线性时滞系统H∞迭代学习控制器的设计

推导采用闭环迭代学习律的系统收敛充分条件,分析该条件并把迭代学习控制设计问题转化为H∞输出反馈设计问题,然后用线性矩阵不等式（LMI）方法,系统设计线性时滞系统迭代学习控制器,仿真结果证明该设计方法的有效性。     

非整数滞后线性定常不确定迭代系统的收敛性

采用频率等价法研究了非整数滞后线性定常不确定迭代系统的鲁棒收敛性，并给出了不确定参数的估计公式与算例.     

广义线性特征系统和广义线性相对特征系统

本文提出了广义线性特征系统和广义线性相对特系统等概念,给出了广义系统为线性相对特征系统的充分条件和为广义线性相对特征相对特征系统的充要条件,最后,对广义线性相对特征系统的极点配置和稳定化问题给出一种算法。     

广义条件根方估计的迭代解

对非齐次等式约束线性回归模型的广义条件根方估计的一般形式,给出了广义条件根方估计的迭代解.     

二维线性连续—离散型系统理论在迭代学习控制中的 …

针对线性连续控制系统,利用二维线性连续－离散型系统理论设计了一种新型的迭代学习控制方案,并给出了这种迭代学习控制规律收敛的条件,说明二维线性连续－离散型系统理论在迭代学习控制中的应用是成功的。     

广义时滞线性常定系统的稳定性

研究了广义时滞线性定常系统的稳定性,由此提出了系统时滞无关稳定的条件,并给出了一个与系统时滞相关稳定的充分条件.     

二维线性连续-离散型系统理论在迭代学习控制中的应用

针对线性连续控制系统 ,利用二维线性连续 离散型系统理论设计了一种新型的迭代学习控制方案 ,并给出了这种迭代学习控制规律收敛的条件 ,说明二维线性连续 离散型系统理论在迭代学习控制中的应用是成功的 .     

射流火焰温度场广义随机分布模型的迭代学习控制

为实现射流火焰温度场的控制性能,采用随机分布控制理论实现了射流火焰温度场的建模及其迭代学习控制. 采用高斯函数作为输出概率密度函数逼近的基函数,用广义系统状态空间模型建立系统模型,模型的独立状态数量与系统实际的动态阶次一致. 采用随机分布预测控制算法实现单批次的控制,在每个批次控制完成后,采用牛顿法优化基函数参数,给出了射流火焰温度场迭代学习控制的仿真结果. 通过迭代学习优化了广义随机分布系统模型参数,提高了火焰温度场分布控制性能指标.      

线性广义系统的最优控制

研究线性广义系统的最优控制问题·引入线性广义系统的Riccati方程,给出了该系统在二次性能指标下存在线性最优控制的充分必要条件·     

一类无线广义网络控制系统的迭代学习控制

广义系统广泛存在于工业控制系统模型;针对传感器至控制器通过无线网络连接的一类广义网络控制系统,采取迭代学习控制策略,通过卡尔曼滤波减少无线信道噪声对系统控制性能的影响;理论上,通过λ范数给出了系统在给定的学习率下的收敛条件;通过实验仿真验证迭代学习策略中加入卡尔曼滤波的有效性和优越性。     

分数阶非线性系统PDα型迭代学习控制收敛性分析

针对一类单输入单输出的分数阶非线性连续系统,利用卷积的推广Young不等式,分别研究了开环、闭环以及开闭环PD^α型分数阶迭代学习控制算法在L^p范数意义下收敛的充分条件,并进行了严格的理论证明.研究发现:控制算法收敛的充分条件取决于算法的增益和系统自身属性;在控制算法选取适当增益的情况下,开闭环PD^α型控制算法拥有比开环算法更快的收敛速度.这些结论与分数阶线性系统是相同的.仿真实验进一步验证了上述理论的可行性和正确性.     

线性广义系统P型迭代学习控制在Lp范数意义下的收敛性

在对一类线性广义系统进行非奇异变换后,利用卷积的推广Young不等式,在Lebesgue-p(L~p)范数意义下,研究了一、二阶P型迭代学习控制算法的收敛条件,并对两种算法的收敛速度进行了比较。理论分析表明,控制算法的收敛条件、收敛速度与学习增益矩阵、系统本身属性有关;如果选取合适的学习增益矩阵,则二阶P型控制算法的收敛速度快于一阶的。仿真实验验证了控制算法的可行性和理论的正确性。     

D型闭环迭代学习控制的2-D模型及收敛性分析

本文将 2 D线性连续 离散系统理论应用于连续线性迭代学习控制系统中 ,给出能很好反映迭代学习控制过程的数学模型 2 D线性连续 -离散系统Roessor模型。在 2 D系统理论上证明了D型闭环迭代学习控制律的收敛性。根据该理论设计的闭环迭代学习控制器 ,受到的限制较小。     

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.     

线性离散时不变系统的分数阶相位校正迭代学习控制

针对带有随机干扰的线性离散时不变系统,提出一种分数阶相位校正迭代学习控制算法.设计一种新型相位超前校正与分数阶迭代学习控制相结合的迭代学习控制(ILC)学习律.基于频域分析方法,得到分数阶相位校正迭代学习控制在算法开、闭环两种情况下的频域收敛条件.结果表明:文中算法显著提高了ILC跟踪误差的收敛速度和收敛精度,具有先进性和有效性.     

控制时滞系统的遗忘因子迭代学习算法研究

提出遗忘因子是关于迭代次数的函数,简化了传统遗忘因子迭代学习控制算法的收敛条件,并给出了收敛性分析.将改进收敛条件的遗忘因子迭代学习控制算法应用于一类带控制时滞的线性系统,给出了仿真实例.仿真结果表明,在改进的收敛条件下,合理地选择遗忘因子函数,带遗忘因子的PD型迭代学习控制算法在研究的控制时滞线性系统应用之下具有一定的有效性和优越性.     

一种学习控制器及其在液压同步控制中的应用

文中将模糊推理与决策技术引入学习控制，形成了一类新的学习控制系统。分析模糊学习系统的收敛性，给出了收敛性定理，并将模糊学习系统应用于液压同步控制系统。实验表明，这种学习控制方法是有效的。     

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。     

二维线性离散系统理论在迭代学习控制中的应用

利用二维线性离散系统理论设计了线性离散控制系统的迭代学控制器,并给出了这种迭代学习控制规律收敛的充要条件,该迭代学习控制器较为简单,且在应用中受到的限制也较少,说明二维线性离散系统理论在线性离散系统迭代学习控制中的应用是成功的。