非线性系统迭代跟踪控制的批次遗忘学习算法

针对P型迭代学习算法对初始偏差和输出误差扰动敏感,以及PD型迭代学习算法容易放大系统噪声,降低系统鲁棒性的问题,研究了具有任意有界扰动及期望输出的重复运行非线性时变系统的PD型迭代学习跟踪控制算法.利用迭代学习过程记忆的期望轨迹、期望控制以及跟踪误差,给出基于变批次遗忘因子的学习控制器设计,并借助λ范数理论和Bellman-Gronwall不等式,讨论保证闭环跟踪系统批次误差有界的学习增益存在的充分必要条件,及分析控制算法的一致收敛性.本算法改善了系统的鲁棒性和动态特性,单关节机械臂的跟踪控制仿真验证了方法的有效性.     

时变非线性系统迭代学习控制遗忘因子算法

针对迭代学习P型控制算法对初始偏差和输出误差扰动的敏感性问题,研究了一种带有遗忘因子的时变非线性系统的迭代学习控制方法.在有扰动的情况下,利用迭代学习过程记忆的期望轨迹,期望控制以及跟踪误差,通过有界学习增益和批次时变因子设计学习控制器,并基于算子理论给出了控制算法存在的充分必要条件及其收敛性分析,改善了系统的鲁棒性和动态特性.最后以注塑机的注射速度控制仿真验证了本文算法的有效性.     

一种基于参数辨识的迭代学习控制算法及应用

针对间歇过程中模型参数变化的问题,提出了一种基于遗忘因子最小二乘法辨识的迭代学习控制算法。迭代学习律的参数随模型参数变化而更新,利用遗忘因子大大减小参数变化时"错误"数据对算法的影响,使算法具有更强的自适应性。把这一算法应用于黄酒发酵过程,提高了发酵过程的优化控制效果。仿真结果表明当模型参数随着批次变化时,系统的跟踪性能得到了改进。     

非正则线性系统的闭环P型迭代学习控制

迭代学习控制是改善具有重复运行性质过程的跟踪性能的有效方法。开环迭代学习控制学习周期长，在迭代学习的初期容易出现不稳定和高增益的现象。对非正则系统的迭代学习控制，需要采用高阶微分学习律。该文针对一类非正则线性定常连续系统，讨论了闭环P型迭代学习控制律，给出并证明了闭环P型迭代学习控制律的收敛性条件的两个定理，解决了非正则系统的P型迭代学习控制问题。仿真实例说明闭环迭代学习律的有效性和快速性。     

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.     

含非严格重复扰动的抗扰迭代学习控制

针对一类含不确定参数及未知扰动的高阶非线性系统,采用类Lyapunov方法,结合部分限幅学习律和滑模控制的优点,提出一种新的滑模鲁棒迭代学习控制算法.根据系统中不确定量的特性,将系统中的不确定性划分为两类:仅沿时间轴变化的不确定性和仅沿迭代轴变化的不确定性.前者采用迭代辨识方法处理,后者采用迭代滑模技术解决.在整个作业区间上,随着迭代次数的增加,控制算法确保系统的跟踪误差收敛到一个界内,控制器信号无抖颤,且闭环系统中其余变量一致有界.当系统扰动仅沿时间轴变化时,系统跟踪误差及其各阶导数沿迭代轴渐近收敛到0,实现系统各个状态的精确跟踪.相比利用连续函数近似法的传统滑模控制,该算法对未知扰动具有更好的鲁棒性.理论证明和仿真结果都说明了该算法的有效性.     

迭代学习控制的最优学习律和简化学习律的频域研究

为了在线性时不变MIMO系统中得到迭代学习控制的最优学习律和便于工程实现的简化学习律,在频域上对其进行了相关研究。以系统的传递函数矩阵为基础,依据Parseval定理,将时域误差关联为频域误差,再利用Jordan标准形矩阵等矩阵性质,得到了学习律的通适收敛条件。通过分析该条件,得出了收敛速度最快的一次迭代就能完成的最优学习律。由于高阶导数不利于消除噪音,因此文中还讨论了导数的降阶,给出了简化学习律算法。仿真结果表明,最优学习律和简化学习律是有效的。     

误差约束严格反馈系统的迭代学习控制

针对一类严格反馈非线性系统, 本文提出误差跟踪学习控制算法, 旨在解决状态约束问题和系统的初值问 题. 文中构造了二次分式型对称障碍Lyapunov函数以及二次分式型非对称障碍Lyapunov函数, 并结合反推技术来分 别设计学习控制器. 两种控制方案里分别采用积分学习律和微分–差分学习律估计未知系数. 系统跟踪误差在控制 器作用下囿于预设的界内, 从而实现迭代过程中对状态的约束; 引入期望误差轨迹, 经迭代学习后, 两种控制方案均 能够实现状态误差在整个作业区间上对期望误差轨迹的完全跟踪, 并且实现系统输出在预指定作业区间上精确跟 踪参考信号. 数值仿真结果表明了控制方案的有效性.     

抑制非线性扰动的迭代学习控制系统研究

多轴旋转机械体速率系统和位置系统中存在一类非线性扰动,这类非线性扰动具有多周期性的性质,并具有周期不变性。为抑制多周期非线性扰动对系统的影响,在系统满足连续里普希斯条件时,得出位置多周期非线性扰动转化为时间多周期非线性扰动的条件。提出一种迭代学习控制方法,通过系统误差收敛性分析来构造学习算子,利用系统的稳态误差信号构成前馈补偿,得出补偿多轴测旋转机械体周期非线性扰动的条件,并证明了算法稳定性。仿真表明,该方法能有效地补偿系统的多周期性非线性扰动,提高多轴旋转机械体系统的控制精度,具有较高的实用价值。     

基于模糊双模控制的钢水液位控制系统实现

介绍了连铸生产中结晶器钢水液位控制系统的组成。利用模糊双模控制算法控制钢水液位。与传统的钢水液位控制方式相比，可以有效控制生产过程中的变化和干扰。实践证明，这种算法有较好的控制效果。