摘 要：介绍了网络控制系统的基本概念，利用Matlab建立了一个网络控制系统仿真平台，实现了对网络控制系统的实时仿真，并重点对控制器的算法进行了研究，给出了模糊PID控制器与PID控制器的仿真结果对比。结果证明，模糊PID可以很好地应用于网络控制。
关键词：网络控制系统；仿真平台；模糊控制

　网络控制系统NCS（Networked Control System）是一种完全网络化、分布化的控制系统，是通过网络构成闭环的反馈控制系统。具体来说，网络控制系统以网络作为传输介质，实现传感器、控制器和执行器等系统各部件之间的信息交换，从而实现资源共享、远程监测与控制。
　网络控制系统一般由三部分组成：控制器、被控对象以及通信网络。被控对象一般为连续系统，而控制器通常采用离散系统。被控对象的输出通道传感器采样的方式离散化，并通过通信网络发送到控制器的输入端。控制器进行运算后，将输出通过网络发送到被控对象的输入端，并由零阶保持器生成分段连续函数作为连续系统的输入。
　利用由瑞典Lund工学院的Dan Henriksson和Anton Cervin等学者开发的、一种基于Matlab的、实时控制与网络控制仿真工具箱TrueTime[1]，能够同时支持控制与实时调度，可以对网络时延、网络参数的系统性能的影响、控制方法和网络调度等多方面进行综合仿真研究，推进网络控制算法改进。
1 网络控制系统建模
　与传统控制系统相比，网络控制系统会更多地受到网络环境的影响，如网络延迟、数据丢包、错序及单包与多包传输等，这些都将直接影响闭环系统的性能。对于一个被控对象，当采用不同类型网络环境时，所导致的网络控制系统的数学模型描述也将有所不同。在闭环系统中引入网络后，被控对象有了扩展，包含了直接控制对象及通信网络的广义被控对象。
　网络控制系统仿真是将传统控制模型与网络结合的过程，其所依据的基本控制模型是常见的闭环控制系统，由控制器（比较环节、放大装置、校正装置）、执行机构、传感检测环节、被控对象等组成，接入网络后各器件通过网络相连接，其系统结构如图1所示。

　使用TrueTime进行仿真时，控制器节点、执行器节点等均通过网络模块相连接，而不再采用传统连接模式，在TrueTime环境下建立的系统仿真平台如图2所示[2]。

　其中，节点1为干扰节点，节点2为执行器节点，节点3为传感器节点，节点4为控制器节点。其中，传感器节点周期地进行采样，采样值通过网络发送给控制器节点；控制器节点接收到采样数据后，立即进行控制计算，并将计算得到的控制信号通过网络发送给执行器节点。
网络控制系统中的传感器、控制器和执行器节点由实时内核模块实现，该模块最重要的参数就是初始化文件的名称。在初始化中需要完成以下工作：
　（1）初始化功能模块内核，设置功能模块输入、输出端口的数目和调度的策略。
　（2）定义任务函数，并根据节点采用的驱动方式设置不同的任务调度策略。
　（3）初始化网络端口，设置节点对应的网络端口代号。
2模糊控制在网络控制中的应用
　在刘喜梅[3]等人的论文中曾证明，传统PID控制可以用于网络控制中，但考虑实际仿真过程中，时延网络控制系统的补偿手段主要采用传统的控制理论，且假定的理想化条件较多，如假设单包传送、通信无误等，因此应用于实际的控制网络时，控制效果难以预期。本文将模糊逻辑补偿算法引入传统PID控制器的设计中，以消除闭环网络控制系统中由时延引起的控制性能下降、系统不稳定等不利影响。在模糊PID时延补偿算法中，无需更改传统PID控制器的设计，以模糊补偿器调制PID控制器的输出，实现模糊逻辑条件参数与结论参数的整定。模糊调制器充分利用了模糊控制理论规则少、应用简单灵活的特点，在保持系统稳定性的同时，有效削弱了控制系统中由不确定性时延造成的脉动与振荡。在改善远程网络控制系统的动、静态性能方面表现出了较传统PID控制更强的功能特性。
　仿真中的控制方法采用自适应模糊PID控制，自适应模糊PID控制器以误差e和误差变化率ec作为输入（利用模糊控制规则在线对PID参数进行修改），以满足不同时刻的e和ec对PID参数自整定的要求。自适应模糊PID控制器结构如图3所示[4]。

3 仿真实验及其结果
　在网络控制系统中假定：
　　（1）传感器为时钟驱动，即系统部件按照事先规定的时间间隔对控制对象进行采样。
　　（2）控制器和执行器为事件驱动，即系统部件在特定的事件发生时，部件才开始处理相应的任务。
　　（3）控制系统通信网络选择CAN网络，不考虑数据包时序错乱问题（假定在网络中存在数据包的时序错乱，网络可自行解决该问题）。
　　（4）调度采用prioFP（固定优先级）策略，数据速率为1 000 000 b/s，网络节点数为4个。
　　（5）基于对网络的分析和建模抽象出网络时延模型。控制系统的采样周期设置为0.01 s，传感器到控制器的预计时延为0.002 s，控制计算时间预计为0.001 s，控制器到执行器的预计时延为0.002 s，这样，系统闭环预计时延为0.005 s。
　　（6）在实际网络控制系统的真实情况下，测量网络丢包率，系统丢包率参照实际网络传输情况设置为固定值3%。
　　网络系统参数如上设置完成后，为使得PID控制算法与模糊PID算法的对比更为清晰，被控对象选择四阶系统模型进行仿真，设定初始比例增益KP=150，初始积分增益KI=87，初始微分增益KD=17，对控制器节点设定不同任务代码，启动仿真即可分别得到常规PID控制与模糊PID控制下的阶跃响应仿真曲线。由于系统被控对象阶次高，调节时间长，为获得更加明显的对比效果，截取第一秒的图像如图4所示。

　　基于阶跃响应仿真曲线可以看出，在常规PID的控制作用下，系统阶跃响应超调量约为127%；在模糊PID的控制作用下，系统阶跃响应超调量约为123%。模糊PID控制下的系统超调量相比较常规PID控制得到明显改善，同时，模糊PID控制作用下调节时间等控制参数方面也略有提升，可见模糊PID控制算法适应于网络控制系统，对于实际网络系统的控制性能改善具有重要意义。
参考文献
[1] HENRIKSSON D， CERVIN A. Truetime 1.5-reference manual[R]. Department of Automatic Control， Lund University， Sweden，2007.
[2] 何坚强，张焕春.基于Matlab环境的网络控制系统仿真平台[J].计算机工程与应用，2005，2（1）：142-145.
[3] 刘喜梅，魏婉韵，于洁.基于TrueTime的网络控制系统实时仿真[J].微计算机信息，2007，23（12）：209-210.
[4] 袁凤莲.Fuzzy自整定PID控制器设计及其Matlab仿真[J].沈阳航空工业学院学报，2006，23（1）：71-75.
[5] 黄赞，陈伟文.模糊自整定PID控制器设计及其Matlab仿真[J].控制与检测，2006（2）：50-54.