非线性抛物型偏差分系统迭代学习控制

本文研究了一类时空离散的非线性抛物型偏差分系统的迭代学习控制问题.首先,针对系统含有不确定系数与非线性特点,设计了开环P型迭代学习控制算法;然后,建立了输出跟踪误差沿迭代轴收敛的充分条件,并利用离散Gronwall不等式、λ范数以及压缩映射原理,详细给出了收敛性分析证明.最后通过仿真实例说明了算法的有效性.     

四边简支载流薄板的稳定性分析

在已知横向磁场与机械载荷共同作用下薄板的磁弹性动力稳定方程的基础上,利用Galerkin法将方程整理为马丢方程,讨论了当薄板只受到动载荷作用时系统的分岔行为,并绘出了分岔图.     

快速路交通流常微分模型的PD型迭代学习控制

针对快速路交通常微分模型,利用快速路交通流具有明显的重复性和周期性等特点,首先,设计了一种快速路交通流常微分模型的入口匝道交通流PD型迭代学习控制算法,并建立了迭代学习误差的收敛性条件;其次,利用λ范数和Bellman-Gronwall引理证明了算法的收敛性.最后,通过数值仿真结果进一步说明了提出的迭代学习控制方法的有效性.     

闭环抛物型偏差分系统迭代学习控制

在对迭代学习控制的研究中,研究收敛性是基本前提。在保证系统收敛到真值的前提下加快收敛速度也是一个十分重要的研究领域。针对一类抛物型偏差分系统,提出了在采用闭环P型迭代学习控制律能提高系统收敛速度的问题。给出算法的收敛条件,借助λ范数,离散Gronwall不等式,给出了系统的收敛性证明。通过严格的分析,所提出的迭代学习控制方法保证了范数意义下跟踪误差的收敛。并通过Matlab仿真分别对开环和闭环算法做了验证分析,得到了闭环算法优于开环算法的结论。