面向大规模无线网络控制系统的通信-控制代码设计

无线网络控制系统（WNCS）是行业4.0的关键技术，能够实现无人机群体和自主机器人等应用场景下的灵活控制。通信与控制之间的相互依赖性要求进行集成设计，但传统方法通常将二者分离处理，导致效率低下。当前的方法常依赖简化模型，侧重于单环或独立的多环系统。然而，大规模WNCS面临独特挑战，包括耦合的控制回路、时序相关的无线信道、感知与控制传输之间的权衡，以及显著的计算复杂度。为此，我们提出一种实用的WNCS模型，能够捕捉多个控制回路之间相关动态，涉及空间分布的传感器和执行器，通过多状态马尔可夫块衰落信道共享有限无线资源。我们将代码设计问题形式化为一个序列决策任务，联合优化估计、控制和通信域中的调度与控制输入。为解决该问题，我们开发了一种深度强化学习（DRL）算法，有效处理混合动作空间，捕捉通信-控制相关性，同时应对稀疏跨域变量和浮动控制输入导致的训练鲁棒性问题。大量仿真结果表明，所提出的DRL方法在基准方法上显著优越，成功解决了大规模WNCS的代码设计问题，为工业自动化提供了可扩展的解决方案。