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。     

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。     

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。     

离散线性系统的单调迭代学习控制

针对一类离散线性系统,提出一种单调收敛的迭代学习控制策略.(1)将离散系统转化为二维系统模型来表示;(2)基于一个简单的二次性能函数,对系统进行了稳定性分析,并得到了系统单调收敛的充分条件,该充分条件由一个线性矩阵不等式(LMI)表示,此外,迭代学习控制律的增益也可由该LMI求得;(3)通过一个仿真实例,验证文章提出的迭代学习控制方法的有效性.     

离散重复控制系统设计的二维模型方法

针对一类线性不确定系统,提出了一种基于离散二维模型的重复控制系统设计方法,通过独立考虑重复控制系统的控制与学习行为,建立了离散重复控制系统的二维模型,构造二维状态反馈控制器,将离散重复控制系统设计问题转化为一类离散二维系统的设计问题,然后应用二维系统理论和线性矩阵不等式方法,分别获得了标称和不确定重复控制系统的稳定性条件,根据稳定性条件,通过求解线性矩阵不等式,求得重复控制器参数,最后数值仿真实例验证了本研究所提方法的有效性。     

具有外部干扰的二维滞后logistic映射的混沌同步的灰色滑模控制

研究了未知外部干扰条件下二维滞后logistic映射的混沌同步的实现问题,基于离散系统的趋近律方法,设计了滑模控制器.基于灰色理论的累加生成方法处理原始数据,建立灰色预测模型,实现对外部干扰的未知参数的预测,应用预测到的干扰参数设计灰色补偿器.利用滑模控制器和灰色补偿器构造灰色滑模控制器,对驱动-响应系统进行控制.数值模拟证明了预测参数的准确性和灰色滑模控制器控制二维滞后logistic映射混沌同步的有效性.     

执行器故障输出时滞双率采样系统的鲁棒迭代学习容错控制

为了提升一类具有执行器故障和输出端外部有界扰动的输出时滞双率采样系统的可靠性,该文提出了一种鲁棒迭代学习容错控制方法。通过提升技术将带有输出时滞的双率采样系统转化为形式上无时滞的慢速率采样的扩展状态空间模型;基于二维系统理论设计容错控制律,将迭代学习控制过程转化为等价二维Roesser故障模型;分析并优化了系统在时间和批次轴上的容错性能,同时以线性矩阵不等式形式给出系统满足这些性能的充分条件以及鲁棒容错控制器设计方法。最后,三层液位贮槽系统的液位控制仿真验证了所提方法的可行性和有效性。     

用反馈神经网络对非线性离散系统进行实时建模

利用时变反馈神经网络的概念及二维线性系统理论给出了非线性离散系统的一种实时建模方法,理论及仿真实验结果均表明,这种实时模型能够任意逼在线性离散系统。     

基于影响函数的迭代学习算法设计及应用

针对线性离散系统的迭代学习控制问题进行了讨论,提出一种新型的迭代学习控制算法.该算法通过引入一个影响函数,实现了以前时刻控制信息对当前控制量的影响,进而采用2D理论通过对算法的收敛性分析,得到了与普通算法同样的收敛条件,但是相对于传统迭代算法由于包含了更多了控制信息,因此具有更快的收敛速度,最后的无刷直流电机以及一个二阶系统的控制效果也证实了这个结论.     

一种改进的非线性离散系统迭代学习控制算法

针对非线性离散时变系统的迭代学习控制问题,提出了一种改进的迭代学习控制算法。在新控制算法中,除了在传统算法基础上增加了状态补偿外,还引用了小波变换来对跟踪误差进行了滤波而没有相位补偿。利用该算法进行学习控制,使系统的实际输出以更快的速度收敛于系统的理想输出;并进一步从理论上证明了新算法的收敛性。     

具有时滞的不确定离散脉冲切换系统的保性能控制问题研究

研究了一类具有范数有界参数不确定性和定常时滞状态的离散脉冲切换系统的保性能控制问题。引入一个新的二次型性能指标,利用Lyapunov稳定性理论与线性矩阵不等式 (linear matrix inequality)方法, 给出了离散脉冲切换系统保性能控制器存在的充分条件,继而给出了该充分条件等价于一个线性矩阵不等式的可行性问题的证明,并用这组LMI的可行解给出保性能控制律的一个参数化表示。最后通过实例证实所设计控制器的有效性。     

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.     

基于Lyapunov方法的离散时间模糊控制系统设计

研究了基于 T-S模型的离散时间模糊控制器的规则化设计问题。将模糊控制系统看成是一类具有结构式不确定性的系统 ,利用 L ya-punov稳定性定理 ,提出了一类线性状态反馈控制器的规则化设计方法。通过求解离散时间 Lyapunov方程 ,得出线性状态反馈控制律。并给出了保证闭环系统渐近稳定的充分条件     

多重采样离散时间系统的最优预见伺服控制器设计

研究了具有多重采样特点的离散时间控制系统,对这类系统给出了一种最优预见控制器的设计方法.首先利用离散时间系统提升技术,把多重采样离散时间系统转化成单一采样的扩大系统.然后利用构造扩大误差系统的方法引入积分器.再对扩大误差系统应用通常的线性二次型最优预见伺服系统设计方法设计控制器,从而得到原系统的多重采样最优预见控制器.     

一类短时延的广义网络控制系统的鲁棒H_∞控制

基于正则、无脉冲和线性定常的广义系统,研究了一类网络控制系统的H∞控制问题.针对传感器和执行器节点由时钟驱动,控制器节点由事件驱动,网络总诱导时延小于一个采样周期及具有有限能量的外部扰动的网络控制系统,利用李亚普诺夫理论和线性矩阵不等式描述方法,推导出动态输出反馈H∞控制律存在的充分条件,并给出了相应的设计方法.通过仿真实例,说明了所用方法的有效性.