Scientific Journal of Control Engineering April 2015, Volume 5, Issue 2, PP.22-30
Survey of Networked Control System Based on the Models Yiwei Feng, Ping Feng# Lanzhou University of Technology, Lanzhou 730050, China #
Email: 540641470@qq.com
Abstract With the rapid development of the Networked Control Systems (NCSs), the uncertain problems of network bring a great challenge to analysis and design the network control system. Establish a network control system model is basis and premise for solving the practical application of network control, the actual network is an evolving system, network control study is a very difficult and challenging area of research. This article reviews the development history of the model-based networked control systems，and introduces its current research statuses, and based on existing problems, several major model of network control systems and the modeling problems of model-based networked control systems are outlined briefly, analyzed the ideas, methods and techniques of existing network control in different environments of muti-target facing the challenges, then, on how to describe the model basis, discussed the research trends and existing problems on combine them from actual control systems. Keywords: NCSs; System Model; Stability
基于模型的网络控制系统综述* 冯宜伟，冯平 兰州理工大学，甘肃 兰州 730050 摘
要：随着网络控制系统的日益发展，网络建模过程所带来的不确定性问题给网络控制系统的分析和设计带来了极大
的挑战。建立合理的网络控制系统模型是解决网络控制实际应用的基础和前提，由于实际的网络是一个不断发展的系统， 针对网络控制的研究也将是一个非常困难、有挑战性的研究领域。本文综述了基于模型的网络控制系统的发展历史及其 研究现状，并在此条件之下，简述了几个主要网络控制系统模型以及基于模型的网络控制系统建模时存在的问题，分析 了现有网络控制思路、方法和技术在多任务、多目标的不同网络环境中所面临的挑战，其次就如何在网络模型描述的基 础上，从实际控制系统的角度将两者结合起来，探讨了网络控制系统研究方向与现存问题。 关键字：网络控制系统；系统模型；稳定性
引言 随着计算机网络的广泛使用和网络技术的日益发展，控制系统结构变得越来越复杂，空间分布越来越广， 对系统控制性能的要求也越来越高。在 1960 年，Kalman 在对参数状态空间模型及最优控制的介绍中产生了 现代控制理论这一新的概念，也称为基于模型的控制[1]。20 世纪 60 年代以来，现代控制理论已经得到了全 面的提高和发展，其主要分支有系统辨识、适应控制、鲁棒控制、最优控制、多变量结构控制及随机系统理 论。现代控制理论被广泛应用在工业生产过程、航空航天、交通系统等众多领域，尤其是在航空航天领域， 已经可以建立非常精确的模型。网络控制系统(Networked Control Systems, NCSs)最早出现于 1999 年马里兰大 学 G. C. Walsh 等[2]人的论著中。它的一般定义是指通过计算机网络和总线将传感器、执行器和控制单元作为 *
基金资助：甘肃省自然科学基金项目支持（资助号：1208RJZA152） 。 - 22 http://www.sj-ce.org
网络系统连接起来共同完成控制任务的系统。NCSs 及现代控制理论在理论与实际应用方面仍然面临着巨大 挑战[3-4]。 现代控制理论包括线性系统和非线性系统控制理论。典型的线性控制系统主要包括零极点配置、LQR 设 计和鲁棒控制等设计方法。对非线性系统来说，典型的控制器设计方法包括基于 Lyapunov 函数控制器设计， 利用反推法进行控制器设计及反馈线性化等设计方法。由于网络中信息流存在非线性动力学特性，网络作为 闭环反馈控制的一部分和被控对象组成的闭环系统是一个变时延的不确定的复杂系统，又因为计算机网络是 以数据包的形式传输和交换信息，与传统控制系统的基本假设（例如信息传输的同步、无时延等）不相符合， 因此必须重新审视传统控制系统的研究方法，充分考虑网络传输信息的特点，结合现代控制理论对网络控制 系统的建模、分析以及设计进行深入的研究，这对于网络控制系统的理论研究和实际应用具有深远的意义[5-7]。 近年来，基于模型的网络控制系统的研究已逐渐成为国际控制理论界的一个热点的学术问题，IEEE、IFAC 和 Automatica 等国际学术组织及知名刊物相继出版了许多网络控制系统研究方面的专刊。虽然网络控制系统 的建模问题已经得到了充分重视，也取得了一些研究成果[3-5]，但还远没有成熟。本文分析了网络控制系统研 究现状，并谈论了目前建模时存在的一些问题及主要的建模方法。
1 网络控制系统研究现状及其存在问题 1.1 网络控制系统的研究现状 目前，NCSs 作为一个新兴的研究领域，已成为国内外学术界的前沿方向和研究热点，其研究领域包括 连续域、离散域和混合域，研究对象包括线性定常、线性时变和非线性对象，研究的方法包括确定性控制方 法、随机控制方法、鲁棒控制方法、切换控制方法、预测控制方法、模糊控制方法、自适应控制方法等。一 般的网络控制系统包含计算机网络通信技术和控制策略两大部分，所以针对网络控制系统的研究问题常常围 绕着以下两方面来研究：1）从控制理论的角度出发，对网络路由、网络流量等的调度与控制，是对网络自 身的控制（将控制系统的网络环境作为已知条件，在此基础上设计出合理的控制结构和控制算法来补偿或降 低网络时延、丢包、乱序等对控制系统造成的不良影响），可以利用运筹学、组合数学、图论、控制理论的 方法来研究和实现；2）从计算机通信网络的角度出发，研究如何改善网络通信服务质量(QoS, Quality of Service)，如提出新型的网络通信协议、网络调度算法、拥塞控制方法等。 从 20 世纪 80 年代， Luck 等人[8]对 NCSs 的研究的工作逐渐展开， 到 1999 年 Walsh[1]提出“Networked Control Systems”的概念，NCSs 作为一个新兴的研究领域，已经成为国内外学术界的前言和研究热点，并取得了一系 列的研究成果。 1）面向控制理论的 NCSs 研究：根据研究思路的不同可分为被动分析法和主动综合法。被动分析法首先 在不考虑网络情况下对控制器进行设计，然后进一步考虑网络影响来分析闭环 NCSs 的系统性能。其主要分 为网络摄动法和 Lyapunov-Krasovskii 方法[9]。主动设计方法在控制器设计以及系统分析过程中比被动分析法 更有效的利用网络信息，分析结果保守性更低，所得控制策略更为合理，是在考虑网络对 NCSs 的影响的基 础上进行控制器设计的。主要包括有时延整形法、模型控制法、随机控制法、Lyapunov-Krasovskii 方法、切 换控制法、预测控制法、模糊控法及其他控制算法[10-13]。 2）面向调度协议的研究源于通信技术，通过赋予数据包不同优先级来合理配置网络带宽，从而保证 NCSs 所期望的网络服务质量(QoS)。 根据调度协议性质的不同， NCSs 的调度协议研究可分为以 RM(Rate Monotonic) 算法及其衍生算法为代表的静态调度协议研究和以 EDF(Earliest Deadline First)算法及其衍生算法为代表的动 态协议研究。Gervin 在此基础上进一步研究了如何选择时延变化的网络控制系统采样周期，并分析了短时延 采样周期对系统性能的影响[14]；Tipsuwan 在协同优化调度方面也做了一定的研究，提出通过网络中间件在线 获取网络当前的 QoS 状况，然后基于 QoS 动态调节控制系统的采样周期和控制器的增益，以得到可能最优 的系统性能[15]；Otanez 等则提出了一种死区动态调度策略，兼顾网络利用率与跟踪性能，并探讨了传输死区 - 23 http://www.sj-ce.org
门限优化问题[16-18]。 3）兼顾控制和网络的 NCSs 综合研究。近年来，兼顾控制和网络的 NCSs 综合研究受到广泛关注。文献 [18]中基于 IEEE 802.11 无线网标准提出了用于无线 NCSs 的优先级载波侦听多路存取/冲突避免(P-CSMA/CA) 协议来确保数据的实时传输，并也分析采用此协议的 NCSs 的稳定性。 4）NCSs 的应用：NCSs 的应用包括在远程医疗中的远程手术、制造过程中基于网络的电机伺服控制、 机器人中基于网络的机器人操作以及国防等领域[19]。
1.2 网络控制系统存在的问题 网络系统作为一种新的研究课题，还有许多问题需要进一步的研究、解决。网络控制系统以网络为基础， 网络的性能直接影响 NCSs 系统的应用；作为一种控制系统，控制性能同样是非常重要的研究内容，现有的 网络控制系统模型和控制技术有各自的优点。如何实现对基于网络的非线性动态系统建模和控制、网络时延 随机分布特性对控制系统性能的影响是今后研究的重点。总之，无论是从控制策略的设计还是从网络资源的 调度来看，NCSs 的研究还远远不够，有许多难点和关键技术有待进一步的研究和探索[3-4]。 1）在网络建模方面，如何针对多变量复杂对象的网络控制系统以及非线性动力特性进行建模，并能够 准确地反映出网络通讯参量方面的特性对系统性能的影响； 2）在网络控制策略设计方面，如何解决有限随机信息条件下网络控制系统的稳定性和鲁棒性，以及如 何确定网络控制系统的性能极限； 3）在网络调度与控制协同设计方面，如何从反馈的角度设计调度策略，合理分配拓扑结构复杂、资源 有限的网络，以协调通讯网络与控制器之间的相互制约，将通讯网络与控制器的设计有机结合起来； 4）网络控制平台的建设方面，如何针对实际工业工程中广泛存在的强实时网络控制系统，以及有线／ 无线异构多通道网络控制系统开发相应的仿真实验平台。
2 基于模型的网络控制系统的研究状况与存在的问题 2.1 研究现状 网络控制系统的模型是稳定性分析和解决网络控制实际应用的基础，即对基于模型的网络控制系统进行 控制器设计和稳定性分析时，首先应对该网络控制系统进行建模，而建模的出发点是仅把测量的状态向量通 过网络周期性地传送，从而大大减小网络化系统对通信带宽的要求。NCSs 建模所考虑的因素主要有节点驱 动方式、网络时延、噪声扰动、数据包丢失等。节点驱动方式有时钟驱动和事件驱动。网络时延有随机时延、 恒定时延、时变时延、有界时延、周期时延或不确定时延。针对不同的驱动方式和时延特性，有着不同的建 模方法，所以建模必须考虑其特殊性，如网络时延、非同步采样、数据包丢失和多包传送等。基于模型的网 络控制系统（如图 1 所示） ，应尽量减少网络上数据包传输的数量，使得网络有限的带宽可以完成更多的任 务。根据建模方法主要可以分为马尔科夫链模型、时滞系统模型、切换系统模型和量化器模型[21-22]。
x (t ) Ax(t ) Bu (t )
传感器 网 络
u (t )
xˆ (t ) Aˆ xˆ (t ) Bˆ u (t )
xˆ (t )
K
图 1 基于模型的网络控制系统结构图
- 24 http://www.sj-ce.org
2.2 网络系统建模存在的问题 网络控制系统是指通过网络形成闭环的控制系统。它是计算机技术，通信技术和控制技术发展与融合的 产物，具有布线简单，结构灵活，易于系统扩展和维护以及能够实现信息资源共享等优点。但由于受到网络 宽带的限制，不可避免的会出现数据的拥塞，时延等问题，从而降低系统的稳定性。 1）有的模型存在着难以确定参数的问题，如在用跳变线性系统对网络化控制系统建模时，假设网络时 延服从 Markov 链，但是 Markov 链的转移矩阵如何确定却是一个难点[23]； 2）对模型作了过多的假设，有些假设常常是不实际的，如：将网络理想化，认为其时延是定常的，未 考虑网络异常如丢包和错序等； 3）网络模型过于细化，仅针对某一特殊情况进行建模，在实际应用中价值不大； 4）模型的 NCSs 研究以离散模型为主，主要建模对象是线性时不变定常系统，对于时变不确定系统尚缺 乏有效的处理方法； 5）对 NCSs 的建模研究集中在考虑单一或相互独立的部分影响因素的情形，而实际应用中对控制系统产 生影响的因素以及相互之间的交叉耦合要复杂得多。
3 主要的几种模型 3.1 马尔科夫链模型 由于受到网络的拓扑结构、带宽以及通信协议等通信基本参量的影响，网络诱导延时呈现出固定或随机 或有界或无界的特征，所以经常建立确定性模型和随机模型。图 2 为丢包问题的二状态 Markov 链模型。p 表示数据包丢失的概率。当 (k ) 1 时，数据包被顺利传输到控制器端；当 (k ) 0 时，数据包丢失，此时 沿用上一时刻的最新信息作为此次的传输信号。因此，这里定义的 Markov 链具有两个状态，如图 2 所示， 从任意状态转变到丢包状态 (k ) 0 的转移概率是 p，从任意状态转变到成功传输状态 (k ) 1 的转移概率 是 1-p。这里的广义被控对象是具有两种模式的离散时间 Markov 跳变系统， (k ) 1 表示数据包被接受，
(k ) 0 表示数据包丢失。 1-p
p
θ(k)=0
1-p
θ(k)=1
p
图 2 丢包问题的二状态 Markov 链模型
针对确定性模型已有成熟的理论与方法，因此国内外学者将重点研究随机模型。马卫国、邵诚用一个具 有两个状态的马尔科夫链来描述数据通过网络传输时随机数据包丢失过程，利用马尔科夫跳变线性系统理 论，将网络控制系统建模为一个具有两种运行模式的马尔科夫跳变线性系统[24]。针对 NCSs 中数据丢包问题， Jing Wu，Tongwen Chen 在假设网络控制系统中传感器和控制器、控制器和执行器之间数据包丢失服从马尔 科夫模型的情况之下，将前向通道和反馈通道的数据丢包问题建立成相互独立的马尔科夫链模型，并分析了 系统的稳定性[25]。文献[26-27]将前向通道和反馈通道的网络诱导延时描述为两个马尔科夫链，建立了连续时 间 MJLS (markovian jump linear system)模型。Liu Ming 等将反馈通道的网络诱导延时描述为马尔科夫链，建 立了含两个两个跳变参数的马尔科夫跳变系统模型[28]。岳东、田恩刚等将网络诱导延时定义成两个随机事件， 并假设事件发生概率服从切换的指数分布，将网络诱导延时描述为马尔科夫链[29-30]。 - 25 http://www.sj-ce.org
3.2 时滞系统模型 控制器
网
τ sc
传感器
τc
络
τ ca
控制对象
执行器
图 3 网络控制的时延分布
在网络控制系统中，时延主要来自于数据在网络上的传输时间和控制器的运算时间（如图 3 所示） 。这 种时滞可能是定常的，也可能是时变的，它的存在会使控制系统的性能变差，甚至使系统不稳定。时滞系统 模型主要是考虑到网络控制系统中的网络性能参量将 NCSs 建成的，一般能比较全面地考虑控制系统的各种 情况，建立的模型比较符合实际。但分析具有随机时滞的时滞系统的有关理论还不十分成熟。
x (t ) Ax(t ) Bu (t )
传感器 x(t )
u (t ) ˆ xˆ (t ) Bˆ u (t ) xˆ (t ) A
x(t ) Ax(t ) Bu(t ) y (t ) u (t ) x (t ) ( Aˆ LCˆ ) x (t ) [ Bˆ LDˆ , L] y(t ) Cx(t ) Du(t ) y(t )
网 络
x (t )
h
u (t ) xˆ (t ) Aˆ xˆ (t ) Bˆ u (t )
xˆ (t )
网络
h
xˆ (t )
K
K 图 4 基于模型的网络控制系统状态反馈
图 5 基于模型的网络控制系统输出反馈
根据是否将前向通道网络诱导延时和反馈通道的网络诱导延时合并在一起可以分为如下两类：1）当采 用状态反馈控制器时（如图 4） ，可以将反馈通道网络诱导延时和前向通道网络诱导延时简化为一个总的网络 诱导延时；2）当采用输出反馈时（如图 5） ，将前向通道和反馈通道的网络诱导延时分开考虑，更加符合 NCSs 的实际情况。高会军等引入指标函数建立了新的时滞系统模型，进一步提出了状态包含多重连续延时成分的 时滞系统模型，并将 NCSs 建成含有 2 个连续延时成分的时滞系统模型的同时基于 Lyapunov-Krasovskii 函数 分析了系统的稳定性[31]。邓玮璍和费敏锐的基于带有随机时滞的多通信通道，建立了离散时间 NCSs 模型， 采用锥型补偿线性算法得到控制器增益的全局最优解[32]。Cloosterman 等建立了一个可以同时处理短延时和长 延时的增广离散 NCSs 模型[33]。张湘等建立了同时具有前向通道传输时延和反馈通道传输时延的线性分布式 网络控制系统的数学模型，并将系统变换为具有状态与控制时变时滞的线性时滞系统[34]。Lian 对多步时延下 的单闭环网络化控制系统建立时滞可变系统状态空间模型，并将优化控制器的设计归纳为 LQG (Linear Quadratic Gaussian)最优控制问题[35]。会国涛等提出一个新颖的马尔可夫随机时滞系统模型，应用李亚普诺夫 方法以及线性矩阵不等式技术得到了闭环 NCSs 随机稳定的充分条件，并给出了状态反馈控制器和 PCGSHF 的设计方法[36]。
3.3 切换系统模型 切换系统是由多个子系统组成，并通过适当的切换策略按照不同时间或不同状态切换到相应的子系统 下，进而保证整个系统达到期望的特性（图 6 所示）。和一般的系统相比，按照切换律组成的整个控制系统 具有结构复杂、子系统间的相互关联性强、复杂的动态特性、存在实时性及多模块性等特点。切换的引入使 每个子系统变得简单，特别是对完全解耦的系统而言，控制将变得非常便捷。 - 26 http://www.sj-ce.org
上一级控制 子系统1 切换策略 子系统2 输出 子系统n-1
子系统n
图 6 切换系统示意图
目前一些国内外学者利用切换系统理论研究网络控制系统。Zhang Wen-an 等[37]研究了一类带有丢包的网 络控制系统的建模和控制问题，在系统建模时引入了时滞小于一个采样周期的假设后利用切换控制思想中的 平均驻留时间概念和异步动态方法得到了系统稳定的充分条件。Ma Dan 和 Zhao Jun[38]将网络控制系统中的 延迟和丢包现象视作系统运行出错，研究设计了一个开环和一个闭环的观测器，使得系统可以通过在两个观 测器间切换来消除系统出错的影响。对于离散网络控制系统，文献[39]在设定最大延迟步数的前提下，总结 出系统可能发生的所有延迟情况，进而使每一种情况对应一个子系统构造出切换系统模型，最终得到系统在 任意可能发生延迟的情况下保持稳定的条件。文献[40-41]通过系统离散化的过程构造一系列离散的子系统， 不同的子系统描述各种不同的网络延迟和丢包现象，接着利用切换系统的研究成果对其进行分析，得到系统 在一定平均驻留时间下保持稳定性的充分条件。文献[42]基于切换的延时方法，将带有时变长延时的 NCSs 建模为切换系统模型。邱占芝和张庆灵将正则、无脉冲的奇异 NCSs 建模为数据包丢失率约束的异步动态切 换系统，给出了状态反馈和动态输出反馈的统一数学模型[43]。孙增圻等定义了有效传感器包来处理网络诱导 延时和数据丢包，对直流电机网络控制系统建立了离散时间切换系统模型[44]。王龙等考虑任意数据丢包过程， 建立了系统的切换系统模型，给出了系统输出反馈稳定的条件[45]。宋阳、董豪、费敏锐将网络控制系统建模 为离散时间切换系统，基于随机过程理论和切换系统稳定性理论，利用状态反馈实现了网络控制系统的均方 指数镇定[46]。
3.4 量化器模型 NCSs 的显著特性是控制器和被控对象间的信息传递是由通信网络来实现的。由于通信网络单次只能传 输有限比特数的信息，所以连续取值的状态在传输前必须离散化。为此，利用量化器把状态映射到可数集合 中的某个元素且量化器的输出再编码成可用于通信传输的二进制列。在信道的另一端，解码器收到信道输出 并恢复。基于状态估计，控制器产生控制输入信号并作用于被控对象。在整个过程中，量化器把连续取值的 状态变量离散化。 被控对象 传感器
执行器 量化器
控制器
网
量化器
络
图 7 带量化器的网络控制系统结构图
27 http://www.sj-ce.org
网络控制系统中，在数据进入信道之前，必须进行量化，目前的信号量化模型主要是均匀量化器和对数 量化器模型。在量化器的作用下，信号中会引入量化误差，从而对 NCSs 的控制性能带来不可忽视的影响， 采用量化控制理论研究 NCSs 取得了一些成果。田恩刚和岳东等建立了考虑网络诱导延时和量化级的 NCSs 模型，给出了系统稳定的充分条件[47]。牛玉刚等认为输出反馈控制问题是涉及信号量化和数据包丢失的网络 系统，输出信号传达之前要进行量化，输出反馈控制器的设计保证了系统的指数均方稳定[48]。文献[49]对输 入和输出信号同时进行量化，并考虑一个带有无记忆对数量化器的单输入单输出线性系统，给出了系统量化 稳定的充分条件。文献[50]研究了信号量化的位分配以及传输模式的选择问题，解决了在目标状态的最优线 性二次型高斯控制问题。
4 总结与展望 网络控制系统的发展是控制系统日趋复杂化的体现，其理论基础也已跨越多个学科，应用范围遍及多个 领域。虽然网络控制系统的建模问题已经得到了充分重视，也取得了一些研究成果，但 NCSs 理论还远没有 成熟。目前国外的研究比国内的多一些，但仍然很不完善。随着数据采集系统性能的逐步改善及系统数据采 样率进一步提高，实际应用中对控制系统产生影响的因素以及相互之间的交叉耦合要比对 NCSs 的建模研究 时只考虑单一或相互独立的部分影响因素的情形复杂得多。因此，随着网络技术的成熟和交叉学科的迅速发 展，网络化控制系统无论是在理论还是应用上，许多问题都有很大的发展空间，有待我们进一步深入研究。 1）MIMO 网络控制系统中如何确定最佳的输出通道；2）网络化控制系统的数据包丢失的影响及 QoS 需求问 题；3）在达到网络传输速度的需求下，如何确定最高理想的延迟边界；4）有必要开展综合考虑多因素耦合 影响的 NCSs 建模。
REFERENCES [1]
Z S Hou, Z Wang. From model-based control to dat-driven control: Survey, classification and perspective [J]. Information Sciences, 2013, 235: 3-35
[2]
Walsh G C, Ye H, L Bushnell. Stability analysis of networked control systems[C] //Proceedings of the American Control Conference. San Diego, CA, USA: IEEE, 1999: 2876-2880
[3]
席裕庚, 李德伟, 林姝. 模型预测控制—现状与挑战[J]. 自动化学报, 2013, 39(3): 222-236. [Xi Yugeng, Li Dewei, Lin Shu. Model predictive control—Status and Challenge [J]. Acta Automatica Sinica, 2013, 39(3): 222-236.]
[4]
陈关荣. 复杂动态网络环境下控制理论遇到的问题与挑战[J]. 自动化学报,2013, 39(4):312-321.[Chen Guanrong. Problems and chanllenges in control theory under complex dynamical network environments [J]. Acta Automatica Sinica, 2013, 39(4): 312-321.]
[5]
Peter V, Zhivoglyadov R H, Middleton. Networked control design for linear systems [J]. Automatica, 2002, 39 (2003): 743-750
[6]
D Yue, Q L Han, P Chen. State Feedback Controller Design of Networked Control Systems [J]. IEEE Trans on Automatic Control, 2004, 51(11): 640-644
[7]
G Guo, E N Jia. Delays in networked control systems: Analysis an dpreview [J]. Control and Decision, 2009, 24(1): 1-5
[8]
Yoram H, Asok R. Integrated communication and control systems: part i-analysis [J]. Journal of Dynamic Systems, Measurement and Control, 1988, 110(4): 367-373
[9]
Kim D S, Lee Y S, Kwon W H, et al. Maximum allowable delay bounds of networked control systems [J]. Control Engineering Practice, 2003, 11(11): 1301-1313
[10] X F Jiang, Q L Han. On designing fuzzy controllers for a class of nonlinear networked control systems [J]. IEEE Transactions on Fuzzy Systems, 2008, 16(4): 1050-1060 [11] H G Zhang, J Yang, C Y Su. T-s fuzzy-model-based robust H1 design for networked control systems with uncertainties[J]. IEEE Transactions on Industrial Informatics, 2007, 3(4): 289-301 [12] Chow M Y, Tipsuwan Y. Gain adaptation of networked dcmotor controllers based on QoS variations [J]. IEEE Transactions on 28 http://www.sj-ce.org
Industrial Electronics, 2003, 50(5): 936-943 [13] Tipsuwan Y, Chow M Y. Gain scheduler middleware: a methodology to enable existing controllers for networked control and teleoperation-parti: networked control [J]. IEEE Transactions IEEE Transactions on Industrial Electronics, 2004, 51(6): 1228-1237 [14] Cervin. A Integrated Control and Real-time Scheduling, 2003 [15] Tipsuwan Y, Chow M Y. Network-based controller adaptation for network QoS negotiation and deterioration [J]. Industrial Electronics Society, 2001, 3(27): 1794-1799 [16] Otanez P, Moyne J, Tilbury D. Using deadbands to reduce communication in networked control systems [J]. 2002, 4: 3015-3020 [17] 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, 27(9): 1301-1307. [Gao Zhennan, Xie Ronghua, Fan Weihua, Chen Qingwei. H control of wireless networked control systems with signal difference-based deadbands cheduling [J]. Control and Decision. 2012, 27(9): 1301-1307.] [18] Y B Zhao, G P Liu, Rees D. Using deadband in packet-based networked control systems [J]. IEEE Transactions on Control Systems Technology. 2009, 10: 2818-2823 [19] Hong Y, Walsh G C, Bushnell L G. Real-time mixed-traffic wireless networks [J]. IEEE Transactions on Industrial Electronics, 2001, 48(5): 883-890 [20] 庄严, 王伟, 恽为民. 基于网络的机器人控制技术研究现状与发展[J]. 机器人, 2002, 24(3): 276-282.[Zhuang Yan, Wang Wei, Yun Weiming. Status and Developmeng of Robotic Technologies Based on Networks [J]. Robot, 2002, 24(3): 276-282.] [21] 冯宜伟, 雒健. 基于网络的切换控制系统研究综述[J]. 人工智能与机器人研究, 2013, 2(3): 83-90.[Feng Yiwei, Luo Jian. Survey of Networked Control Systems Based On Switched Systems [J]. Artificial Intelligence and Robotics Research, 2013, 2(3): 83-90.] [22] 冯宜伟. 网络控制系统的量化反馈控制研究[D]. 博士学士论文, 2011. [Feng Yiwei. Research on Quantized Feedback Control for Networked Control Systems [D]. 2011.] [23] 刘磊明, 董朝南, 武延坤. 一种带有动态输出反馈控制器的网络控制系统的Markov跳变模型 [J]. 自动化学报, 2009, 35(5): 627-631. [Liu Leiming, Tong Chaonan, Wu Yankun. Markovian Jump Model of Networked Control Systems with Dynamic Output Feedback Controllers[J]. Acta Automatica Sinica, 2009, 35(5): 627-631.] [24] 马卫国, 邵诚. 网络控制系统随机稳定性研究[J]. 自动化学报, 2007, 33(8): 878-882.[Ma Weiguo, Shao Cheng. Stochastic Stability for Networked Control Systems[J] . Acta Automatica Sinica, 2007, 33(8): 878-882.] [25] J Wu, T W Chen. Design of networked control systems with packet dropouts [J]. IEEE Trans. Automat. Control, 2007, 52(7): 1314-1319 [26] Huang D, Nguang S K. State feedback control of uncertain networked control systems with random time delays [J]. IEEE Trans. Automat. Control, 2008, 53(3): 829-834 [27] Y Shi, B Yu. Output feedback stabilization of networked control system withrandom delays modeled by markov chains [J]. IEEE Trans. Automat. Control, 2009, 25(7): 1668-1674 [28] M Liu, Ho D W C, Y G Niu. Stabilization of markovian jump linear system over networks. with random communication delay [J]. Automatica, 2009, 45: 416-421 [29] D Yue, E G Tian, Z D Wang, et al. Stabilization of systems with probabilistic interval input delays and its applications to networked control systems [J]. IEEE Trans. Syst., and Man, and Cybern. A, 2009, 39(4): 939-945 [30] C Lin, Z D Wang, F W Yang. Observer-based networked control for continuous-time systems with random sensor delays [J]. Automatica, 2009, 45: 578-584 [31] H J Gao, X Y Meng, T W Chen. Stabilization of networked control systems with a new delay characterization [J]. IEEE Trans. Automat, 2008, 53(9): 2142-2148 [32] W H Deng, M R Fei. Stabilization of networked control system based on multiple communication channels with random delays [J]. Control and Decision, 2009, 24(11): 1635-1640 [33] Cloosterman M B G, Wouw V D N, Heemels W P M H, et al. Stabilization of networked control systems with uncertain time-varying delays [J]. IEEE Trans. Automat. Control, 2009, 54(7): 1575-1580 29 http://www.sj-ce.org
[34] 张湘, 肖建. 分布式网络控制系统的输出反馈控制[J]. 西南交通大学学报, 2007, 42(1): 29-34. [X Zhang, J Xiao. Output feedback control for distributed network control system [J]. Journal of Southwest Jiaotong University, 2007, 42(1): 29-34.] [35] F L Lian. Analysis, Design, Modeling and Control of Networked Control Systems 2001. [36] 会国涛, 王迎春, 张化光. 具有随机时延的网络控制系统周期反馈控制[J]. 控制与决策, 2013, 28(5): 706-710. [Hui Guotao, Wang Yingchun, Zhang Huaguang. Periodic feedbach control for networked control systems with stochastic time-dalay [J]. Control and Decision, 2013, 28(5): 706-710.] [37] W A Zhang, Y Li. Output Feedback Stabilization of Network Control Systems with Packet Dropouts [J]. IEEE Trans Automatic Control, 2007, 52(9): 1705-1710 [38] D Ma, J Zhao. Exponential Stabilization of Networked Control Systems and Design of Switching Controller [J]. IEEE Trans on Automatic Control, 2006, 1: 96-101 [39] M Yu, L Wang, G Xie. A Switched System Approach to Stabilization of Networked Control Systems [J]. IEEE Trans on Automatic Control, 2006, 1: 86-95 [40] H Lin, G Zhai, Antsakis P J. Asymptotic Stability and Disturbance Attenuation Properties for a Class of Networked Control Systems [J]. Control Theory and Applications, 2006, 1: 76-85 [41] H Lin, Antsakis P J. Stability and Persistent Disturbance Attenuation Properties for A Class of Networked Control Systems: Switched System Approach [J]. Control Theory and Applications, 2005, 78(8): 1447-1458 [42] Y Wang, G H Yang. H∞ control of networked control systems with time delay and packet disordering [J]. IET Control Theory and applications, 2007, 1(5): 1344-1354 [43] 邱占芝, 张庆灵. 具有数据包丢失的奇异网络控制系统指数稳定性[J]. 控制与决策, 2009, 24(6): 837-842. [Z Z Qiu, Q L Zhang. Exponential stability for singular networked control systems with packet dropout [J]. Control and decision, 2009, 24(6): 837-842.] [44] H B Li, Chow M Y, Z Q Sun. EDA-based speed control of a networked DC motor system with time delays and packet losses [J]. IEEE Trans. Ind. Electron, 2009, 56(5): 1727-1735 [45] Yu J, Wang L, Zhang G, et al. Output feedback stabilization of networked control systems via switched system approach [J]. Int. J. Control, 2009, 82(9): 1665-1677 [46] 宋阳, 董豪, 费敏锐. 基于切换频度的马尔科夫网络控制系统均方指数镇定[J]. 自动化学报, 2012, 38(5): 876-881. [Song Yang, Dong Hao, Fei Minrui. Mean square exponential stabilization of Markov networked control systems based on switching frequentness[J]. Acta Automatica Sinica, 2012, 38(5): 876-881.] [47] E Tian, D Yue, X Zhao. Quantised control design for networked control systems. IET Control Theory Appl., 2007, 1(6): 1693-1699 [48] Y G Niu, T G Jia, X Y Wang, et al. Output-feedback control design for NCSs subject to quantization and dropout [J]. Information Science, 2009, 179(21): 3804-3813 [49] Coutinho D F, Fu M Y, De S C E. Input and output quantized feedback linear systems [J]. IEEE Trans. Automat. Control, 2010, 55(3): 761-766 [50] Trivellato M, Benvenuo N. Statecontrol innetworkedcontrol systems under packet drops and limited transmission Bandwidth [J]. IEEE Transactions on Communications, 2010, 58(2): 611-622
【作者简介】 冯宜伟（1973-） ，男，汉，博士，副教授，研究领方向：网
冯平（1989-） ，女，汉，学士，学生，研究方向：基于模
络控制、鲁棒控制。
型的网络控制。
30 http://www.sj-ce.org