分数阶线性系统初值学习的PDα型迭代学习控制

针对分数阶线性时不变系统的随机初值问题,提出了基于初值学习的PDα型分数阶迭代学习控制算法,利用λ-范数,对控制算法的收敛条件进行了严格证明,并利用仿真实验进行验证.理论分析和仿真实验表明,系统初值不论如何取值,在该算法作用下,随着迭代次数的增加,都能实现系统输出对期望输出的精确跟踪.相比传统的PDα型控制算法,该算法解决了传统控制算法要求系统初值与期望初值相同的限制,消除了随机初值对系统的影响.     

分数阶线性时滞系统PDα型迭代学习控制的鲁棒性

针对一类具有外部有界噪声干扰的分数阶线性时滞系统,利用卷积的推广Young不等式,讨论了PD~α型分数阶迭代学习控制算法(FOILC)在Lebesgue-p(L~p)范数意义下的鲁棒性,获得其鲁棒收敛的条件。理论分析表明,若选取适当的学习增益矩阵,在系统受到外部有界噪声干扰时,随着迭代次数的增加,该算法能够保证系统的跟踪误差一致收敛有界。数值仿真验证了该算法的可行性和理论的正确性。     

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.     

分数阶全维状态观测器设计

分数阶控制是以分数阶微积分算子和分数阶微分方程理论为基础发展起来的一个很新的研究方向。在实际应用中,该理论已经扩展到鲁棒控制、迭代学习和自适应控制以及系统识别等领域。提出了一种新的基于分数阶线形定常系统的全维状态观测器,把传统的整数阶状态观测器的阶次推广到分数领域,给出了分数阶线形定常系统全维状态观测器的一种设计方案以及综合算法,同时给出了具体设计步骤。     

分数阶超混沌Chen系统的RBF神经网络自适应滑模同步

针对分数阶超混沌系统的同步问题,通过设计一个新型含分数阶滑模面的RBF神经网络自适应滑模控制器,应用滑模控制和主动控制原理实现分数阶超混沌Chen系统的驱动系统和响应系统间的同步.在RBF神经网络控制方案的基础上引入分数阶滑模控制器以提高系统的鲁棒性,并在分数阶滑模控制器中增设自适应参数使得控制律在迭代过程中找到合适的切换增益,免除繁冗的人工调参过程.根据Lyapunov稳定性定理证明了该方案下系统的稳定性.当存在外部干扰时,将RBF神经网络与分数阶滑模控制相结合,更利于系统在迭代过程中找到最近似的权值,并通过补偿控制降低干扰对控制系统的影响.数值仿真结果验证了该控制方法的鲁棒性及有效性.     

分数阶全维状态观测器设计

分数阶控制是以分数阶微积分算子和分数阶微分方程理论为基础发展起来的一个很新的研究方向.在实际应用中,该理论已经扩展到鲁棒控制、迭代学习和自适应控制以及系统识别等领域.提出了一种新的基于分数阶线形定常系统的全维状态观测器,把传统的整数阶状态观测器的阶次推广到分数领域,给出了分数阶线形定常系统全维状态观测器的一种设计方案以及综合算法,同时给出了具体设计步骤.     

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.     

Riemann-Liouville分数阶P型迭代算法的收敛性

运用Laplace变换和Mittag-Leffler函数,研究一类Riemann-Liouville分数阶P型迭代算法的收敛性,建立并证明了开闭环P型迭代算法收敛性定理.结果表明:此算法在Riemann-Liouville分数阶系统中是可行、有效的,拓宽了迭代学习算法的应用范围.     

具有积分边界条件的耦合φ-Hilfer分数阶微分系统解的存在性

为了拓展分数阶微分方程系统的相关理论,研究了一类具有积分边界条件的耦合 φ-Hilfer分数阶微分系统。首先,将具有积分边界条件的耦合 φ-Hilfer分数阶微分系统转化为积分系统;其次,定义合适的Banach乘积空间和范数,构造合适的积分算子,分别运用压缩映像原理和Kransnoselskii不动点定理得出耦合 φ-Hilfer分数阶微分系统在积分边界条件下解的存在性结果;最后,通过列举实例说明所得结论的正确性。研究表明,积分边界条件下的耦合 φ-Hilfer分数阶微分系统的解具有存在性。研究结论丰富了耦合分数阶微分系统理论可解性的相关理论,可为深入研究分数阶微分方程提供一定的理论参考。     

PMLSM伺服系统的特征模型与自适应迭代学习控制

针对PMLSM伺服系统的位置跟踪控制问题,提出一种基于特征模型的自适应迭代学习控制方案。由分析可知,在"id=0"的控制策略下,该系统是一个六阶线性定常系统。结合特征模型理论,给出了该系统的一阶、二阶和三阶特征模型,其特征参数沿时间轴和迭代轴均是变化的。采用遗忘因子最小二乘迭代学习辨识与最小方差控制方法,给出一种基于特征模型的带饱和限幅自适应迭代学习控制方案。仿真结果表明,提出的学习控制方案能够实现系统输出对期望位置的轨迹跟踪。     

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。     

迭代学习控制的收敛速度分析

针对线性时不变控制系统,讨论了D型和P型学习律收敛速度问题.利用时间加权范数和Frobenius范数给出了迭代学习控制系统在D型和P型学习律作用下收敛的充分性条件,进而给出系统迭代次数与约束条件之间的定量关系以及收敛速度与约束条件之间的关系,同时利用Frobenius范数性质,并通过梯度法给出如何求解D型和P型学习律使得系统收敛速度最快的增益矩阵的方法.最后,仿真实例说明了该方法的有效性.     

基于粒子群优化算法的的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。本文针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用PSO求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

基于粒子群优化算法的分数阶系统二次型最优控制算法

目前,利用分数阶变分法和分数阶非变分法,解决分数阶系统的二次型最优控制问题时,存在数值算法的收敛效果不够好,近似化的步骤过于繁琐,且计算耗时长,以及在使用传统的梯度迭代优化算法解决分数阶系统的二次型最优控制问题时,对于优化函数要求较高等问题。针对一类Caputo定义下的确定性线性分数阶系统,首先,设计一种状态反馈控制器,考虑从优化角度去解决分数阶系统的二次型最优控制问题,然后,利用粒子群算法(PSO)求二次型性能指标的最优值,即系统的最优控制增益,最终,得到系统的最优控制律。仿真结果表明,PSO比传统的梯度迭代优化算法收敛效果更佳,通用性更好,获得的性能指标更小,验证了该算法有效可行。     

具有扩散耦合偏微分时滞系统的学习跟踪控制

对具有空间扩散耦合偏微分时滞系统,采用迭代学习控制算法研究其输出轨迹跟踪的问题。基于超向量法对N个具有空间扩散耦合的偏微分时滞系统进行转化,得到与其等价的系统模型,再对该等价的学习系统设计开闭环P型迭代学习控制律,给出了学习系统跟踪误差在L~2范数意义下收敛的条件。最后,通过两个具有扩散耦合的偏微分时滞系统的数值仿真,验证了所提出算法和结论的有效性。     

一种分数阶线性系统求解方法

针对在实际情况中应用越来越广泛的分数阶微积分系统,首先介绍了分数阶微积分定义及其基本性质.由于分数阶系统的特征方程一般说来不是真正的多项式,它是一个具有复变量的分数阶指数的伪多项式,可以将其近似化成高阶的整数阶系统,然后运用整数阶系统的控制方法去研究、分析.最后提出了一种基于分数阶微积分定义分析分数阶线性系统的方法,并用具体实例验证了该方法的有效性.     

具有共振的分数阶微分方程边值问题解的存在性

通过选择恰当的Banach空间及其范数,定义合适的投影算子,利用Mawhin重合度理论和分数阶微分以及分数阶积分的性质,在Riemann-Stieltjes积分边界条件下,研究非线性项中含有分数阶导数且具有共振的分数阶(n-1,1)共轭边值问题解的存在性,其中的非线性项可以是不连续的,并给出一个例子说明了主要结论。     

分数阶非线性迭代方程的周期解

考虑一类Caputo型分数阶导数意义下非线性迭代微分方程的周期问题, 在非线性项满足单边Lipschtiz条件下, 应用Leray-Schauder不动点定理和拓扑度理论, 证明该类非线性分数阶迭代微分方程解的存在性和唯一性.     

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。     

一类机械臂指数加速迭代学习控制方法

针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在 范数意义下,证明了无需重置条件的比例微分（Proportion differentiation, PD）型加速迭代学习控制算法的收敛性。基于二自由度（Two Degrees of Freedom, 2-DOFs）仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。