迭代学习模型预测控制算法在锅炉过热汽温中的应用

为提高锅炉经济有效且安全运行,采用一种模型预测控制融入到迭代学习控制的算法,不仅能够迅速准确地完成对期望轨迹的完全跟踪任务,而且具有实时抗外界干扰的能力,加快过热汽温稳定,控制跟踪速度,提高锅炉运行效率。     

基于几何分析的改进迭代学习控制算法

针对非线性系统提出了一种基于几何分析的改进迭代学习控制算法。该算法在控制律中引入了遗忘因子,对前一次控制输出和它的变化量进行弱化,增强迭代学习控制的鲁帮性。并对提出的算法做了一致收敛性分析。数值仿真结果验证了此算法的有效性。     

均热炉温度模糊滑模迭代学习控制算法

针对具有不确定性的重复非线性均热炉温度控制系统,提出基于模糊滑模迭代学习控制算法。该算法以系统的滑模函数作为模糊控制器的输入,以模糊控制器的输出作为迭代学习控制的控制增量。将滑模控制算法引入到迭代学习控制中能够加速迭代学习控制的收敛速度,利用模糊控制能够减小滑模控制所引起的抖动问题。通过仿真可以看出,模糊滑模迭代学习控制算法能够实现系统快速收敛,该算法比单纯反馈控制具有更好的控制效果。     

基于模型预测的迭代学习控制器设计

针对具有非重复性干扰项的重复操作过程,提出了基于模型预测的迭代学习控制算法。其中,迭代学习控制器以前馈形式作用于重复过程.算法在时间轴方向基于跟踪误差暂态模型,采用模型预测控制的反馈校正,来抑制当前随机干扰,提高系统的跟踪性能.在重复次序方向利用P型迭代学习控制克服重复干扰.仿真结果表明了该方法的有效性.     

一类非线性系统的初态迭代学习控制

针对一类非线性系统,提出了具有初态学习的开闭环PD型迭代学习算法,并给出了该算法的收敛充分条件。依据此收敛条件,可确定初态学习律和输入学习律的学习增益,而不必依赖系统的结构和参数,从而放宽了对初始定位的要求。初态学习允许在每次迭代开始时,其初态与期望初态有一定的定位误差,并允许初态在收敛条件范围内任意设置。利用压缩映射分析方法,证明了系统在任意初态下经过几次迭代后,实际输出能完全跟踪上期望轨迹。最后,通过仿真实例验证了所提算法的有效性和可行性。     

一类非线性系统自适应迭代组合学习算法研究

为消除或减弱实际工业控制非周期性的系统中存在不确定性的影响,该文针对存在可量测重复性扰动且系统初值在期望初值一定范围内随机变化的一类仿射非线性系统进行算法研究,运用有关自适应控制理论,将自适应控制方法引入到迭代学习控制中来,两者结合成一种组合智能控制算法,即自适应迭代学习控制算法,最后通过与带遗忘因子的开环PD型迭代学...     

一类非线性系统的学习控制算法

本文对很广的一类非线性系统在其数学模型与参数未知时，采用闭环Ｄ型迭代学飞算法，使其被控系统的输出很快地收敛于给定的轨迹。并分析了开，闭环学习的机理，给出了闭环Ｄ型算法的收敛条件及证明。仿真结果表明其收敛速度远高于由Ａｒｉｍｏｔｏ等人提出的开环学习算法。     

一种新型模型参考自适应控制算法在单元机组中的应用

实际生产过程中,系统受到环境的影响而产生参数漂移,传统的PID控制算法应用受限.自适应控制应运而生并显示了其强大的控制优势.其中,模型参考自适应控制因其历史最为久远,应用简单而受到广泛的关注.本文将一种新型的模型参考自适应控制应用于单元机组的协调控制.通过仿真实验可以看出,这种方法有良好的适应性.     

一类非线性不确定系统的迭代学习控制

针对在有限时间区间上运行的一类非线性不确定系统,基于类Lyapunov 方法给出了一种迭 代学习控制器设计方法． 在提出的控制方案中,学习策略用来处理界函数已知的不确定项,但并未 采用鲁棒方法处理不确定项． 由于控制器中未采用断续函数,避免了系统中产生颤振现象． 理论分 析结果表明,该方案可保证闭环系统中所有变量的有界性,并且跟踪误差能够在整个作业区间上收 敛到零,实现完全跟踪． 数值仿真验证了算法的有效性．     

双迭代学习—交叉耦合控制算法设计

传统的迭代学习控制算法和交叉耦合迭代学习控制算法已经无法满足工业制造、军事和交通运输等许多应用领域对控制系统精度的要求,因此,从制造业的角度出发,研究一种面向多轴运动控制系统的轮廓误差控制算法,即在整体系统中使用迭代学习-交叉耦合控制算法,又在单轴上使用自适应迭代学习控制算法。实验结果表示,该算法在单轴上的跟踪误差是传统控制算法跟踪误差的75.36%,系统的轮廓误差是传统控制算法轮廓误差的65.15%。因此,这种双迭代学习-交叉耦合控制算法技能满足单轴上的跟踪精度要求,也能显著地减小系统的跟踪误差。     

一种可用于线性动态延迟系统控制的开环比例型一阶给定超前迭代学习控制算法

本文讨论了迭代学习控制的基本概念，并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法。理论分析证明，这种控制算法对于跟踪重复运动的轨迹具有良好的效果。     

基于二次型优化的迭代学习控制算法

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法,该算法基于二次型优化性能指标,利用梯度下降搜索法来拟合迭代学习控制律,仿真结果表明,该算法具有较快的收敛速度,且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。     

模型参考自适应控制系统的稳健性分析

本文对高频寄生,外部干扰及高频参考输入共存的模型参考控制系统进行了稳健性分析。采用Narendra直接法设计思想,利用Ioannou修改的自适应律,给出了状态偏差,寄生变量和失配参数向量的有限上界。     

一种基于输出误差的有模型离散时间动态系统迭代学习控制算法

本文对D.-H.HHwang等人提出的一种离散时间动态系统选代学习控制算法进行了改进,使其可用到仅知输出误差的系统,同时,给出了迭代学习算法渐近收敛的充分条件.这种算法可用于参数未知,但呈周期性变化的线性或非线性离散时间动态系统.     

非线性系统闭环PD型迭代学习收敛性分析

提出并证明了非线性系统采用闭环PD型学习律时迭代学习控制的收敛充分条件、必要条件和充分必要条件,并指出其收敛性仅与D型学习增益有关,而与P型学习律的学习增益无关,且收敛性与状态方程的具体形式无关.     

一种机器人学习控制方法的实现

针对具有可重复工作方式的机器人，提出了一种ＰＤ迭代学习控制方法。该方法采用机器人关节角位置信号和关节角速度信号实现控制。文中给出了这种方法在三自由度机器人上的应用实例。     

Model Reference Adaptive Control for Switched Systems with Closed-loop Reference Model Under Arbitrary Switching

任意切换下基于闭环参考模型的切换系统的自适应控制

杨浩,谢静,赵军

（东北大学,信息科学与工程学院,流程工业综合自动化国家重点实验室,沈阳 110819）

摘要：

本文研究了任意切换下一类线性切换系统的模型参考自适应问题,对于被控系统的状态可测性没有要求。控制器和自适应率的设计依赖于参考模型的状态和可测的输出误差。每一个子被控系统都有自己单独的参考模型和控制器,这增加了设计的灵活性。闭环参考模型的引入可以使得整个切换系统的暂态性能得到提升。最后一个仿真实例验证了本文结论的有效性。

研究目的：

一类切换系统在任意切换下的稳定性

研究方法：

模型参考自适应控制方法,共同Lyapunov函数法

研究结果：

误差切换系统最后状态趋于0,即被控系统的状态轨迹跟踪上了参考模型的轨迹。

结论：

一类切换系统在任意切换下的模型参考自适应问题得到解决,其参考模型是闭环参考模型,每个子系统都有自己的参考模型和控制器,通过调节闭环增益提高了系统的暂态性能。

关键字：切换系统,模型参考自适应,共同李雅普诺夫函数,任意切换,闭环参考模型