超前采样时间迭代学习的下肢康复机器人轨迹跟踪控制

为了实现下肢康复机器人在康复训练过程中高精度的末端轨迹跟踪控制,提出了一种利用超前采样时间的鲁棒自适应迭代学习控制方法。所述超前采样时间迭代算法,是指利用之前运行批次在t+Δ采样时刻的髋膝关节力矩输出,优化调整下一次运行时刻t处的关节力矩给定。仿真结果表明,采用超前采样时间迭代控制,末端轨迹误差具有更快的收敛速度和跟踪精度,并且具有较好的抗干扰性能。     

基于路口相位方案优化设计的城市道路交通信号迭代学习控制方法研究

城市道路交叉口信号控制是交管工作持续关注的课题,关于协调好有限的道路资源与日益增长的交通需求之间的矛盾,有着至关重要的作用。由于道路自身条件约束,交通流的组成特点复杂,路网交通路呈现非线性动态特征,无法进行精准的数学建模控制。本文提出的迭代学习控制方法,根据交通流的组成和变化特点调整信号控制周期及有效绿灯时长,实现交通信号动态优化控制,保证车辆在路网中能够高效、平稳地通行,是针对非线性动态交通流的一种动态寻优控制算法,能够有效减少路口车辆等待时间、提高通行效率。考虑对不同相位设计方案的适应性,在传统配时优化模型的基础上,构建综合相位设计元素的交通信号迭代学习控制模型,并通过Vissim仿真软件和Python编程语言搭建仿真测试环境,验证了提出模型的有效性。     

输出重定义下的非线性非最小相位系统迭代学习控制

讨论非线性非最小相位系统实现完全跟踪的迭代学习控制方法, 适于在有限作业区间上重复运行的受控系统. 在控制器设计时, 通过输出重定义以使非最小相位系统的零动态变成渐近稳定特性. 分别采用部分限幅和完全限幅两种学习算法设计控制器, 理论分析表明两种算法能够保证学习系统中所有变量的有界性和跟踪误差在整个作业区间上渐近收敛于零. 数值仿真验证了两种迭代学习控制系统的跟踪性能.     

迭代学习控制在烟叶发酵系统中的应用

烟叶发酵是一个十分复杂的过程，其数学模型难以建立。为了对发酵室的温度、湿度进行理想的跟踪控制，提出了一处以寻求期望输入的迭代学习控制方法，在总结人工经验的基础上，给出了设计学习律的具体思路。仿真结果表明效果良好。     

机器人模糊迭代学习控制及其仿真研究

在机器人的轨迹跟踪的迭代学习控制中，迭代学习的学习律难以选择，本文结合自校正控制、模糊逻辑和迭代学习控制的基本思想，提出采用自适应模糊控制确定学习效率的方法，并采用Matlab软件的Simulink对该方法应用于机器人高精度的轨迹跟踪控制的情况进行了仿真研究，结果表明该方法具有学习控制律简单实用、跟踪精度高、学习速度快、鲁棒性强等优点。     

一类线性离散切换系统的迭代学习控制

考虑具有任意切换序列线性离散切换系统的迭代学习控制问题. 假设切换系统在有限时间区间内重复运行, P型ILC算法可实现该类系统在整个时间区间内的完全跟踪控制. 采用超向量方法给出了算法在迭代域内收敛的条件, 并在理论上分析了的收敛性. 仿真示例验证了理论的结果.     

基于稳定逆的非最小相位系统的迭代学习控制

针对迭代学习控制在非最小相位系统上应用效果差的缺点,根据最优化性能指标和非因果的稳定逆理论,提出了一种基于稳定逆的最优开闭环综合迭代学习控制,分析了学习律的收敛性并给出了此种非因果的学习律在实际应用中的运用方式.     

迭代学习控制理论的发展动态

迭代学习控制（ILC）适合于具有某种重复运动（运行）性质的被控对象，可 实现有限时间区间上的完全跟踪任务．本文综述了迭代学习控制的基本内容和最新发展动态 ，对迭代学习控制的基本理论进行了分类研究，并讨论其存在的问题和发展趋势．     

基于迭代学习控制的移动机器人轨迹跟踪控制

为提高移动机器人对特定轨迹的重复跟踪能力,提出了采用开闭环PD型迭代学习控制算法对移动机器人进行轨迹跟踪控制的方法。建立了包含外界干扰的非完整约束条件下的轮式移动机器人运动学模型,给出了系统的控制算法和控制结构。仿真结果表明,采用开闭环PD型迭代学习控制算法对轨迹跟踪是可行有效的,收敛速度优于其他迭代学习算法。     

非最小相位系统的扩展Laguerre基函数迭代学习控制

针对非最小相位系统的跟踪问题,提出了一种新的基函数迭代学习控制算法.该算法利用新型的非因果Laguerre扩展基函数逼近系统逆传递函数,设计最优迭代学习律使系统输入收敛到系统的稳定逆,保证了控制性能.算法不依赖于系统的先验模型,仅需以基函数信号作为系统输入进行模型辨识,减少了模型不确定性的影响.通过对单连杆柔性机械臂这样的典型非最小相位系统跟踪问题的仿真,验证了该方法的良好效果.     

线性广义系统P型迭代学习控制离散频域收敛性

针对一类线性广义系统,研究其P型迭代学习控制在离散频域中的收敛性态。在离散频域中,对广义系统进行奇异值分解后,利用傅里叶级数系数的性质和离散的Parseval能量等式,推演了一阶P型迭代学习控制律跟踪误差的离散能量频谱的递归关系和特性,获得了学习控制律收敛的充分条件;讨论了二阶P型迭代学习控制律的收敛条件。仿真实验验证了理论的正确性和学习律的有效性。     

基于未知高频增益的非线性系统自适应迭代学习控制

针对一类单输入单输出不确定非线性重复跟踪系统,提出一种基于完全未知高频反馈增益的自适应迭代学习控制.与普通迭代学习控制需要学习增益稳定性前提条件不同,自适应迭代学习控制通过不断修改Nussbaum形式的高频学习增益达到收敛.经证明当迭代次数i→∞时,重复跟踪误差可一致收敛到任意小界δ.仿真结果表明了该控制方法的有效性.     

On learning transient,auto-tunings of learnable bandwidth and lead step in iterative learning control

The learning transient and tracking accuracy of phase lead compensation iterative learning control are determined by its three parameters: learning gain, system learnable bandwidth and lead step. Because of the model inaccuracy, the learnable bandwidth is often chosen as a conservative value, which often degrades the learning performance. In this article, the learning transient is analysed and the tuning of learnable bandwidth and lead step are developed to achieve good learning transient and tracking accuracy simultaneously. The attractive properties include that the less dependence on system model and that the tracking error during this process keeps at a very low level. Experimental results on an industrial robot are presented to verify the tuning process.     

有限频域线性重复过程的动态迭代学习控制

针对不同相对度的离散线性重复过程,研究有限频域范围的动态迭代学习控制问题.对于零相对度和高相对度的控制对象,结合二维(2D)系统理论,分别设计有限频域的动态迭代学习控制器;然后,运用广义Kalman-Yakubovich-Popov(KYP)引理,以线性矩阵不等式(LMI)的形式给出控制器存在的充分条件以及控制器的增益...     

不确定离散线性系统的鲁棒单调反馈–前馈迭代学习控制

针对一类不确定离散线性系统,提出一种沿迭代方向鲁棒单调收敛和沿时间方向有界输入有界输出(bouned-input bounded-output,BIBO)稳定的反馈–前馈迭代学习控制策略.首先,将不确定反馈–前馈迭代学习系统表示为不确定二维Roesser模型系统;然后,把二维系统沿迭代方向的鲁棒单调收敛问题转化成一维系统的H∞干扰抑制控制问题,并给出系统的稳定性证明和用线性矩阵不等式(linear matrix inequality,LMI)表示的沿迭代方向鲁棒单调收敛的充分条件,该LMI充分条件不仅可以用于确定反馈–前馈控制器的增益矩阵,而且还可以保证系统沿时间轴方向是BIBO稳定的;最后,仿真结果证明了该反馈–前馈迭代学习控制策略的有效性.     

分数阶迭代学习控制的收敛性分析

本文将传统的迭代学习控制时域和频域分析方法扩展到一类针对分数阶非线性系统的分数阶迭代学习控制时域分析方法.提出了一类新的分数阶迭代学习控制框架并简化了收敛条件,且证明了常增益情况下两类分数阶迭代学习控制收敛条件的等价性问题.该讨论进一步引出了如下两个结果:分数阶不确定系统的分数阶自适应迭代学习控制的可学习区域以及理想带阻型分数阶迭代学习控制的框架.上述结果均得到了仿真验证.     

Further results on iterative learning control with convergence conditions for linear time-variant discrete systems

This article is concerned with some further results on iterative learning control (ILC) algorithms with convergence conditions for linear time-variant discrete systems. By converting two-Dimensional (2-D) ILC process of the linear time-variant discrete systems into 1-D linear time-invariant discrete systems, this article presents convergent ILC algorithms with necessary and sufficient conditions for two classes of linear time-variant discrete systems. Main results in (Li, X.-D., Ho, J.K.L., and Chow, T.W.S. (2005), ‘Iterative Learning Control for Linear Time-variant Discrete Systems Based on 2-D System Theory’, IEE Proceedings, Control Theory and Applications, 152, 13–18 and Huang, S.N., Tan, K.K., and Lee, T.H. (2002), ‘Necessary and Sufficient Condition for Convergence of Iterative Learning Algorithm’, Automatica 38, 1257–1260) are extended and generalised.     

迭代学习在PID控制中的应用

利用迭代学习过程记忆的期望控制、期望轨迹以及跟踪误差,提出了拟合控制系统的PID控制器参数的方法。用这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。仿真实例表明了这种方法具有很好的可行性和实用性。     

基于互补滑模控制和迭代学习控制的永磁直线同步电动机速度控制

为满足永磁直线同步电动机(PMLSM)伺服系统高速度高精度的要求,抑制不确定性对系统性能的影响,提出一种互补滑模控制(CSMC)和迭代学习控制(ILC)相结合的控制方法.该方法结合了CSMC强鲁棒性的优点和ILC跟踪精度高的特点,以CSMC中积分滑模面为基础设计新型迭代学习律,既可利用ILC对系统未建模动态进行估计,抑制端部效应、齿槽效应和摩擦力等周期不确定性的影响,又可利用CSMC减小参数变化和外部扰动等非周期不确定性对系统的影响,从而提高控制器的收敛速度和收敛精度,保证系统具有较强的速度跟踪性能.实验结果表明,该方法有效地提高了系统的动态响应能力,改善了速度跟踪精度.