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     

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。     

二维线性连续—离散型系统理论在迭代学习控制中的 …

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 .     

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。     

一类线性时变系统模型参考自适应迭代学习辨识

针对一类有限时间区间上具有可重复性的BIBO稳定的一阶线性时变系统,将模型参考自适应辨识方法与迭代学习相结合,提出了模型参考自适应迭代学习的参数辨识算法。利用模型参考自适应辨识方法得到时变系统参数辨识结构,针对系统可重复的特点,基于Lyapunov方法得到时变参数的迭代学习律。该算法可以辨识快时变的参数,而不需要参数时变结构的信息,并可保证参数估计误差和模型输出误差有界,且沿迭代轴逐点收敛。分析了参数收敛到真值的条件,系统仿真验证了辨识算法的有效性。     

线性互补问题的一个新的迭代算法

在M的特征值大于1的假设下,把线性互补问题转化成绝对值方程组.利用绝对值方程组的迭代法,给出了线性互补问题的一种新的迭代法并且证明了该迭代算法的收敛性.用数值例子说明了该方法可行.     

分散H_∞状态反馈鲁棒控制设计——LMI方法

应用线性矩阵不等式（ＬＭＩ）方法研究了大系统分散Ｈ∞控制问题．首先分析了分散Ｈ∞状态反馈控制问题,然后提出了存在分散Ｈ∞状态反馈控制器的参数化定理和一种基于ＬＭＩ的迭代求解方法．把反馈增益的设计条件转化为一个双仿射矩阵不等式,用ＬＭＩ迭代算法求解分散控制器,并用实例说明了该方法的应用．结果表明,所获得的控制器具有块对角结构,闭环系统稳定,且使其Ｈ∞范数小于１．     

基于线性变参数H∞反馈的机器人迭代学习控制器设计

提出了一种基于线性变参数（LPV）H∞反馈的迭代学习控制器,用于不确定性机器人的高精度轨迹跟踪,此控制器包括反馈部分和前馈部分,其中反馈部分设计为LPVH∞控制,前馈部分设计为高阶PD型迭代学习控制,在满足一定的收敛条件下,证明了该控制器的跟踪误差界正比于系统初始误差系统输出干扰项界,仿真结果不仅验证了此控制器随机器人关节位置变化始终具有干扰衰减、鲁棒稳定的性能,而且还验证了此控制器具有高精度轨迹跟踪的性能。     

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。