基于二维系统的迭代学习事件触发鲁棒控制

本文研究了二维系统框架下,带有事件触发机制的不确定离散系统迭代学习鲁棒控制问题.首先为了减少迭代过程中控制信号的更新次数,构建了一种沿迭代轴的事件触发机制,并提出了基于事件触发机制的迭代学习控制算法.基于二维系统理论,将迭代学习过程转化为等价二维Roesser系统.构造李雅普诺夫函数,结合线性矩阵不等式(LMI)技术,给出了系统渐近稳定的充分条件,进一步得到了控制器增益的求取方法.最后仿真结果验证了提出的事件触发机制的有效性.     

迭代学习控制理论进展与挑战

迭代学习控制理论进展与挑战林辉，戴冠中（西北工业大学自动控制系·西安，７１００７２）１前言让控制器本身具有某种“智能”，使得它在控制过程中能不断地完善自己，以使控制效果越来越好．这种具有“学习”能力的控制器一直是控制工程师们追求的目标．自从ＦＵ［‘］...     

迭代学习模型预测控制研究现状与挑战

历经20多年的发展, 迭代学习模型预测控制在理论和应用方面都取得了长足的进步. 但由于批次工业过程复杂多样、结构各异、精细化程度较高, 现有的迭代学习模型预测控制理论仍面临着巨大挑战. 本文简要回顾了迭代学习模型预测控制理论的产生及发展, 阐述了二维预测模型、控制律迭代优化及二维稳定性等基本理论问题; 分析了现有方法在理论及应用方面的局限性, 说明了迭代学习模型预测控制在迭代建模、高效优化、变工况适应等方面面临的难点问题, 提出了可行的解决方案. 简要综述了近年来迭代学习模型预测控制理论和应用层面的发展动态, 指出了研究复杂非线性系统、快速系统、变工况系统对进一步完善其理论体系和拓宽其应用前景的意义, 展望了成品质量控制和动态经济控制等重要的未来研究方向.     

基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control, ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control, MPC)和性能参考模型控制思想, 提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2 维性能参考模型来构造2 维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避 免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时 间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿 真结果证明了该设计方案的有效性和鲁棒性.     

迭代学习控制的分析与仿真

迭代学习控制适合于具有重复运动性质的被控对象,通过迭代修正达到某种控制目标的改善。本文论述了迭代学习控制的基本原理,着重分析了迭代学习控制的算法,并讨论了其存在的问题以及仿真实例,仿真表明闭环迭代学习控制的收敛速度要好于开环迭代学习控制的收敛速度。     

迭代学习控制技术回顾与长期学习控制展望

本文首先回顾了迭代学习控制中初始状态漂移问题和单调收敛性分析的研究技术.其次,综述了高阶迭代学习控制机制及其收敛速度比较和有效性.再次,评述了重复运行大系统和变幅值大工业过程的迭代学习控制机理.最后,展望了长期学习控制的研究趋势等.     

迭代学习控制现状与展望

迭代学习控制(ILC)作为智能控制的一个分支,经历了约二十年的发展,在理论研究和实际应用方面都取得了可喜的成果,在过程控制中逐渐显现其独到之处。本文在广泛介绍ILC算法的同时,系统地介绍了最近几年ILC理论研究现状、ILC存在的问题和研究方向。     

基于向量图分析的分布参数系统迭代学习控制

针对一类不确定线性分布参数系统的迭代学习控制问题进行了讨论。基于向量图分析方法,提出了分布参数系统的一种新的迭代学习控制算法,该算法与现有算法不同,具有非线性形式。此外,利用 范数对所提新算法进行了完整的收敛性分析。     

迭代学习控制的回顾与展望

本文综述了迭代学习控制和神经网络学习研究的概况，并对其存在的问题和发展趋势作了讨论。     

时滞系统采样迭代学习控制

针对一类具有状态时滞的连续系统提出一种采样迭代学习控制算法。给出并证明了算法指数收敛的充分条件,该条件可保证系统输出无论在采样点或非采样点上,都能以指数收敛速率收敛至期望输出的一个与采样周期有关的误差范围内。仿真结果表明了该算法的有效性。     

迭代学习控制新进展

从学习算法、收敛性、鲁棒性、收敛速度、2-D模型以及实际应用等方面对迭代学习控制的最新进展作了比较详尽的总结, 最后讨论了迭代学习控制存在的问题及有前景的研究方向.     

非线性系统迭代学习算法

对于一个未知的非线性连续系统或离散系统,从任给的一个初始控制出发,尝试实现一条给定的输出目标轨线.在满足一定条件下,利用跟踪误差来修正控制函数,经过反复的迭代学习可以取得满意的效果.本文改进了Arimoto、Togai和Bien等的开环迭代学习的收敛条件,并提出闭环迭代学习算法.理论与仿真结果证明了闭环算法在收敛条件、速度和抗干扰能力上都优于开环算法.     

基于2_D系统理论的变初始条件线性系统的开闭环学习控制

对于具有重复运动特性的系统,迭代学习控制是一种简便且行之有效的方法.考虑到系统每次运行初始值的不确定性,利用二维系统理论设计了开闭环迭代学习控制器,并给出了控制收敛的充分条件.用仿真试验验证其有效性.     

迭代学习控制理论进展与展望

从迭代学习控制算法、鲁棒性、收敛速度以及实际应用等方面,对迭代学习控制的最新进展作了较详尽的总结,论述了迭代学习控制的基本原理,讨论了迭代学习控制存在的问题及展望.     

非线性离散时间系统迭代学习控制的稳定性分析

讨论了初始偏移对于非线性离散时间系统迭代学习控制性能的影响.提出描述选择学习控制算法的学习律,并给出保证系统稳定性的充分条件.     

受扰动2-D线性时变系统的迭代学习控制

利用2-D系统理论的Roesser模型,给出了受扰动的线性时变离散系统迭代学习控制(ILC)问题的一种解决方法.对系统所受的已知扰动,给出其学习律参数的选取范围以及仅经一次迭代就能实现输出完全跟踪期望轨迹的参数选取方法;对系统所受的未知扰动,首先对SISO系统提出其学习律存在的条件及参数选取方法,进而推广到MIMO系统中,提出MIMO系统学习律的参数选取方法.最后给出两个数值例子进一步说明所得结果的有效性.     

高阶PID采样迭代学习控制

针对一类非线性带扰动系统提出了高阶PID采样速代学习控制算法,讨论了高阶算法的收敛性问题以及该算法的优势与缺陷.与传统的证明方法不同,利用泰勒级数展开法证明了被控对象在输入干扰和输出测量噪声均有界的情况下,高阶PID采样速代学习控制算法的收敛性,并且得出了收敛条件.由于收敛条件中没有积分项,因此更加利于分析计算.与传统的一阶采样迭代学习控制算法相比,高阶采样迭代学习控制算法由于利用了更多先前的控制信息而能使被控对象的实际输出更加接近理想输出.给出了相应的数值仿真,证明了理论分析的有效性.与此同时,结合啤酒生产过程中糖化阶段中酒花添加等实际问题对该算法的应用前景作了一定的分析.     

基于初次控制信号提取的迭代学习控制方法

在同一迭代学习控制(Iterative learning control, ILC)系统中, 选取一个合适的初次迭代控制信号相对于从零开始学习达到目标跟踪精度的迭代次数更少.本文针对线性系统研究从历次轨迹跟踪控制信息中通过期望轨迹匹配提取初次迭代控制信号的方法.首先提出了一种轨迹基元优化匹配算法, 在满足一定相似度的情况下, 通过轨迹分割、平移与旋转变换, 在轨迹基元库中寻找与当前期望轨迹叠合的轨迹基元组合轨迹; 进而, 依据线性叠加原理和轨迹叠合的平移矢量与旋转变换矩阵, 获取与期望轨迹叠合的轨迹基元控制信号; 在此基础上, 通过轨迹基元控制信号串联组合和时间尺度变换, 提取出当前期望轨迹的初次迭代控制信号.对于初次迭代控制信号在拼接处由边界条件差异引起的干扰, 给出了一种${H_\infty }$反馈辅助ILC方法.最后, 在$XYZ$三轴运动平台实现所提算法, 实验结果表明本文所提方法的有效性.