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 .     

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。     

含有初始误差的线性连续系统的一种迭代学习控制方法

针对线性连续系统迭代学习控制中含有固定初始误差的情形,利用二维系统理论检出了一个带有初始误差修正的迭代学习控制方案和这种迭代学习控制规律收敛的条件,并说明由此设计的迭代学习控制器简单有效,可实现在初始时间段以外部分对期望转变的安全跟踪。     

线性连续重复过程的区域极点约束迭代学习控制

现有的迭代学习控制研究关注于迭代学习控制系统在迭代批次方向的鲁棒收敛性,对控制系统在时间方向上的性能关注较少,没有展现出控制系统的动态特征。文中研究了有限频域范围线性连续重复过程在区域极点约束下的迭代学习控制问题。首先,结合二维系统理论,在时域中建立迭代学习控制系统的二维连续Roesser模型;然后基于Kalman-Yakubovich-Popov(KYP)引理,分析迭代学习控制系统的跟踪性能和区域极点约束问题;进而以线性矩阵不等式的形式给出控制器存在的充分条件,保证系统在批次方向和时间方向的性能,并将结果扩展到结构不确定性模型中;最后,通过典型的跟踪伺服系统执行机构的控制仿真验证了设计方案的有效性和可行性。     

线性广义系统的D型迭代学习控制

根据误差收敛准则,提出了线性广义系统的迭代学习控制算法,利用矩阵理论及不等式技巧给出了线性定常广义系统在D型学习律作用下的迭代控制收敛性结果,这一结果是全新的,其对时变系统也成立;另外,针对线性定常广义离散时间系统,给出了一种通过最优化目标函数确定控制器参数的设计方法.     

基于二维模型预测控制的迭代学习控制性能评估方法

实际工业生产常用操作方式是批次过程,可以用迭代学习控制进行控制。针对过程模型未知的情形,采用子空间辨识求解模型参数,以迭代学习控制的性能评估为课题。首先,根据测量得到的输入输出数据构造Hankel矩阵,再借助QR分解、SVD分解等几何工具计算出子空间矩阵,最后由列子空间与行子空间估计出系统模型参数。在获得模型之后,把迭代学习控制作用下的闭环系统转换成二维模型。接着,提出了基于模型预测控制的基准,并给出了详细的推导证明。根据这些算法,得到最优控制律,并拟合出性能评估曲面,从而性能差距可以更直观地反映在三维空间中。最后,通过仿真对上述方法的效果进行了验证。     

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。     

时滞系统的PID型迭代学习控制

通过对智能控制、人工智能、自动控制和控制论的相互关系的分析和总结,提出了时滞系统中应用迭代学习控制的思想方法,给出了时滞系统PID型迭代学习算法,并在理论上证明了算法的收敛性     

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。     

线性多时滞系统的开闭环PID型迭代学习控制

针对线性多时滞系统讨论了开闭环PID型迭代学习控制算法的收敛性和鲁棒性0利用λ范数和Bellman-Gronwall定理,获得了算法收敛的判定条件．仿真结果表明,这种算法是有效的．同时,从仿真实例也可看出,在收敛速度方面,开闭环算法优于开环算法．     

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.     

迭代学习控制在T-S模糊系统终端控制问题中的应用

针对T-S模糊系统的终端控制问题,提出了一种基于正交多项式的迭代学习算法.该算法把待求控制量表示为一组正交多项式的线性组合,将求控制量问题转化为求正交多项式系数问题.在此基础上,用迭代学习的方式来修正控制量的正交多项式系数,并采用LMI方法求解学习增益矩阵.最后,以单关节机器人为例说明了所提算法的有效性.     

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.     

滞后离散线性定常系统的准滑模变结构控制(2)

研究了滞后离散线性定常多输入的准滑模变结构控制问题,给出了滞后离散线性定常系统的准滑模,理想准滑模,非理想准滑模与准滑模带的概念,还给出了实现准滑模的条件,通过非奇异性变换,将上述系统化成了简约型,并给出了变结构控制的设计方案。     

非线性时滞系统开闭环PD型迭代学习控制研究

对于具有重复运动性质的对象,迭代学习控制是一种有效的控制方法.针对具有可重复输出扰动和初值偏差的一类非线性含有状态和控制时滞系统,鉴于闭环算法往往比开环算法具有更好的稳定性和更强的鲁棒性,为此闭环和开环相结合的算法研究具有更广泛的意义.提出了一种开闭环PD型迭代学习控制律,最后通过与开环PD型迭代学习律作对比来进行仿真...     

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。     

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.     

改进的 PD 迭代学习算法及在机器人二维运动控制中的应用

提出一种改进的ＰＤ型迭代学习控制算法,讨论了学习因子的优化选取方法。并对机器人二维运动控制进行了仿真。仿真结果表明：该控制方法应用于机器人二维轨迹控制简单易行,效果较好。     

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。     

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。