基于混合灵敏度设计的鲁棒迭代学习控制

提出一种鲁棒迭代学习控制的设计方法．利用混合灵敏度设计方法，控制器满足一定鲁棒性条件时就可以直接获得收敛更新规则．此外，只要学习滤波函数满足一定条件，系统跟踪误差将显著降低．仿真结果表明该方法有效性较高．     

基于向量Lyapunov函数和LMI的大系统分散镇定

基于线性关联大系统的比较方程稳定性判据，给出了一种完全解耦的子系统控制器设计方法．该方法通过构造一个向量Lyapunov函数来满足比较方程的稳定性要求，并将控制器的设计转换为一组线性矩阵不等式的求解，进而对大系统进行镇定．由于各子系统控制器的设计可独立进行，相较于加权Lyapunov函数方法，该方法降低了控制算法的计算量和难度．仿真结果表明了该方法的可行性和有效性．     

基于模型参考自适应方法的对偶控制方法研究

针对未知参数随机系统，基于模型参考自适应方法和双准则函数，设计了具有控制和学习作用的对偶控制器．通过控制器的学习作用提高了控制精度，有效地减少了启动时的超调．仿真结果表明，设计的控制器能够具有较好的跟踪性能．     

严格反馈非线性时变系统的迭代学习控制

针对一类含未知时变参数的严格反馈非线性系统, 提出一种实现有限作业区间轨迹跟踪控制的迭代学习算法. 基于Lyapunov-like方法设计控制器, 回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求. 以反推设计(Backstepping)方法设计控制器, 为使得虚拟控制项可导, 引入一级数收敛序列; 将时变参数展开为有限项多项式形式, 在控制器设计中采取双曲正切函数处理余项对于系统跟踪性能的影响. 理论分析表明, 闭环系统所有信号有界, 并能够实现系统输出完全收敛于理想轨迹.     

约束纹理映射的自适应方法

传统的约束纹理映射方法大都在满足指定的约束条件时破坏了参数化结果的保形性,为此提出一种自适应的约束纹理映射方法.通过迭代最小化一个由保形项和约束项组成的加权能量得到带约束参数化结果,并且以每步更新权重的方式来平衡这两项;在每步迭代时,每个约束点权系数的选取依赖于上次结果中该约束点距指定位置距离的一个单调函数.利用该方法可以在满足指定约束条件的前提下兼顾到结果的保形性.实验结果表明,该方法能够快速、有效地得到较好的纹理贴图效果.     

基于Vinnicombe距离的迭代辨识与控制设计

迭代辨识与控制设计的主要问题在于保证控制设计的稳定性和闭环性能的不断改善. 针对该问题, 本文提出一种基于Vinnicombe距离的迭代辨识与控制设计方法. 每次迭代辨识使用上次设计的控制器, 通过闭环辨识得到包含真实系统的不确定模型集合, 设计镇定这个集合的控制器; 同时提出迭代辨识过程闭环性能改善条件, 以及控制器的设计方法. 仿真结果显示了该方法的有效性.     

不确定多时滞系统非脆弱鲁棒保代价控制

针对一类含有多时滞的不确定线性系统，在控制器增益存在乘性和加性两种摄动形式时分别设计了非脆弱具有鲁棒性能的保代价控制器．利用构造的Lyapunov函数和线性矩阵不等式，证明并给出了非脆弱鲁棒保代价状态反馈控制问题有解的充分条件，仅通过求解相应的线性矩阵不等式就可得到非脆弱鲁棒保代价控制器．所设计的控制器不仅使闭环系统具有鲁棒性，能满足所给的的鲁棒保代价性能指标，而且当控制器增益参数变化时，系统性能指标同样能够满足要求．该系统对环境参数的变化具有更好的适应能力。     

时滞不确定组合系统的鲁棒分散输出控制

讨论了时滞不确定组合系统的鲁棒分散输出控制问题．不确定项存在于子系统内部，可以是非线性或时交的：而且时滞存在互联项中，并满足匹配条件．不确定项是有界的，但界是未知的．利用自适应律来估计未知的上界，设计出分散无记忆输出控制器．基于Lyapunov稳定性理论和Lyapunov-Krasovskii函数，该控制器能够保证闭环系统的解是终极一致有界的．最后的仿真结果说明该设计方法是有效的．     

基于SIMULINK的迭代学习励磁控制器的设计

该文将迭代学习控制理论应用于同步发电机励磁控制器的设计中,采用混合型迭代学习控制律对其进行控制。在两机系统中使用SIMULINK软件对励磁控制系统的稳定性和动态性能等进行分析,设计出满足系统要求的励磁控制器。仿真结果表明该方法的有效性和一般性,改善了控制性能,具有很强的维持机端电压的能力,与常规的PID控制器相比较,收敛速度得到很大提高,有利于提高电力系统稳定性。     

基于反馈控制的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,提出了基于反馈控制的迭代学习控制器,其中迭代学习控制器设计为高阶PD型,它以前馈的形式作用于对象,在满足一定的收敛性条件下,证明了该控制器的跟踪误差界是系统初始状态误差界和系统输出干扰项界的线性函数,同时改变反馈增益可以调整系统的最终跟踪误差界,仿真与实验均表明了该方法的有效性。     

非线性重复运动系统的双迭代优化学习控制

本文针对一类具有非参数不确定性和输出约束的非线性系统,提出一种双迭代优化学习控制策略,将复杂的迭代学习过程简化为两个相对简单的迭代控制器.首先引入一类饱和非线性函数不仅可以满足系统的位置约束,同时能够保证系统跟踪误差收敛于给定的邻域,然后针对每次迭代初始误差设计参考轨迹自修正策略,在每个迭代周期上设置一个固定的调整时间域,根据上次迭代的输出调整下一次迭代的参考轨迹.双迭代的控制结构可以同时更新两个迭代控制器的参数,来处理系统的非参数不确定性.进一步利用Barrier复合能量函数证明双迭代控制策略的收敛性和稳定性,并给出收敛条件.最后,通过一个算例证明了该控制策略的有效性.     

数值界不确定性关联大系统分散鲁棒H∞输出反馈控制

研究一类状态矩阵、控制矩阵及关联矩阵中存在数值界不确定性关联大系统的分散鲁棒H∞输出反馈控制器设计方法．基于有界实引理，将控制器的存在条件归结为一个非线性矩阵不等式，采用同伦迭代方法求解控制器，使闭环大系统鲁棒稳定，并且满足给定的H∞性能指标．最后通过仿真验证了该方法的有效性．     

线性离散时滞系统的Gl2 状态反馈控制

研究具有状态时滞的线性离散时不变系统的Gl2控制问题．基于简化的Gl2分析定理，Gl2控制问题被等价转化为H∞控制问题．通过LMI和构造Lyapunov函数，得到了Gl2性能的LMI表述．给出了使得时滞系统稳定且满足给定性能指标的无记忆Gl2状态反馈控制器存在的充分条件和设计方法．当系统具有独立范数有界扰动输入和全结构不确定性时，使用此方法设计得到的Gl2控制器比H∞控制器的保守性更小．算例验证了该方法的有效性.     

改进的粒子群优化算法优化分数阶PID控制器参数

为了提高分数阶比例积分微分（FOPID）控制器的控制效果,针对FOPID控制器参数整定的范围广、复杂性高等特点,提出改进的粒子群优化（PSO）算法优化FOPID控制器参数的方法。该算法对PSO中惯权重系数的上下限设定范围并随迭代次数以伽玛函数方式非线性下降,同时粒子的惯性权重系数和学习因子根据粒子的适应度值大小动态调整,使粒子保持合理运动惯性和学习能力,提高粒子的自适应能力。仿真实验表明,改进的PSO算法优化FOPID控制器的参数较标准PSO算法具有收敛速度快和收敛精度高等优点,使FOPID控制器得到较优的综合性能。     

基于时空混沌系统构造Hash函数

提出一种基于时空混沌系统的单向Hash函数构造方法．该方法通过使用单向耦合映射格子和基于迭代Logistic映射的初始状态生成函数实现明文和密钥信息的混淆和扩散，并基于密码块连接方式产生任意长度明文的128位Hash值．理论分析和实验表明，提出Hash函数满足Hash函数所要求的单向性、初值以及密钥敏感性和抗碰撞性等安全性能要求．     

迭代函数及其可计算性*

带迭代算子的函数式程序设计语言是一种有坚实理论基础、高效的、实际有用的高级程序设计语言．该语言既可描述递归，又可描述迭代．本文证明了仅用迭代算子由已知迭代函数定义的部分迭代函数就可计算部分递归函数．这就等于证明任何图灵可计算的部分函数．都可用有坚实数学基础的部分迭代函数高效地进行计算．文中定义了复合算子、原始迭代和最小化迭代算子及部分迭代函数；证明了部分递归函数是部分迭代函数可计算的．     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

执行器约束下基于数据驱动的参数化前馈控制器设计

针对执行器约束下非重复性点到点运动的轨迹跟踪问题, 提出了一种在执行器约束下基于数据驱动的参数化输入整形滤波器和前馈控制器优化设计算法. 首先对输入整形滤波器以及前馈控制器进行参数化, 然后在目标函数中加入控制信号变化量与控制信号能量的约束, 再采用基于数据驱动的迭代寻优算法得到最优参数, 在该参数下可以实现满足执行器约束条件下的运动控制系统轨迹最优跟踪性能. 并且由于采用了前馈参数化设计方法, 在点到点轨迹发生变化时所提出算法依然能够保持良好的轨迹跟踪性能. 仿真与实验结果表明在执行器约束下所提出算法能够实现最优点到点轨迹跟踪性能, 并且对非重复性点到点轨迹跟踪具有一定的鲁棒性.     

基于初态修正的ILGA控制器参数整定

针对迭代学习遗传算法（ILGA）对PID控制器参数进行整定时要求系统初态等于理想初态的问题，采用在迭代前对实际初态自学习逼近理想初态的方法，放松了迭代学习遗传算法的应用条件，并具有迭代学习次数少，整定PID控制器的最佳控制参数快的特点．简化了控制器的设计过程。给出仿真算例显示了该方法在PID控制器参数自动寻优上的有效性。     

随机噪声干扰下的迭代学习控制器设计

为解决迭代学习控制系统中随机噪声扰动问题,提出基于无限脉冲响应（ⅡR）数字滤波器的优化迭代学习控制器设计方法。该方法在首次迭代时对系统输出误差进行基于小波变换的两轮实验法滤波;其次根据小波滤波获得的输出误差确定部分及原误差信号作为输入输出辨识出等效ⅡR线性滤波器,并重构优化误差目标函数,进一步利用优化方法对迭代学习控制器优化设计;最后利用获得的线性滤波器及新学习律对系统进行后续批次迭代,直到满足收敛条件为止。仿真显示：在针对输出误差二范数这个性能指标,该方法与小波滤波相比,降低了近15%,并消除了由于小波滤波阈值选取过小产生的振铃现象;在批次间噪声累积上,降低了9%左右。仿真结果表明,提出的等效滤波器综合设计方法,有效抑制了随机噪声的影响,并提高了系统跟踪的准确性。