带有迭代学习外环的快速路入口匝道无模型自适应预测控制

针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.     

控制方向未知的二阶时变非线性系统自适应迭代学习控制

对一类二阶严格反馈时变非线性系统的自适应迭代学习控制问题进行了研究.系统中含有非周期时变参数化不确定性且控制方向未知.首先,提出了一种神经网络估计器,实现了对未知非周期时变非线性函数的逼近.随后,用Nussbaum函数对未知控制方向进行了自适应估计,并综合应用baCkstcpping技术和自适应迭代学习控制技术设计了控制器.所设计的控制器能保证系统所有状态量在Lpe-范数意义下有界,且系统的输出量在LT2-范数意义下收敛到期望轨迹.最后的仿真研究证明了控制器设计方法的有效性.     

离散时间非线性系统的数据驱动无模型自适应迭代学习控制

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.     

基于干扰观测器的非线性不确定系统自适应滑模控制

本文研究了一类基于非线性干扰观测器的多输入多输出非线性不确定系统的边界层自适应滑模控制方法并应用于近空间飞行器高精度姿态控制.考虑系统存在不确定性和外部干扰上界未知的情况,设计了基于干扰观测器的边界层自适应滑模控制器,以消除传统滑模控制中的"抖振"现象,使跟踪误差趋近于零.同时,利用李雅普洛夫方法严格证明了闭环系统的稳定性.最后将所研究的自适应滑模控制方法,应用于某近空间飞行器的姿态控制中,仿真结果表明在不确定性和外部干扰作用下能保证姿态控制的稳定性,对参数不确定具有较好的鲁棒性.     

时变参数化非线性系统自适应迭代学习控制器设计

针对一类时变参数化非线性系统的控制问题进行深入研究,提出一种新的迭代神经网络估计器,并证明了其逼近引理,实现了对时变不确定性的逼近.在用迭代神经网络对时变不确定性进行估计的同时,以Lyapunov稳定性理论为基础,综合运用Backstepping和自适应控制技术,设计了自适应迭代学习控制器,并进行了稳定性分析,得到了稳定性定理,解决了这类时变非线性系统的控制问题.最后的仿真实验验证了所提出设计方法的正确性.     

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.     

基于扩张状态观测器的鲁棒迭代学习控制

针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.     

任意初值非线性不确定系统的迭代学习控制

为解决任意初态下的轨迹跟踪问题, 针对一类含参数和非参数不确定性的非线性系统, 提出基于滤波误差初始修正的自适应迭代学习控制方法. 利用修正滤波误差信号设计学习控制器, 并以Lyapunov方法进行收敛性能分析. 依据类Lipschitz条件处理非参数不确定性, 对于处理过程中出现的未知时变参数向量, 利用自适应迭代学习机制进行估计. 经过足够多次迭代后, 藉由修正滤波误差在整个作业区间收敛于零, 实现滤波误差本身在预设的作业区间也收敛于零. 仿真结果表明了本文所提控制方法的有效性.     

非线性系统的主动容错控制

对一般的非线性系统提出了一种新的主动容错控制方法.系统正常工作时,采用基于迭代学习观测器的输出反馈控制策略,控制器为迭代学习观测器的状态和调节参数的函数,此输出反馈控制器能良好地镇定该非线性系统.当系统发生故障后,进行控制器重组,在调节参数的自适应调节律中引入了故障估计的信息,使得系统发生故障后包含故障估计信息的重组控制器仍然能使系统稳定,实现了非线性系统的主动容错控制.计算机模拟显示所提出算法的有效性.     

基于鲁棒迭代学习的灌浆压力自适应控制

为了提高非线性、不确定和时变性灌浆过程中压力的控制精度,在分析灌浆过程数学模型的基础上,提出了灌浆压力的PID控制器参数的自适应调节方法.由神经网络预测模型对灌浆系统进行非线性建模,然后基于神经网络学习误差迭代优化PID控制参数.为了确保控制器参数矩阵在调节时灌浆压力能收敛于灌浆设计压力,采用了李亚普洛夫误差增量迭代函数,使得对每次采样时刻系统误差PID调节向量能渐近收敛于最优值,从而使模型跟踪误差最小.通过迭代反馈调节方法的压力输出同手工控制方法对比研究,仿真结果表明,此方法有更好的自适应能力,较好地跟踪了灌浆设计压力曲线.     

Pulse neural network–based adaptive iterative learning control for uncertain robots

An adaptive iterative learning control algorithm based on pulse neural network (PNN) is proposed for trajectory tracking of uncertain robot system. Sliding mode variable structure control is used to improve the robustness to disturbance and perturbation, and boundary layer is used to eliminate the chattering of sliding mode control. In the iterative domain, the unknown parameters are tuned and used for part of the controller. Running in parallel, the PNN can perform real-time state estimation for improving the system convergence. We analyze the stability and convergence of this algorithm by using the Lyapunove-like methodology. The simulation results show that the expected control purpose can be achieved using the proposed algorithm.     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

基于低通滤波器的不确定机器人迭代学习控制

针对不确定机器人系统轨迹跟踪问题,并更好地消除系统不确定性对控制性能的影响,提出一种基于低通滤波器的迭代学习控制方法。采用滑模变结构控制(SMC)以提高控制器对系统干扰和摄动的鲁棒性,并在控制器输出端引入低通滤波器(LPF)来消除滑模控制中出现的抖振现象。将系统的不确定项描述为周期性和非周期性两部分,通过采用迭代学习算法对周期性不确定部分进行迭代学习,采用RBF神经网络对非周期性不确定部分的未知上界进行自适应学习。该控制方法不仅对系统的不确定性和有界外部扰动具有鲁棒性,而且使得整个系统在迭代域中是全局渐近稳定的。严格的理论推导和仿真结果表明了该控制策略的有效性。     

迭代学习控制在线性时变系统终端控制问题中的应用研究

An iterative learning control algorithm based on shifted Legendre orthogonal polynomials is proposed to address the terminal control problem of linear time-varying systems. First, the method parameterizes a linear time-varying system by using shifted Legendre polynomials approximation. Then, an approximated model for the linear time-varying system is deduced by employing the orthogonality relations and boundary values of shifted Legendre polynomials. Based on the model, the shifted Legendre polynomials coefficients of control function are iteratively adjusted by an optimal iterative learning law derived. The algorithm presented can avoid solving the state transfer matrix of linear time-varying systems. Simulation results illustrate the effectiveness of the proposed method.     

Study on the Application of Iterative Learning Control to Terminal Control of Linear Time-varying Systems

An iterative learning control algorithm based on shifted Legendre orthogonal polynomials is proposed to address the terminal control problem of linear time-varying systems. First, the method parameterizes a linear time-varying system by using shifted Legendre polynomials approximation. Then, an approximated model for the linear time-varying system is deduced by employing the orthogonality relations and boundary values of shifted Legendre polynomials. Based on the model, the shifted Legendre polynomials coefficients of control function are iteratively adjusted by an optimal iterative learning law derived. The algorithm presented can avoid solving the state transfer matrix of linear time-varying systems. Simulation results illustrate the effectiveness of the proposed method.     

Fuzzy boundary layer tuning for sliding mode systems as applied to the control of a direct drive robot

Chattering in the control signal is a significant problem in sliding mode control (SMC). The boundary layer approach is one of the many modifications proposed in the literature to avoid the chattering. In this approach, instead of the discontinuous SMC, a continuous feedback control law is employed in a boundary layer around the sliding surface. The thickness of the boundary layer is an important design parameter. This paper proposes a fuzzy online tuning method to adjust the boundary layer thickness for the best system performance without chattering. The method features the measurement of the chattering in the control signal. The paper validates the performance of the algorithm by experiments on a direct drive robot with a range of different payloads.     

机器人变结构自适应控制的研究

本文提出了一种新的机器人变结构自适应轨迹跟踪控制，根据滑模存在条件，独立地推导出了一种实时预测滑模参数Ｃ的递推算法，克服了机器人变结构控制中滑模参数选择的盲目性。同时，为了更有效地削弱抖振现象，本文提出了一种新的变边界层厚度的饱和函数方法。本文的控制方案既保证了系统的强鲁棒性，又能实现高精度的快速跟踪控制。以三自由度烟叶搬运机器人为对象的仿真实验结果，表明了本文所采取的控制方法的有效性和可行性。     

An Exploration on Adaptive Iterative Learning Control for a Class of Commensurate High-order Uncertain Nonlinear Fractional Order Systems

This paper explores the adaptive iterative learning control method in the control of fractional order systems for the first time. An adaptive iterative learning control (AILC) scheme is presented for a class of commensurate high-order uncertain nonlinear fractional order systems in the presence of disturbance. To facilitate the controller design, a sliding mode surface of tracking errors is designed by using sufficient conditions of linear fractional order systems. To relax the assumption of the identical initial condition in iterative learning control (ILC), a new boundary layer function is proposed by employing Mittag-Leffler function. The uncertainty in the system is compensated for by utilizing radial basis function neural network. Fractional order differential type updating laws and difference type learning law are designed to estimate unknown constant parameters and time-varying parameter, respectively. The hyperbolic tangent function and a convergent series sequence are used to design robust control term for neural network approximation error and bounded disturbance, simultaneously guaranteeing the learning convergence along iteration. The system output is proved to converge to a small neighborhood of the desired trajectory by constructing Lyapnov-like composite energy function (CEF) containing new integral type Lyapunov function, while keeping all the closed-loop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.      

基于Lagrange优化算法的分层实时码率控制算法

由于H.264提案中的码率控制算法存在迭代过程,不适合在实时传输的场合.针对这个不足提出了一种基于Lagrange优化算法的分层实时码率控制算法.该算法分为两层,即GOP层码率控制和帧层码率控制.实验结果表明,该算法在PSNR(峰值信噪比),实际码率以及各帧之间的Q值方面均优于原有算法.