反馈辅助PD型迭代学习控制:初值问题及修正策略

讨论迭代初态与期望初态存在固定偏移情形下 的迭代学习控制问题, 提出带有反馈辅助项的PD型迭代学习控制算法, 可实现系统输出对期望轨迹的渐近跟踪. 为了进一步实现输出轨迹在预定有限区间上对期望轨迹的完全跟踪, 提出分别带有初始修正作用和终态吸引的学习算法. 文中给出所提出的学习算法的极限轨迹, 并对学习算法进行收敛性分析, 推导出收敛性充分条件, 可用于学习增益的确定. 通过数值结果, 验证所提学习算法的有效性.     

反馈辅助学习算法在Lebesgue-p范数意义下的单调收敛性

针对一类线性时不变系统,讨论存在固定初始偏移时的学习控制问题,提出带有反馈辅助项的比例微分(proportion differentiation,PD)型学习控制算法,分析所提算法在Lebesgue-p范数意义下的单调收敛性,获得对期望轨迹的渐近跟踪结果.进一步地,为获得系统输出对期望轨迹的完全跟踪,给出带有初始修正策略的比例–积分–微分(proportion multiple integration differentiation,PMID)型学习律,并给出了所提学习算法的单调收敛性能分析结果.最后,通过数值结果,验证了所提学习算法的跟踪性能和单调收敛性能.