排序方式： 共有4条查询结果，搜索用时 109 毫秒
1
1.
递阶稳态优化下非线性大工业过程的迭代学习控制 总被引：1，自引：0，他引：1
对递阶稳态优化下非线性大工业过程施行迭代学习控制 ,目的是进一步改善大工业过程的动态品质 .建立迭代学习控制的基本结构 ,提出迭代学习控制算法关于控制系统的ε-收敛性和期望目标轨线的δ -可达性的概念 ,对具有死区与滞后的饱和非线性大工业过程控制系统给出加权超前开环PD-型迭代学习算法 .利用 Bellman-Gronwall不等式和λ范数理论 ,论证了算法的收敛性 .数字仿真表明 ,迭代学习控制能有效改善递阶稳态下非线性大工业控制系统的动态品质 . 相似文献
2.
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。 相似文献
3.
对具有死区的非光滑饱和工业过程的稳态优化进程施加迭代学习控制,给出加权开环PD型迭代学习控制算法。算法基于前次迭代的输出动态信息和事先给定的理想轨张,修正工业过程控制系统的阶跃输入,以期改善控制系统的动态品质。给出了理想轨线的选取方法,提出了理想轨线的δ可达性和迭代学习算法的ε收敛性的概念。利用Bellman-Gronwall不等式和λ范数理论,论证了算法的ε收敛性。数字仿真表明,迭代学习控制能有效改善工业过程稳态优化进程中控制系统的动态品质,如减少超调,加快动态响应速度,缩短过渡时间等,显示了算法对工业过程控制系统的有效性。 相似文献
4.
加权超前开环PD型迭代学习控制 总被引：2，自引：0，他引：2
对具有滞后的线性大工业过程提出了加权超前开环PD—型的迭代学习控制算法，建立了基本的选代学习控制结构，给出了迭代学习控制算法关于控制系统的ε—收敛性的定义和证明，提出了理想轨线的δ—可达性的概念．数字仿真表明，迭代学习控制能有效改善控制系统的动态品质，如缩短过渡时间，抑制超调等，表明了迭代学习控制算法的有效性． 相似文献
1