初态偏移非线性系统跟踪控制的迭代学习算法

基于迭代学习控制理论提出一种新的可变增益学习控制算法,并对系统初态的迭代学习律进行了讨论,利用算子理论证明在非线性系统中存在初态偏移时经过迭代学习后,输出仍能跟踪期望轨迹;对其收敛性进行数学证明,得到谱半径形式的迭代学习律收敛的充分条件,从而解决了可变学习增益迭代学习控制的初态偏移问题.最后在注塑机注射速度控制系统中与增益不可变迭代学习算法进行比较,仿真结果验证了算法的有效性.     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

基于分数阶非线性时滞系统的迭代学习控制收敛性分析

在研究迭代学习控制问题基础之上,来讨论分数阶非线性时滞系统。首先,根据分数阶微积分的基本性质和一些基本的定义并借助推广的Gronwall不等式,对系统状态变量的范数上界估计。然后,在λ-范数的作用下,获得在迭代学习控制作用下,系统跟踪误差收敛的充分条件。最后,给出了一个实例验证结论的有效性。     

基于分数阶非线性时滞系统的迭代学习控制收敛性分析

在研究迭代学习控制问题基础之上,来讨论分数阶非线性时滞系统。首先,根据分数阶微积分的基本性质和一些基本的定义并借助推广的Gronwall不等式,对系统状态变量的范数上界估计。然后,在λ-范数的作用下,获得在迭代学习控制作用下,系统跟踪误差收敛的充分条件。最后,给出了一个实例验证结论的有效性。     

神经网络迭代学习控制快速算法的研究

研究了非线性系统的神经网络迭代学习控制问题,为了提高神经网络学习控制的收敛速度,改进了权值的迭代学习算法,提出了一种新的训练权值方法,它以递推的方法来计算网络权值,不仅能减少计算量且收敛速度快,最后,用仿真结果对该算法作了进一步的验证。     

非线性时滞系统的智能迭代学习控制

针对一类单输入单输出非线性时滞系统,提出了一种自适应神经网络迭代学习控制方案,神经网络用来逼近未知非线性函数和未知非线性时滞函数,放宽了传统迭代学习控制对非线性函数和非线性时滞函数的限制,拓展了迭代学习控制的应用范围．采用Lyapunov—Krasovskii函数和利用反演（Backstepping）技术设计神经网络学习律和控制律,基于Lyapunov稳定性理论,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现对目标轨线任意精度的跟踪．     

非线性大系统简单迭代学习控制的收敛性

证明了当被控系统的状态方程为一类非线性组合仿射大系统时,采用开环P型学习律迭代学习控制收敛的充分条件和必要条件,并给出了一个例子来说明此条件的正确性.     

非线性离散时间系统的迭代学习控制

针对一类非线性离散时间系统，在系统参数未知情形下，提出了一种新的开－闭环迭代学习控制律，并给出了控制律的收敛性证明和收敛条件，在新控制律中，学习增益由线性估计模型确定，因此，避免了试凑增益。由机械手实例的仿真结果及收敛性证明，表明了所提出的控制律的有效性，并对初始状态误差和参数估计误差具有良好的鲁棒特性。     

基于T-S模型的离散非线性系统的迭代学习控制

针对离散T-S模糊系统的轨迹跟踪控制问题,提出了基于离散Legendre正交多项式的迭代学习算法.该方法利用离散Legendre正交多项式展开技术及其移位运算矩阵,导出了系统基于离散Legendre多项式展开的近似模型,建立了输入量与输出量之间的代数方程约束关系.在此基础上,用迭代学习的方法可修正输入量的Legendre多项式系数,所得算法可用于具有任意相对阶的离散非线性系统.仿真实例表明了该算法的有效性.     

非线性时变系统开闭环PI型迭代学习控制研究

讨论了一类非线性时变系统开闭环PI型迭代学习控制算法,该算法相对于开环、闭环PI型迭代学习算法不仅能较快地跟踪期望轨迹,而且能增强学习控制的鲁棒性。给出了仿真研究实例,仿真结果验证了该算法的有效性和优越性。     

具控制时滞的线性时滞系统的迭代学习控制

针对一类具有控制时滞的线性系统，讨论了D型迭代学习控制算法，从理论上给出了算法收敛的充分条件。数值仿真结果表明，这种算法是有效的。     

Sampled-data Iterative Learning Control for Singular Systems

Sampled-data iterative learning control (SILC) for singular systems is addressed for the first time. With the introduction of the constrained relative degree, an SILC algorithm combined with a feedback control law is proposed for singular systems. Convergence of the algorithm is proved in sup-norm, while the conventional convergence analysis is in λ-norm. The final tracking error uniformly converges to a small residual set whose level of magnitude depends on the system dynamics and the sampling-period. Due to inequalities to estimate the level of the existing results of SILC, convergence is guaranteed not only at the sampling instants but on the entire operation interval, so that the inter-sample behavior is guaranteed, which is more practical for real implementation.     

一类组合大系统简单迭代学习控制的收敛性

该文提出并证明了当被控系统的状态方程为一类非线性组合大系统方程时采用简单学习律迭代学习控制的收敛的充分和必要条件。引入了一种范数,使得该系统的收敛性无需要求各个子系统的互联项之间满足一定的相关度等假定,控制采取的是分散控制,这些都有利于工程实现。     

Robust Iterative Learning Controller for the Non-zero Initial Error Problem on Robot Manipulator

Industrial robot system is a kind of dynamic system w ith strong nonlinear coupling and high position precision. A lot of control ways , such as nonlinear feedbackdecomposition motion and adaptive control and so o n, have been used to control this kind of system, but there are some deficiencie s in those methods: some need accurate and some need complicated operation and e tc. In recent years, in need of controlling the industrial robots, aiming at com pletely tracking the ideal input for the controlled ...     

非线性系统故障诊断与容错控制技术综述

介绍了一般非线性系统的模型,分析了非线性系统故障诊断与容错控制的特点,在此基础上综述了国内外在非线性系统故障诊断和容错控制技术上的研究进展和主要方法：包括基于滑模观测器的诊断方法、基于未知输入观测器的诊断方法、基于非线性观测器的容错控制、基于H∞的鲁棒容错控制方法等。总结了该领域待解决的几个重点和难点问题,并对该研究领域的发展趋势进行了展望。     

非线性系统开闭环PID型迭代学习控制的收敛性分析

针对一类参数未知非线性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,这种迭代学习律同时利用了系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,给出了迭代学习控制算法收敛的充分性条件.分析表明,所给出的迭代学习控制律推广了现有的结果.     

工业过程控制系统迭代学习算法的增益确定

应用频域和时域（非状态空间法）相结合的方法对简单工业过程控制系统迭代学习算法进行了收敛性分析,在频域得出了用系统参数显示表示的收敛性条件,避免了收敛条件的验证对系统时域模型参数的依赖性,使验证更简洁,用平方积分鉴定法确定了首次学习时误差平方积分最小意义下学习增益的最优值,明确了学习增益选取的目标,数字仿真表明：所确定的学习增益不仅是最优的,而且相应的迭代学习控制能显著改善控制系统的动态品质。