基于小波逼近的非线性系统鲁棒迭代学习控制

针对存在扰动的未知非线性系统,利用小波逼近将系统参数化,结合变结构控制技术, 提出了一种鲁棒迭代学习控制算法.该算法采用迭代学习的方式修正小波逼近的系数,利用具 有死区的滑模变结构技术保证算法的鲁棒收敛性.收敛性分析表明,每次迭代学习都将减小所 得到的逼近系数与最佳系数的差异.因此,期望轨迹变化后,该算法针对以前轨迹的学习结果仍 然可以起作用,部分克服了传统迭代学习控制的学习结果仅对某一特定轨迹有效的缺点.     

变参考轨迹下的鲁棒迭代学习模型预测控制

迭代学习模型预测控制是针对间歇过程的先进控制方法.它能通过迭代高精度跟踪给定参考轨迹,并保证时域上的闭环稳定性.然而,现有的迭代学习模型预测控制算法大多基于线性/线性化系统,且没有考虑参考轨迹变化的情况.本文基于线性参变系统提出一种能有效跟踪变参考轨迹的鲁棒迭代学习模型预测控制算法.首先,采用线性参变模型准确涵盖原始非线性系统的动态特性.然后,将鲁棒H_∞控制与传统迭代学习模型预测控制相结合,抑制变参考轨迹带来的跟踪误差波动,通过优化线性矩阵不等式约束下的目标函数求得控制输入.深入分析了鲁棒迭代学习模型预测控制的鲁棒稳定性和迭代收敛性.最后,通过对数值例子和连续搅拌反应釜系统的仿真验证了所提出算法的有效性.     

基于H∞方法的不确定系统迭代学习控制设计

针对不确定线性离散系统,研究了开闭环型的鲁棒迭代学习控制器。给出了控制器收敛的充分条件,根据此条件,将迭代学习控制的设计问题转化为H∞设计问题,提出了一种兼具反馈闭环控制与前馈学习控制的鲁棒迭代学习控制律,并采用H∞性能指标对系统进行优化,使系统的收敛率基于H∞最优,然后使用线性不等式（LMI）方法求解迭代学习控制器的参数。仿真实例表明了该设计方法的有效性。     

拟合迭代学习数据的工业过程控制器

为进一步提高工业过程控制系统的跟踪能力, 实现稳、准、快等性能, 本文利用迭代学习算法产生的各类信息, 在控制器函数拟合的基础上, 设计了一种高精度跟踪的鲁棒控制器. 首先在频域对闭环迭代学习算法进行分析, 得出迭代学习控制器等同于级联控制器的结论, 进而采用一个低阶结构的控制器去拟合误差序列与控制序列,避免了难以物理实现的高阶控制器, 最后通过对一般的工业过程对象进行实验设计, 结果表明这种控制器在快速性、无超调及控制精度上具有很好的优势, 并且具有良好的抑制干扰能力.     

一类非线性系统的误差轨迹跟踪鲁棒学习控制算法

针对一类含非参数不确定性的非线性系统,提出一种鲁棒迭代学习控制算法,该算法放宽了常规迭代学习控制方法的初始定位条件,迭代初值可任意取值.基于类Lyapunov方法设计误差轨迹跟踪控制器,通过鲁棒限幅学习机制对不确定性进行估计和补偿,能够在整个作业区间上实现误差对给定期望误差轨迹的精确跟踪,期望误差轨迹根据迭代起始时刻的误差值设置.利用期望误差轨迹的衰减性状,可使系统误差在预设的时间点后收敛于原点的邻域内,邻域半径的大小可根据需要任意设置.理论分析和仿真结果表明了控制方法的有效性.     

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.     

最优迭代学习控制的鲁棒稳定性及其在注塑机控制中的应有

提出了一种鲁棒最优迭代控制器的设计方法.对于任意有界的参考输出和不确定的初 始值,建立了由最优迭代学习控制器保证闭环系统有界输入有界输出(BIBO)鲁棒稳定性的充要 条件.实际应用中可根据不确定初始设定值和干扰对加权矩阵进行调整,从而保证闭环系统性能 随迭代过程的进行而得到改进.在注塑机控制中的应用验证了本文结论的有效性.     

约束分段仿射系统的鲁棒最小时间控制

针对一类有界附加扰动的分段仿射系统,提出了一种离线低复杂性的鲁棒预测控制方法-鲁棒最小时间控制.首先计算系统的最大鲁棒正不变集和相关的局部稳定控制律,然后基于最大鲁棒正不变集通过多参数规划离线迭代计算系统的鲁棒一步集,得到的最小时间控制器覆盖最大鲁棒可稳定集.提出的鲁棒最小时间控制确保系统状态在最小时间内进入鲁棒正不变...     

一类非线性系统迭代学习控制的初始态鲁棒性

本文对迭代学习控制中的初始态变化的鲁棒特性进行了探讨,针对非线性系统提出了一种基于开环D型的初始态修正的迭代算法,并给出了收敛性证明,最后通过仿真对算法的有效性进行了验证。     

六自由度液压运动平台的迭代学习控制

本文针对飞行模拟器六自由度液压运动平台的数学模型,设计了一个反馈—前馈迭代学习控制器,该控制器将迭代学习算法与传统的PID控制算法结合,控制器前馈部分用于提高系统的控制精度,控制器反馈部分用于提高系统的鲁棒性能。然后证明了控制器收敛条件并利用Simulink进行了仿真,仿真分析和实际应用表明,基于迭代学习算法的液压运动平台位置控制系统具有控制精度高、稳定性好、鲁棒性强等特点,实现了液压运动平台系统的精确位置控制。     

A design method for indirect iterative learning control based on two-dimensional generalized predictive control algorithm

Indirect iterative learning control (ILC) facilitates the application of learning-type control strategies to the repetitive/batch/periodic processes with local feedback control already. Based on the two-dimensional generalized predictive control (2D-GPC) algorithm, a new design method is proposed in this paper for an indirect ILC system which consists of a model predictive control (MPC) in the inner loop and a simple ILC in the outer loop. The major advantage of the proposed design method is realizing an integrated optimization for the parameters of existing feedback controller and design of a simple iterative learning controller, and then ensuring the optimal control performance of the whole system in sense of 2D-GPC. From the analysis of the control law, it is found that the proposed indirect ILC law can be directly obtained from a standard GPC law and the stability and convergence of the closed-loop control system can be analyzed by a simple criterion. It is an applicable and effective solution for the application of ILC scheme to the industry processes, which can be seen clearly from the numerical simulations as well as the comparisons with the other solutions.     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。     

结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中, 需要尽可能的去除前馈控制器对系统模型的需求, 同时保证高精度和鲁棒性. 本文提出了 一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法, 通过引入基函数参数化的前馈控制器和输入整 形滤波器, 使用梯度下降法求解最优系统前馈控制器, 消除期望轨迹引入的扰动; 通过迭代学习控制, 消除系统重复 性扰动, 进一步提高控制精度. 算法具有不依赖系统模型, 高精度, 适用于变轨迹任务的优点. 文中给出了相应的仿 真, 并应用到一个直线电机系统, 通过实验验证了算法的有效性.     

非线性系统开闭环PID型迭代学习控制算法的鲁棒性

针对非线性时变系统的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,并证明了系统满足收敛条件时,具有开闭环PID型迭代学习律的一类非线性时变系统在动态过程存在干扰的情况下控制算法的鲁棒性问题.分析表明,系统在状态干扰、输出干扰和初态干扰有界的情况下跟踪误差有界收敛,在所有干扰渐近重复的情况下可以完全地跟踪给定的期望轨迹.     

Integrated direct/indirect adaptive robust motion trajectory tracking control of pneumatic cylinders

This paper studies the precision motion trajectory tracking control of a pneumatic cylinder driven by a proportional-directional control valve. An integrated direct/indirect adaptive robust controller is proposed. The controller employs a physical model based indirect-type parameter estimation to obtain reliable estimates of unknown model parameters, and utilises a robust control method with dynamic compensation type fast adaptation to attenuate the effects of parameter estimation errors, unmodelled dynamics and disturbances. Due to the use of projection mapping, the robust control law and the parameter adaption algorithm can be designed separately. Since the system model uncertainties are unmatched, the recursive backstepping technology is adopted to design the robust control law. Extensive comparative experimental results are presented to illustrate the effectiveness of the proposed controller and its performance robustness to parameter variations and sudden disturbances.     

新型同步发电机励磁控制器的设计

针对传统的基于迭代学习控制算法的同步发电机励磁控制器存在初始控制信号由经验确定的问题,提出了一种基于即时学习型迭代学习控制算法的同步发电机励磁控制器的设计方案。该方案在迭代学习控制算法中引入即时学习算法,利用即时学习算法计算初始控制信号,有效减少了初始控制信号与理想控制信号之间的误差。仿真结果表明,该励磁控制器收敛速度快,具有更强的维持机端电压的能力。     

基于二维系统的迭代学习事件触发鲁棒控制

本文研究了二维系统框架下,带有事件触发机制的不确定离散系统迭代学习鲁棒控制问题.首先为了减少迭代过程中控制信号的更新次数,构建了一种沿迭代轴的事件触发机制,并提出了基于事件触发机制的迭代学习控制算法.基于二维系统理论,将迭代学习过程转化为等价二维Roesser系统.构造李雅普诺夫函数,结合线性矩阵不等式(LMI)技术,给出了系统渐近稳定的充分条件,进一步得到了控制器增益的求取方法.最后仿真结果验证了提出的事件触发机制的有效性.     

Set-point-related indirect iterative learning control for multi-input multi-output systems

A form of iterative learning control (ILC) is used to update the set-point for the local controller. It is referred to as set-point-related (SPR) indirect ILC. SPR indirect ILC has shown excellent performance: as a supervision module for the local controller, ILC can improve the tracking performance of the closed-loop system along the batch direction. In this study, an ILC-based P-type controller is proposed for multi-input multi-output (MIMO) linear batch processes, where a P-type controller is used to design the control signal directly and an ILC module is used to update the set-point for the P-type controller. Under the proposed ILC-based P-type controller, the closed-loop system can be transformed to a 2-dimensional (2D) Roesser s system. Based on the 2D system framework, a sufficient condition for asymptotic stability of the closed-loop system is derived in this paper. In terms of the average tracking error (ATE), the closed-loop control performance under the proposed algorithm can be improved from batch to batch, even though there are repetitive disturbances. A numerical example is used to validate the proposed results.     

A Learning Control for a Class of Linear Time Varying Systems Using Double Differential of Error

In this paper, a new iterative learning control based on the double differential of the error is proposed for the linear time varying system having relative degree greater than one. The convergence criterion of the proposed method is proved. Furthermore, it is shown by simulations that convergence of error can be increased considerably by using our proposed controller as compared to the iterative learning controller using error or single differential of the error for the modification of the control input without increasing the learning gain.     

参考轨迹更新的点到点迭代学习控制算法优化及应用

针对受非重复扰动作用的离散线性系统的输出跟踪控制问题,提出一种基于参考轨迹更新的点到点迭代学习控制算法.首先通过构建性能指标函数对控制器进行范数优化,并给出相应的收敛性条件,使得系统输出能够跟踪上更新后参考轨迹处的期望点.其次,当系统输出端受到某批次非重复扰动的影响时,进一步通过引入拉格朗日乘子算法构造多目标性能指标函数,以优化鲁棒迭代学习控制器,达到提高收敛速度和跟踪精度的目的.最后将该算法应用于电机驱动的单机械臂控制系统中,仿真结果验证了算法的合理性和有效性.