非线性时变系统开闭环PI型迭代学习控制研究

讨论了一类非线性时变系统开闭环PI型迭代学习控制算法,该算法相对于开环、闭环PI型迭代学习算法不仅能较快地跟踪期望轨迹,而且能增强学习控制的鲁棒性。给出了仿真研究实例,仿真结果验证了该算法的有效性和优越性。     

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.     

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...     

短时延非线性网络控制系统PD型迭代跟踪控制

研究了一类短时延非线性网络控制系统PD型迭代学习跟踪控制问题.依据泛数理论,详细推导了当不存在初始误差时该系统对期望信号的跟踪控制过程,得到其收敛的充分条件,为网络环境下的非线性系统提供了一种新的控制策略.最后,通过示例仿真分析证实了本文所提理论的有效性,以及收敛判据的可行性.     

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.     

加权超前开环PD型迭代学习控制

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．     

非线性大系统简单迭代学习控制的收敛性

证明了当被控系统的状态方程为一类非线性组合仿射大系统时,采用开环P型学习律迭代学习控制收敛的充分条件和必要条件,并给出了一个例子来说明此条件的正确性.     

鲁棒高阶PD型迭代学习控制器设计

针对具有不确定项或干扰项的重复非线性时变系统，提出了一种鲁棒高阶PD型迭代学习控制器，给出了该控制器的收敛性条件，证明跟踪误差界是本次迭代学习与前次迭代学习初始值之差的界和系统输出干扰项界的线性函数，仿真与实验均表明了该方法的有效性。     

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.     

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．     

基于PD型迭代学习的液压机械手轨迹控制

液压机械手作业系统的任务规划具有重复性,为了对液压机械手作业动作进行有效控制,建立了适合机械手作业系统的迭代自学习控制规律.只要增益Kp、Kd及学习因子α满足一定的条件,则该学习控制就是稳定的.通过对系统数字仿真,结果表明带学习因子的PD型迭代学习控制,较传统的PD控制有更好的动态响应特性,稳态误差小,具有一定的自适应性和鲁棒性.采用这种PD型前向反馈学习控制规律,只要机械手各关节变量的位置锁定,就可在期望的范围内实现抓取和释放动作.因此,该控制算法适合液压机械手系统的控制要求,能对其作业进行有效控制.图6,表1,参8.     

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。     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律，以实现闭环系统的稳定控制和干扰抑制。首先，将卡尔曼滤波器作为系统的状态观测器，在含有随机噪声干扰的情况下，估计系统的最优状态；其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化，使系统快速收敛并准确跟踪参考轨迹，实现运动过程中重复干扰信号的抑制；最后，以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法，并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明，本文提出的控制方法可以保证被控系统稳定运行，当环境中存在随机非重复性噪声或重复性干扰时，被控系统都可以保持良好的鲁棒性。     

基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题,提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律,以实现闭环系统的稳定控制和干扰抑制。首先,将卡尔曼滤波器作为系统的状态观测器,在含有随机噪声干扰的情况下,估计系统的最优状态;其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化,使系统快速收敛并准确跟踪参考轨迹,实现运动过程中重复干扰信号的抑制;最后,以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法,并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明,本文提出的控制方法可以保证被控系统稳定运行,当环境中存在随机非重复性噪声或重复性干扰时,被控系统都可以保持良好的鲁棒性。     

基于2-D理论的时滞离散系统的开闭环迭代学习控制方法

针对一类具有状态时滞的线性系统,提出一种基于2-D离散系统的开闭环迭代学习控制器．给出控制器的收敛条件并给出了证明．该控制器既保持了以往开闭环迭代学习控制算法的优点,又减少了其收敛条件所受的限制．仿真结果验证了该控制算法的有效性．     

结合迭代学习控制的视觉伺服物品抓取方法

针对家庭环境中服务机器人的物品抓取问题,以NAO机器人为实验平台,提出了一种结合迭代学习控制的基于位置的视觉伺服抓取算法.结合Bumblebee2双目立体相机构建了视觉伺服系统,对NAO机器人的机械臂进行了运动学建模.针对静止物品和传递过程中运动物品的抓取问题,分别设计了李雅普诺夫渐进稳定的基于位置的视觉伺服(PBVS)抓取控制律,最后为克服机械误差和物品运动预测误差的影响,结合迭代学习控制对PBVS控制律进行了改进,通过迭代实验验证提出的方法能够快速校正系统误差,提高系统响应速度,使机器人能够快速、稳定地完成目标物品的抓取,实现相应的家庭服务.     

基于迭代学习的掩模台与工件台同步控制

针对光刻机掩模台与工件台在曝光扫描过程中必须保持运动同步的问题,提出了一种迭代学习同步控制方法.为提高系统的动态跟踪精度和带宽,采用以直线电机和音圈电机为执行器的宏微控制结构,建立了掩模台的动力学模型.提出的主从同步控制结构以工件台为主动系统、掩模台为从动系统,在常规反馈控制的基础上加入了同步控制器.根据迭代学习控制方法设计了二阶同步学习律,并证明了该学习律的收敛性.仿真结果表明同步学习算法可以明显地减小同步偏差,同步偏差的峰值和移动标准差随迭代次数的增加而不断减小,在50次迭代后分别减小了45.12％和36.84％.     

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。