不确定时变系统的鲁棒学习控制算法

研究不确定性时变系统在有限时间区间上重复作业和在无限时间区间上周期作业的跟踪控制问题. 基于Lyapunov-like方法, 给出了形式简单的鲁棒迭代学习控制和鲁棒重复控制两种算法. 两种学习算法均可弥补单一控制算法的缺陷, 鲁棒控制部分被用来保证闭环系统中所有变量的有界性, 学习控制部分可有效消除系统跟踪误差, 改善系统的跟踪性能. 仿真结果验证了两种学习算法的有效性.     

有限时间死区修正迭代学习控制器的设计

在任意初始定位条件下,讨论具有限时间死区修正的迭代学习控制器设计方法.针对一类高阶不确定非线性时变系统,通过将其不确定性项线性参数化表达,进行迭代学习控制器设计:并考虑不确定项界函数参数化情形下的鲁棒迭代学习控制方法.通过引入有限时间死区,设计的控制器可使得所定义的误差函数在有限时间内收敛至零;进而依据能控格莱姆矩阵构造的初始修正项可使得系统在预先指定的时间区间上实现完全龈踪.理论分析及数值仿真结果表明,在保证误差函数始终囿于所设计的有限时间死区内的同时,闭环系统中所有信号均有界.     

非线性系统高阶迭代学习算法

结合迭代学习控制算法中的开环和闭环方案，本文针对更一般的非线性系统，讨论高阶算法的广泛适用性。理论和仿真结果表明了高阶算法在输出跟踪和干扰抑制方面的有效性。     

初态学习下的迭代学习控制

提出一种新的初态学习律，以放宽常规迭代学习控制方法的初始定位条件．它允许一定的定位误差，在迭代中不需要定位在某一具体位置上，使得学习控制系统具有鲁棒收敛性．针对二阶LTI系统，给出了输入学习律及初态学习律的收敛性充分条件．依据收敛性条件，学习增益的选取需系统矩阵的估计值，但在一定建模误差下，仍能保证算法的收敛性．所提出的初态学习律本身及其收敛性条件均与输入矩阵无关．     

高阶P型学习控制的鲁棒性

通过线性化处理，本文将开闭环配合的高阶Ｐ型迭代学习控制律的适用范围推广到更一般的非线性动态系统。对于ＵＢＢ初始条件和周期干扰，以及渐进重复初始条件和干扰的情形，文中分别证明了学习过程的渐进有界和一致收敛性。仿真结果表明了这类控制器的鲁棒性能。     

一种自适应吸引律离散时间控制方法

针对一类输入输出描述的离散时间系统, 提出一种基于自适应切换增益的吸引律. 该方法能够根据不确定干扰变化率对闭环系统影响的强弱自动调整切换增益大小, 且可直接反映误差动态特性. 同时, 给出了闭环系统跟踪误差首次穿越原点所需的最多步数, 并推导出系统绝对吸引层和稳态误差带边界的具体表达式, 用于表征闭环系统跟踪误差的收敛性能和稳态性能. 数值仿真和电机伺服系统上的实验结果均验证了所提出方法的有效性.

     

大型环境模拟系统的模糊控制

在常现Fuzzy控制器的基础上,结合环境模拟系统的特点,即多试验室、变化的试验对象、大惯性过程、单向控制作用、环境气候影响以及长传输线干扰等,提出了一种大惯性、不确定对象的温度Fuzzy实现方案,给出了实际运行的结果.     

时变机器人系统的重复学习控制：一种混合学习方案(英文)

Repetitive learning control is presented for finite- time-trajectory tracking of uncertain time-varying robotic sys- tems.A hybrid learning scheme is given to cope with the con- stant and time-varying unknowns in system dynamics,where the time functions are learned in an iterative learning way,without the aid of Taylor expression,while the conventional differential learning method is suggested for estimating the constant ones. It is distinct that the presented repetitive learning control avoids the requirement for initial repositioning at the beginning of each cycle,and the time-varying unknowns are not necessary to be periodic.It is shown that with the adoption of hybrid learning, the boundedness of state variables of the closed-loop system is guaranteed and the tracking error is ensured to converge to zero as iteration increases.The effectiveness of the proposed scheme is demonstrated through numerical simulation.     

迭代学习控制器设计: 一种有限时间死区方法

提出系统不确定性项定常参数化和时变参数化情形下的控制器设计方法,它允许初始位置任意设置且定位误差不要求足够小.在设计的控制器中,采用有限时间死区技术,以保证跟踪误差收敛到这种死区所确定的区域.提出初始修正吸引子的概念,构造的时变死区含这种初始修正吸引子,以使得闭环系统在给定时间区间上可实现完全跟踪.理论分析与仿真结果表明,跟踪误差信号在一预先指定区间上收敛到零,在起始区间段上被囿于死区所确定的区域中;并保证闭环系统中所有信号是有界的.     

任意初态下不确定时滞系统的PD型迭代学习控制*

针对不确定时滞系统讨论带有初始修正的ＰＤ型迭代学习控制算法，给出这类系统的输出极限轨迹，以及迭代输出收敛于该极限轨迹的较弱的充分条件，其中将初始条件放宽为某任意可达初始状态函数的可重复性。仿真结果表明这种算法中的初始修正项可以有效地抑制初始偏移的影响。