非线性离散系统的迭代学习控制方法及其应用*

本文根据误差收敛准则，提出了非线性离散系统的迭代学习算法，给出了ＰＩＤ型学习控制的收敛条件，并证明了ＰＩＤ型学习控制对预定轨线的逼近特性，在交流变频电机起动过程控制中应用表明，使用本文方法可以得到实用的结果。     

非线性离散系统的近似最优跟踪控制

研究非线性离散系统的最优跟踪控制问题. 通过在由最优控制问题所导致的非线性两点边值问题中引入灵敏度参数, 并对它进行Maclaurin级数展开, 将原最优跟踪控制问题转化为一族非齐次线性两点边值问题. 得到的最优跟踪控制由解析的前馈反馈项和级数形式的补偿项组成. 解析的前馈反馈项可以由求解一个Riccati差分方程和一个矩阵差分方程得到. 级数补偿项可以由一个求解伴随向量的迭代算法近似求得. 以连续槽式反应器为例进行仿真验证了该方法的有效性．     

基于最小二乘算法及神经网络的非线性离散系统的自适应控制

针对有关文献所设计的控制律，在一较弱的条件下，去掉了符号运算部分，证明该控制律可避免“零除”问题，提高了运算速度。对于这种基于神经网络和LS算法的自适应控制问题，证明了系统状态落入一紧集中，闭环系统的所有信号都是有界的，且系统输出和参考输出之间的跟踪误差收敛于以零为原点的某一有界球中。     

一类非线性离散系统的直接自适应模糊控制

针对一类含延迟非线性离散系统,提出了一种直接自适应模糊控制器设计的新方案．将系统用T-S模糊模型来表示,并基于并行分布补偿(PDC)基本思想设计了一种具有未知参数的模糊控制器,同时采用梯度下降算法对该控制器的参数进行在线辨识．通过输入到状态稳定(ISS)方法,证明了系统输出和参考输出的误差有界且满足一定的平均性能．仿真表明本方法的有效性．     

非线性离散系统的反馈线性化

本文研究一类多输入非线性离散系统的线性化问题，给出了非线性离散系统状态反馈线性化的充要条件。     

非线性离散系统基于观测器的反馈控制

针对一类非线性离散系统,首先提出了一种新的容易实现的状态观测器设计了方案,并证明了观测器的收敛性,其次设计了系统基于观测器的输出反馈稳定化控制器,最后给出了数值算例,仿真结果表明,本文设计方法的有效性。     

纯反馈非线性离散系统的自适应神经网络控制

针对一类未知的纯反馈非线性离散系统,提出了基于反步法设计的自适应神经网络控制方法.为避免反步法设计中可能出现的因果矛盾问题,首先将系统进行等价变换,然后利用隐函数定理证实了理想虚拟控制输入和实际控制输入的存在性.利用高阶神经网络估计这些控制量,并基于反步法设计自适应神经网络控制系统,证明了闭环系统半全局一致最终有界.仿真结果验证了所提出方法的有效性.     

基于信息融合最优估计的非线性离散系统预测控制

针对非线性离散系统的二次型最优预测控制问题, 提出了一种基于信息融合最优估计的迭代预测控制算法. 通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息, 以及系统状态方程和输出方程的硬约束信息, 获得协状态序列和控制序列的最优估计. 通过二自由度机器人操作手的转移控制仿真, 表明了该控制算法具有良好的稳定性和鲁棒性.     

非线性系统迭代学习算法

对于一个未知的非线性连续系统或离散系统,从任给的一个初始控制出发,尝试实现一条给定的输出目标轨线.在满足一定条件下,利用跟踪误差来修正控制函数,经过反复的迭代学习可以取得满意的效果.本文改进了Arimoto、Togai和Bien等的开环迭代学习的收敛条件,并提出闭环迭代学习算法.理论与仿真结果证明了闭环算法在收敛条件、速度和抗干扰能力上都优于开环算法.     

一类离散模糊系统的迭代学习控制算法

针对离散T-S模糊系统的终端控制问题,提出了一种基于离散Legendre正交多项式的迭代学习算法。该算法把待求控制量表示为离散Legendre正交多项式的线性组合,将求控制量问题转化为求离散Legendre正交多项式系数问题。在此基础上,用迭代学习的方式来修正控制量的离散Legendre系数,并运用不确定离散系统的H∞设计方法求解学习增益矩阵。最后以机器人为例进行仿真,仿真结果表明了所提算法能实现工业机器人的精确定位。     

多输入不确定离散时滞系统的灰色滑模控制

针对存在时变参数不确定性和随机干扰的多输入不确定离散时滞系统,设计了基于LMI的滑模控制器以消除时滞的影响,并使系统状态在有限时间内收敛到零,然后对系统的不确定部分建立灰色估计模型,并进一步设计了灰色补偿器。仿真结果表明,采用所设计的灰色滑模控制器,不仅有效地消除了时滞的影响,抑制了时变参数不确定因素和随机干扰,而且保证多输入不确定离散时滞系统具有良好的鲁棒稳定性。     

Noise-Tolerant ZNN-Based Data-Driven Iterative Learning Control for Discrete Nonaffine Nonlinear MIMO Repetitive Systems

Aiming at the tracking problem of a class of discrete nonaffine nonlinear multi-input multi-output (MIMO) repetitive systems subjected to separable and nonseparable disturbances, a novel data-driven iterative learning control (ILC) scheme based on the zeroing neural networks (ZNNs) is proposed. First, the equivalent dynamic linearization data model is obtained by means of dynamic linearization technology, which exists theoretically in the iteration domain. Then, the iterative extended state observer (IESO) is developed to estimate the disturbance and the coupling between systems, and the decoupled dynamic linearization model is obtained for the purpose of controller synthesis. To solve the zero-seeking tracking problem with inherent tolerance of noise, an ILC based on noise-tolerant modified ZNN is proposed. The strict assumptions imposed on the initialization conditions of each iteration in the existing ILC methods can be absolutely removed with our method. In addition, theoretical analysis indicates that the modified ZNN can converge to the exact solution of the zero-seeking tracking problem. Finally, a generalized example and an application-oriented example are presented to verify the effectiveness and superiority of the proposed process.

     

离散非线性系统的迭代学习轨迹跟踪鲁棒算法优化及应用

针对一类存在随机输入状态扰动、输出扰动及系统初值与给定期望值不严格一致的离散非线性重复系统,提出了一种P型开闭环鲁棒迭代学习轨迹跟踪控制算法．基于λ范数理论证明了算法的严格鲁棒稳定性,并通过多目标函数性能指标优化P型开闭环迭代学习控制律的增益矩阵参数,保证了优化算法下系统输出期望轨迹跟踪误差的单调收敛性,达到提高学习算法收敛速度和跟踪精度的目的．最后应用于二维运动移动机器人的实例仿真,验证了本文算法的可行性和有效性．     

具有滞后的饱和非线性工业控制系统的迭代学习控制

基于稳态优化中递阶控制结构,对具有滞后的非平滑饱和非线性工业控制系统施行迭代学习控制,提出了期望目标轨线δ-可达以及迭代学习算法的ε-收敛的慨念,给出了加权超前PD-型开环迭代学习算法,对算法的收敛性进行论证.数字仿真证明了算法的有效性,并表明对工业控制系统的动态品质有显著改进.     

Chattering Free Sliding Mode Control for Uncertain Discrete Time‐Delay Singular Systems

The problem of chattering free sliding mode control for a class of uncertain discrete singular systems with state delay is investigated in this paper. As a component of the solution, a new least squares support vector machine (LS‐SVM) reaching law is proposed. In terms of linear matrix inequalities, a delay‐dependent condition for sliding mode dynamics to be regular, causal, and asymptotically stable is established, and the chattering problem that appears in traditional variable structure systems is eliminated. Numerical examples are provided to demonstrate the applicability of the proposed methods.     

网络控制系统中考虑动态延时的广义预测控制算法

基于网络控制系统的状态空间统一模型和对网络动态延时的预测,提出了一种预测步数可变的广义预测控制算法,并基于实际对象的数学模型进行了仿真验证．结果表明,所提算法可很好地适应延时波动,且具有较好的控制效果．     

网络诱导延时对基于网络学习的神经网络PID控制系统的影响及分析

首先介绍了网络学习控制系统,并用 MATLAB 对以神经网络作为网络学习控制器的控制系统进行实例仿真。仿真结果表明网络诱导延时越大,系统控制性能越差。最后对仿真结果做了简单分析。     

一种MANET多播方法及其时延控制策略

文章提出了一种新的基于时延控制的MANET多播方法,不需要维护全局的路由信息,而采用按需路由发现策略,动态建立路由信息及维持多播组成员关系。给出了时延控制算法,算法有助于提高多播在移动环境中的鲁棒性。仿真实验显示在带宽较低的移动无线网环境中,时延控制可以提高传输可靠性和执行效率。