时变系统的迭代学习控制

针对参数未确知时变系统，提出了一种新的迭代学习控制律。在新控制律中，除了引入前次学习过程误差信息外，还引入了当前学习过程误差信息。从理论上证明了新控制律的收敛性。对离散时变系统和连续时变系统的两个实例进行了仿真研究。理论分析和实例研究结果表明，所提出的新控制律具有较高的学习速度和对初始误差良好的鲁棒性。     

基于迭代学习的三自由度机械臂轨迹跟踪控制

针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题,提出一种变增益迭代学习控制律.利用拉格朗日法建立动力学方程,设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析,通过Matlab的Simulink仿真模块,构建三自由度机械臂控制系统仿真图,进行闭环定常PD(Prop...     

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.     

有界增益遗忘L1自适应控制算法的研究

针对单输入单输出非线性系统存在参数不确定性和干扰,结合L_1自适应方法和极点配置控制方法,提出一种有界遗忘增益L_1自适应控制方法,其中极点配置控制器主要用来保证线性部分闭环稳定,L_1自适应控制器则用于抵消系统的非线性特性、参数不确定性和干扰。在L_1自适应律中采用改进的有界增益遗忘(IBGF)方法计算自适应增益,将定常自适应增益换成时变的增益,由低到高的平缓时变增益可以有效地抑制由非零初始状态造成的扰动,该算法的稳定性得到了证明。仿真验证表明该方法具有很好的控制效果,验证了它的有效性和实用性。     

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。     

基于KP= L2D2S2 矩阵分解的多变量自适应控制

本文针对矩阵分解的多变量自适应控制,提出了具有噪声与未建模动态系统的鲁棒自适应控制问题.在高频增益矩阵分解的基础上,得到等价自适应控制律,通过重新定义虚拟规范化信号,对多变量的MRAC方案进行了理论分析,并证明了闭环系统的稳定性和收敛性.最后仿真验证了该方案是可行的.     

基于Kp=L2D2S2矩阵分解的多变量自适应控制

本文针对矩阵分解的多变量自适应控制,提出了具有噪声与未建模动态系统的鲁棒自适应控制问题.在高频增益矩阵分解的基础上,得到等价自适应控制律,通过重新定义虚拟规范化信号,对多变量的MRAC方案进行了理论分析,并证明了闭环系统的稳定性和收敛性.最后仿真验证了该方案是可行的.     

基于迭代学习算法的机械臂系统轨迹跟踪控制

针对平面二自由度机械臂这一非线性系统,设计了带初态学习的指数变增益D型迭代学习律,并给出收敛性证明.仿真结果表明,迭代学习控制对于诸如二自由度机械臂系统这类具有重复运动性质的被控对象具有很好的控制效果.设计带初态学习的指数变增益D型学习律,系统不仅在存在初态偏移的情况下实现了机械臂期望轨迹的完全跟踪,还加快了收敛速度,增强了迭代学习控制的鲁棒性.     

不确定非线性系统的直接自适应变结构控制

针对同时存在参数及结构不确定性的一类非线性系统，研究其在未知据动作用下的输出跟踪问题，基于李亚普诺夫稳定性理论提出了一种直接自适应滑模控制津，讨论了自适应律的收敛性，从理论上证明了闭环系统存在滑动模态，参数估计值收敛，系统信号保持有界，并给出仿真实例。     

传感器故障非线性系统的快速抑制初态误差迭代学习控制

针对一类带有传感器故障的非线性系统提出了一种新的迭代学习控制算法,该算法在任意初态条件下,结合开环D型迭代学习律,设计一个随迭代次数增加而缩短的时间段,该时间段控制器对状态偏差进行修正,使系统跟踪误差收敛到与初态误差无关的界内,仅由系统自身不确定性和干扰决定。进而基于λ范数理论选取适当的控制增益,抑制传感器故障带来的跟踪误差,并给出控制算法的一致收敛性和误差的有界性证明。注塑机系统的速度控制仿真结果验证了该算法的有效性。     

球面光学零件抛光时的瞬时压强分布

把对坐标的曲面积分用于球面光学零件的压强计算，得到了瞬时压强的分布函数，分析了工艺参数及物理尺寸对压强的影响，指出了集中加载的弊端，为抛光机床的革新设计提供了依据。     

基于正交多项式的迭代学习控制算法及其应用

针对存在不确定扰动的线性系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法．该算法利用正交多项式级数将系统参数化,运用其积分运算矩阵,导出了一种基于多项式级数的线性系统的近似模型．在此模型基础上,用迭代学习的方式来修正输入量的多项式展开系数,并运用LMI方法求解学习增益矩阵．所得算法在系统不满足正则性或无源性时,仍可以用输出误差信号来构造学习律．将该方法运用到直线电机的控制中,仿真结果表明,新算法能明显地提高直线电机的控制精度。     

并联有源滤波器的迭代学习控制方法及其设计

在系统存在非线性负载下,谐波电流呈现激烈波动并存在许多不连续点,对有源滤波器设计高性能的电流跟踪控制器是非常重要的。基于传统设计的控制器,在不连续点处性能有限,同时要求控制器增益高,但高增益控制器易引起系统的高频振荡甚至不稳定。由于在非线性负载下所需补偿的谐波电流为周期性,利用迭代学习控制的学习特性,设计三相并联有源滤波器,可以有效的避免控制器的高增益现象,同时提高电流追踪性能,大大减小了谐波总畸变率,功率因素也得以提高。实验制作的以DSP为控制CPU实现迭代学习控制器的系统中,运行结果表明本文方法效果良好。     

基于滑模观测器的卫星姿态控制系统滑模容错控制

针对卫星姿态控制系统执行机构故障,设计了基于滑模观测器的滑模容错控制律.采用迭代学习算法在线调节观测器滑模项切换增益,设计滑模观测器估计卫星姿态和角速度.在此基础上,将执行机构故障作为系统的未知动态,提出一种对卫星姿态控制系统执行机构故障不敏感的滑模容错控制方法.该方法利用系统输入和状态信息,结合动力学特性实现未知动态估计,以此设计滑模控制律.通过数字仿真验证了该容错控制方法的有效性.     

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.     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略。利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真。仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高。     

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.     

带有遗忘因子的滤波器型迭代学习直线伺服系统

针对永磁直线同步电机伺服系统,提出开闭环迭代学习控制器,实现期望直线位置的跟踪控制.分析了永磁直线同步电机的2-D模型及迭代学习直线伺服系统的收敛性.通过减小系统输入误差协方差矩阵迹的方式得到优化的遗忘因子,来修正控制输入的迭代学习律,同时采用零相位FIR数字滤波器对前馈学习控制器中的误差信号进行滤波处理.实验结果表明,带有遗忘因子的滤波器型迭代学习控制器能够保证直线伺服系统在不断的迭代学习中提高性能,有效抑制端部推力波动,系统具有很好的学习收敛速度、动态响应及控制精度.