景

1．1．2 无线网络控制系统的应用

1．1．3 无线网络控制系统的优势及研究挑战

1．2 研究现状

1．2．1 简单网络下的资源优化

1．2．2 一般网络下的资源优化

1．2．3 现有工作中存在的不足

1．3 本文工作

第二章 基本数学工具介绍

2．1 卡尔曼滤波

2．1．1 算法过程

2．1．2 卡尔曼滤波在无线网络控制系统中的应用

2．2 LQG控制

2．3 压缩采样

2．3．1 采样过程

2．3．2 重构算法

2．4 本章小结

第三章 无线信道干扰下传感器发送策略的优化调度

3．1 引言

3．2 问题描述

3．2．1 系统对象模型

3．2．2 无线信道传输模型

3．2．3 调度问题的建立

3．3 一种基于模型预测控制的传感器发送策略调度算法

3．3．1 接收端的最优估计设计

3．3．2 基于MPC的传感器发送策略设计

3．4 实例分析：两个传感器系统的最优发送策略设计

3．4．1 场景一：设计新加入节点的发送策略

3．4．2 场景二：设计两个传感器节点的协同发送策略

3．5 仿真验证

3．6 本章小结

第四章 面向最优远端估计的多跳传输策略优化

4．1 引言

4．2 问题描述

4．2．1 传感器节点的本地估计

4．3 直接续传策略v．s．本地处理-续传策略

4．3．1 直接续传策略(DFS)

4．3．2 本地处理-续传策略(LFS)

4．3．3 DFS与LFS的比较

4．4 事件触发续传策略(EFS)

4．4．1 EFS稳定性分析

4．4．2 EFS性能分析

4．5 仿真分析

4．5．1 系统参数设置

4．5．2 系统稳定性比较

4．5．3 系统估计性能分析

4．5．4 中继节点的性能分析

4．5．5 EFS策略的综合性能分析

4．6 本章小结

第五章 基于LQG控制性能的最优控制器位置设计

5．1 引言

5．2 标量系统中最优控制器位置的设计

5．2．1 系统框架

5．2．2 问题描述

5．2．3 控制器端的最优状态估计

5．2．4 最优控制律的设计

5．2．5 受限情况下的最优控制器位置设计

5．2．6 一般情况下的最优控制器位置设计

5．3 矢量系统中最优控制器位置的设计

5．3．1 问题描述

5．3．2 受限情况下的最优控制器位置设计

5．3．3 多跳网络中最优控制器位置的判定

5．4 仿真验证

5．4．1 标量系统的结论验证

5．4．2 矢量系统的结论验证

5．5 本章小结

第六章 基于节点动态唤醒的多目标定位

6．1 引言

6．1．1 目标定位问题的研究现状

6．1．2 压缩采样技术在多目标定位中的应用

6．2 基于压缩采样的多目标定位算法框架

6．2．1 传感器节点以及目标位置的稀疏化

6．2．2 稀疏基矩阵的构造

6．2．3 测量矩阵的构造

6．2．4 稀疏基矩阵与测量矩阵之间的相关性分析

6．3 迭代唤醒策略下的多目标定位算法

6．3．1 算法介绍

6．3．2 算法性能分析

6．4 连续压缩采样的多目标定位算法

6．4．1 LS-CS算法介绍

6．4．2 IA-LSCS算法流程

6．4．3 算法性能分析

6．5 仿真验证

6．5．1 参数设置

6．5．2 仿真结果

6．6 本章小结

第七章 总结与展望

7．1 全文总结

7．2 研究展望

参考文献

攻读博士学位期间主要研究成果及参与的科研项目