带遗忘因子的高阶闭环迭代学习控制器设计

为了解决迭代学习控制对系统存在的不确定性和非重复性干扰的鲁棒性问题,提出了一种带有遗忘因子的高阶闭环迭代学习控制器.该控制器中控制量包括反馈和前馈部分;其中,反馈控制采用简单的PID控制,迭代学习控制器设计为高阶PID型,它以前馈控制的形式作用于对象.通过引入遗忘因子对迭代学习控制器沿迭代方向进行滤波以,削弱系统模型的不确定部分及非重复干扰对系统收敛性的影响.仿真实验证明了该学习控制器的有效性和实用性.     

基于反馈控制的迭代学习控制器设计

针对具有不确定项或干扰项的重复非线性时变系统,提出了基于反馈控制的迭代学习控制器,其中迭代学习控制器设计为高阶PD型,它以前馈的形式作用于对象,在满足一定的收敛性条件下,证明了该控制器的跟踪误差界是系统初始状态误差界和系统输出干扰项界的线性函数,同时改变反馈增益可以调整系统的最终跟踪误差界,仿真与实验均表明了该方法的有效性。     

时变非线性系统迭代学习控制遗忘因子算法

针对迭代学习P型控制算法对初始偏差和输出误差扰动的敏感性问题,研究了一种带有遗忘因子的时变非线性系统的迭代学习控制方法.在有扰动的情况下,利用迭代学习过程记忆的期望轨迹,期望控制以及跟踪误差,通过有界学习增益和批次时变因子设计学习控制器,并基于算子理论给出了控制算法存在的充分必要条件及其收敛性分析,改善了系统的鲁棒性和动态特性.最后以注塑机的注射速度控制仿真验证了本文算法的有效性.     

非线性系统迭代跟踪控制的批次遗忘学习算法

针对P型迭代学习算法对初始偏差和输出误差扰动敏感,以及PD型迭代学习算法容易放大系统噪声,降低系统鲁棒性的问题,研究了具有任意有界扰动及期望输出的重复运行非线性时变系统的PD型迭代学习跟踪控制算法.利用迭代学习过程记忆的期望轨迹、期望控制以及跟踪误差,给出基于变批次遗忘因子的学习控制器设计,并借助λ范数理论和Bellman-Gronwall不等式,讨论保证闭环跟踪系统批次误差有界的学习增益存在的充分必要条件,及分析控制算法的一致收敛性.本算法改善了系统的鲁棒性和动态特性,单关节机械臂的跟踪控制仿真验证了方法的有效性.     

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。     

非线性系统闭环P型迭代学习控制的收敛性

本文得到并证明了当被控系统的状态方程为一类非线性方程时，采用闭环Ｐ型学习律迭代学习控制的收敛的充分条件和必要条件，最后，我们给出了典型的仿真结果。     

高速列车隧道压力波模拟迭代遗忘因子控制

高速列车在隧道运行、隧道交会时车内、外会产生交替变化的气压差,对车体气密性及材料耐疲劳强度提出更高要求.基于Matlab和AMESim构建联合仿真平台,设计高速列车隧道压力波模拟系统.使用实测隧道压力波数据作为期望输出,研究车体气密疲劳性能.考虑到模拟系统非线性、大时滞及多扰动特点,采用一种带有时变遗忘因子的开环迭代PID控制算法.仿真结果表明,其系统更稳定、收敛速度更快.     

离散非线性系统开闭环P型迭代学习控制律及其收敛性

本文在讨论了一般开环与闭环迭代学习控制的不足后，针对一类离散非线性系统，提出了新的开闭环ＰＧ型迭代学习控制律，给出了它的收敛性证明，仿真结果表明：开闭环Ｐ型迭代律优于单纯的开环或产才环Ｐ型迭代 律。     

基于观测器跟踪非一致轨迹的迭代学习控制器设计

针对状态难以直接测量的一类不确定非线性系统,基于状态观测器进行相应的迭代学习控制设计,可实现在给定区间上对变轨迹的全局精确跟踪．当任意两次迭代的目标轨迹完全不同,并且系统状态信息不完全已知时,通过引入能量函数的方法,可以证明随迭代次数增加,跟踪误差渐近收敛至零．仿真结果验证了结果的有效性．     

非线性系统开闭环PI型迭代学习控制律及其收敛性

对于一类参数未知的非线性系统在有奶时域上的精确轨迹跟踪问题，提出了一种开闭环ＰＩ型迭代学习控制策略，给出了其收敛的充要条件，分析表明：所给出的收敛条件推广了现有结果。     

Iterative Learning Control Utilizing the Error Prediction Method

In this paper, iterative learning control utilizing the error prediction method is proposed for a class of linear time varying systems subjected to disturbances. Prediction of the error is done by identifying the system time varying parameters. Convergence of the proposed method is analyzed and the uniform boundedness of tracking error is obtained in the presence of uncertainty and disturbances. It is shown that the learning algorithm not only guarantees the robustness, but also improves the learning rate despite the presence of disturbances. The effectiveness of the proposed method is presented by simulations.     

一类不确定性离散非线性重复过程的迭代学习容错控制

针对一类具有非线性和执行器故障的重复运行不确定离散系统,提出了一种迭代学习鲁棒容错控制算法.首先通过定义执行器故障系数矩阵,将迭代学习控制过程转化为等价形式的不确定性非线性重复过程模型,然后基于混合李亚普若夫函数方法讨论非线性重复过程在时间轴和批次轴两个维度上的稳定性,并以线性矩阵不等式形式给出鲁棒容错控制器存在的充分条件和设计方法,同时保证系统正常和执行器故障情形下系统的容错稳定性能.最后,单杆机械手系统的输出跟踪控制仿真结果验证了本文算法的有效性.     

一种自动调整遗忘因子的快速时变参数辨识方法

本文介绍了一种自动调整遗忘因子的快速时变参数辨识方法.这种方法主要是在文献[1,2]的基础上改进了遗忘因子的选取方法,引入了自动调整遗忘因子,以适应导弹控制系统等快速时变系统的参数估计要求.数字仿真结果表明,这种辨识方法对于诸如参数的指数变化、斜坡变化、阶跃变化、正弦变化、方波变化以及由这些变化形式构成的混合变化,都有比较好的辨识效果.