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.     

直线电机迭代学习控制非重复性扰动抑制研究

针对直线电机迭代学习控制过程中非重复性扰动积累问题,提出了将干扰观测器和小波变换相结合的抑制非重复性扰动的算法。首先分析了扰动对迭代学习控制跟踪误差的影响,包括负载扰动和测量噪声,给出了干扰观测器和小波滤波抑制迭代学习控制中非重复性扰动的理论依据。干扰观测器直接对干扰估计并进行补偿,在时间域上抑制非重复性扰动,小波变换可分离出非重复性扰动,重构出不含非重复性扰动的误差信号,在迭代域上抑制了非重复性扰动的积累。利用辨识出的直线电机平台模型进行仿真,仿真结果证明提出的策略能够减少前馈控制信号中非重复性扰动积累,减小迭代学习控制收敛误差。