[论文解读] Cloud Control AGV over Rayleigh Fading Channel -- The Faster The Better

Shreya Tayade, Peter Rost+2 more|arXiv (Cornell University)|May 10, 2019

Traffic control and management参考文献 16被引用 4

一句话总结

本文研究了在瑞利衰落信道下云控AGV的稳定性，表明更高的AGV速度通过降低信道相关性和连续丢包概率，减少了不稳定性风险。出人意料的是，尽管对中断容忍度的要求更严格，更快的移动反而提高了可靠性，揭示了工业自动化中控制与通信系统协同设计的关键机遇。

ABSTRACT

This paper analyzes the stability of the control system of an Autonomous Guided Vehicle (AGV) using a central controller. The control commands are transmitted to an AGV over a Rayleigh fading channel causing potential packet drops. This paper analyzes the mutual dependencies of control system and mobile communication system. Among the important parameters considered are the sampling time of the discrete control system, the maximum tolerable outages for the control system, the AGV velocity, the number of users, as well as mobile communication channel conditions. It is shown that increasing the velocity of an AGV leads to a lower risk of instability due to the higher time-variance of the mobile channel. While this still is a 'sandbox' example, it shows the potential for a manifold co-optimization of control systems operated over imperfect mobile communication channels.

研究动机与目标

• 分析云控AGV中控制系统稳定性与移动通信信道条件之间的相互依赖关系。
• 确定在不同速度和采样时间下，稳定AGV运行所能容忍的最大连续信道中断数量。
• 研究AGV速度如何影响信道相关性及其对控制系统稳定性的影响。
• 探索在工业自动化场景中控制与通信系统协同优化的潜力。

提出的方法

• 将AGV控制系统建模为采样周期为 $ T_s $ 的离散时间系统，其中控制指令通过瑞利衰落信道从中心云控制器发送。
• 根据控制系统稳定性要求和信道中断概率，定义最大可容忍连续中断数 $ n_{\text{max}} $。
• 使用瑞利衰落信道模型计算连续报文错误概率 $ P_e(n) $，其取决于多普勒扩展和采样时间。
• 分析AGV速度对多普勒频移和信道相关性的影响，这些因素直接影响连续中断的可能性。
• 通过数值仿真，评估系统不稳定性概率 $ P_{us} $ 作为采样时间 $ T_s $、AGV速度和信道相关时间 $ T $ 的函数。
• 应用信道相关性概念，推导出更高速度（更低相关性）与更严格中断容忍度之间的权衡关系。

实验结果

研究问题

• RQ1 提高AGV速度如何影响瑞利衰落信道中连续丢包的概率？
• RQ2 控制系统在变得不稳定之前能容忍的最大连续信道中断数 $ n_{\text{max}} $ 是多少？
• RQ3 采样时间 $ T_s $ 如何在不同信道条件下影响AGV控制系统的稳定性？
• RQ4 尽管对中断要求更严格，更高的AGV速度是否仍能降低整体系统不稳定性概率？
• RQ5 对于给定的AGV速度和信道相关性，使不稳定性概率最小化的最优采样时间 $ T_s $ 是多少？

主要发现

• 更高的AGV速度通过降低信道相关性，减少了连续丢包的概率，从而降低了持续深度衰落的可能性。
• 尽管对中断容忍度的要求更严格，但高速下连续错误概率的降低占主导地位，导致整体不稳定性概率降低。
• 在给定速度下，增加采样时间 $ T_s $ 初期通过降低信道相关性减少不稳定性概率，但超过某一最优点后，更严格的中断要求占主导，导致不稳定性增加。
• 在 $ T = 333 $ s 时，不稳定性概率 $ P_{us} $ 在 $ T_s = 5 $ s 时达到最小值，表明此时存在最优采样间隔以实现稳定性。
• 对于低速情况（例如 $ T = 500 $ s），最优采样时间为6 ms；而对于 $ T = 1000 $ s，最优采样时间增加至7 ms，表明最优 $ T_s $ 取决于速度和信道相关性。
• 结果表明，提高行驶速度可通过降低信道衰落的影响来提升系统稳定性，揭示了一个反直觉但极具价值的控制与通信系统协同设计洞见。