徐　旺，葛　愿，王　炎（安徽工程大学电气工程学院，安徽芜湖　241000）

基于ARIMA的NCS随机时延预测

徐旺，葛愿∗，王炎
（安徽工程大学电气工程学院，安徽芜湖241000）

提出一种基于自回归求和滑动平均（Autoregressive Intergrated Moving Average，ARIMA）模型预测网络化控制系统（Networked Control System，NCS）随机时延的方法，对随机时延序列进行数据预处理，建立模型进行预测，同时进行了理论推导和仿真实验.结果表明，采用ARIMA模型可对NCS随机时延准确预测，并与基于ARMA模型的预测结果进行比较，预测精度得到了提高.

NCS随机时延；自回归求和滑动平均；时延预测

随着互联网的迅速发展，网络和控制系统的结合逐渐成为研究的热点.其中，关于网络化控制系统（Networked Control System，NCS）的研究已经成为当前自动化领域中的一个前言课题.网络化控制系统是一种通过传感器、控制器和执行器之间数据交换的分布式实时反馈控制系统，具有安装简单、系统可靠、远程控制等优点.控制系统引入网络后，其性能将因网络时延的存在而受到影响［1-3］.网络时延成为影响网络化控制系统性能的一个主要因素，故准确预测网络时延有助于提升网络化控制系统的性能.

基于现有的研究发现，针对网络化控制系统时延预测主要有以下几个大方向：基于回归建模预测方法［4-5］，其需要对模型精确建模，其模型参数的求解过程复杂，很难在线递推；基于神经网络预测方法［6］，其存在易于陷入局部最优值以及过分依赖输入时延序列的自相关系数的问题；基于支持向量机预测方法［7］，其预……