带有迭代学习外环的快速路入口匝道无模型自适应预测控制

针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.     

结合前馈调参与迭代学习的数据驱动控制方法

在前馈控制中, 需要尽可能的去除前馈控制器对系统模型的需求, 同时保证高精度和鲁棒性. 本文提出了 一种数据驱动的将迭代前馈调参与迭代学习控制进行结合的方法, 通过引入基函数参数化的前馈控制器和输入整 形滤波器, 使用梯度下降法求解最优系统前馈控制器, 消除期望轨迹引入的扰动; 通过迭代学习控制, 消除系统重复 性扰动, 进一步提高控制精度. 算法具有不依赖系统模型, 高精度, 适用于变轨迹任务的优点. 文中给出了相应的仿 真, 并应用到一个直线电机系统, 通过实验验证了算法的有效性.     

局部对称积分型迭代学习控制

提出了一个新的迭代学习控制（ＩＬＣ）更新律用于连续线性系统的有限时间区间跟踪控制,迭代学习控制作为一个前馈控制,迭代学习控制作为一个前馈控制器加在已有的反馈控制器之上,对于上倥 的反馈控制信号作局部对称积分,所提出的迭代学习控制更新律具备较简单的形式且仅含有两个设计参数,即：学习增益和局部积分的区间长度,给出了收敛性分析以及设计步骤。     

注塑机注射速度的零相位滤波迭代学习控制

针对注射速度控制,设计了一种基于零相位滤波迭代学习的前馈反馈控制方法．该控制算法中的前馈部分采用迭代学习控制,利用以往批次信息实现精确跟踪;反馈部分采用比例控制,用于克服当前批次扰动．为了消除学习算法应用时出现的坏学习瞬态,这里先推导出所提控制算法在频域下的收敛条件,再给出基于零相位滤波的单调递减学习瞬态.经实验验证,这种方法可以使学习控制具有单调递减的学习瞬态曲线,并能很好地满足实际的注射控制要求．     

基于迭代学习控制的PID控制器的设计方法

研究了迭代学习控制在前馈和反馈环节上的结构原理,克服了迭代学习控制必须在有限时间区间上实现完全跟踪的限制,依据迭代学习控制的特点,提出了两种拟合PID控制器参数的新方法.并进行了仿真实验,充分证明了该方法具有一般性和实用性.     

不确定离散线性系统的鲁棒单调反馈–前馈迭代学习控制

针对一类不确定离散线性系统,提出一种沿迭代方向鲁棒单调收敛和沿时间方向有界输入有界输出(bouned-input bounded-output,BIBO)稳定的反馈–前馈迭代学习控制策略.首先,将不确定反馈–前馈迭代学习系统表示为不确定二维Roesser模型系统;然后,把二维系统沿迭代方向的鲁棒单调收敛问题转化成一维系统的H∞干扰抑制控制问题,并给出系统的稳定性证明和用线性矩阵不等式(linear matrix inequality,LMI)表示的沿迭代方向鲁棒单调收敛的充分条件,该LMI充分条件不仅可以用于确定反馈–前馈控制器的增益矩阵,而且还可以保证系统沿时间轴方向是BIBO稳定的;最后,仿真结果证明了该反馈–前馈迭代学习控制策略的有效性.     

基于迭代学习的电动负载模拟器复合控制

为保证电动负载模拟器力矩精确加载,设计了基于迭代学习控制和舵机位置前馈补偿结合的复合力矩控制器.引入弹性杆结构以提高系统稳定性及加载精度,并从系统响应速度、频宽及稳定性等方面对弹性杆刚度约束进行了分析.建立了控制系统模型,在三闭环结构基础上,引入了舵机位置前馈补偿.为保证正弦负载模拟效果,设计了基于指令力矩幅值和相位修正的迭代学习控制器,并基于P型控制器实现对幅值和相位的迭代学习.最后,分别进行了力矩加载及多余力矩抑制实验,结果证明了该方法的可行性及有效性.     

基于强化迭代学习的四旋翼无人机轨迹控制

为进一步提升在未知环境下四旋翼无人机轨迹的跟踪精度,提出了一种在传统反馈控制架构上增加迭代学习前馈控制器的控制方法。针对迭代学习控制（ILC）中存在的学习参数整定困难的问题,提出了一种利用强化学习（RL）对迭代学习控制器的学习参数进行整定优化的方法。首先,利用RL对迭代学习控制器的学习参数进行优化,筛选出当前环境及任务下最优的学习参数以保证迭代学习控制器的控制效果最优;其次,利用迭代学习控制器的学习能力不断迭代优化前馈输入,直至实现完美跟踪;最后,在有随机噪声存在的仿真环境中把所提出的强化迭代学习控制（RL-ILC）算法与未经参数优化的ILC方法、滑模变结构控制（SMC）方法以及比例-积分-微分（PID）控制方法进行对比实验。实验结果表明,所提算法在经过2次迭代后,总误差缩减为初始误差的0.2%,实现了快速收敛;并且与SMC控制方法及PID控制方法相比,RL-ILC算法在算法收敛后不会受噪声影响产生轨迹波动。由此可见,所提算法能够有效提高无人机轨迹跟踪的准确性和鲁棒性。     

基于模糊推理的均热炉温度迭代学习控制

介绍了在烧钢加过程中，采用前馈，反馈复合控制与迭代学习控制相 控制方法。     

六自由度液压运动平台的迭代学习控制

本文针对飞行模拟器六自由度液压运动平台的数学模型,设计了一个反馈—前馈迭代学习控制器,该控制器将迭代学习算法与传统的PID控制算法结合,控制器前馈部分用于提高系统的控制精度,控制器反馈部分用于提高系统的鲁棒性能。然后证明了控制器收敛条件并利用Simulink进行了仿真,仿真分析和实际应用表明,基于迭代学习算法的液压运动平台位置控制系统具有控制精度高、稳定性好、鲁棒性强等特点,实现了液压运动平台系统的精确位置控制。     

Control of a pneumatic power active lower-limb orthosis with filter-based iterative learning control

A filter-based iterative learning control (FILC) scheme is developed in this paper, which consists in a proportional–derivative (PD) feedback controller and a feedforward filter. Moreover, based on two-dimensional system theory, the stability of the FILC system is proven. The design criteria for a wavelet transform filter (WTF) – chosen as the feedforward filter – and the PD feedback controller are also given. Finally, using a pneumatic power active lower-limb orthosis (PPALO) as the controlled plant, the wavelet-based iterative learning control (WILC) implementation and the orchestration of a trajectory tracking control simulation are given in detail and the overall tracking performance is validated.     

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。     

Model predictive control-based longitudinal control for autonomous electric vehicle with changing mass

In this paper, a longitudinal control strategy in terms of model predictive control (MPC) and mass estimator is investigated for an autonomous electric vehicle (AEV). A driving force table (DFT) is established to represent the relationship among throttle opening, speed, and driving force. A mass estimator is designed to obtain the actual mass of AEV. An MPC-based controller with constraints is suggested to get the desired acceleration. Moreover, a feedforward controller is developed to calculate the throttle opening directly. Both the iterative feasibility and stability of the MPC are ensured. The experimental results are given to show the effectiveness of our strategy with mass estimator.     

A Practical Iterative Learning Path‐Following Control Of An Omni‐Directional Vehicle

A new practical iterative learning control (ILC) updating law is proposed to improve the path following accuracy for an omni‐directional autonomous mobile robot. The ILC scheme is applied as a feedforward controller to the existing feedback controller. By using the local symmetrical double‐integral of the feedback control signal of the previous iteration, the ILC updating law takes a simple form with only two design parameters: the learning gain and the range of local integration. Convergence analysis is presented together with a design procedure. Simulation results on a difficult maneuver are presented to illustrate the effectiveness of the proposed simple and yet practical scheme. The simulation is based on the model of a novel robotic platform, the Utah State University (USU) Omni‐Directional Vehicle (ODV), which uses multiple “smart wheels,” whose speed and direction can be independently controlled through dedicated processors for each wheel.     

非线性系统的主动容错控制

对一般的非线性系统提出了一种新的主动容错控制方法.系统正常工作时,采用基于迭代学习观测器的输出反馈控制策略,控制器为迭代学习观测器的状态和调节参数的函数,此输出反馈控制器能良好地镇定该非线性系统.当系统发生故障后,进行控制器重组,在调节参数的自适应调节律中引入了故障估计的信息,使得系统发生故障后包含故障估计信息的重组控制器仍然能使系统稳定,实现了非线性系统的主动容错控制.计算机模拟显示所提出算法的有效性.