基于故障跟踪估计器的非线性时滞系统故障诊断

提出一种可有效检测和估计一类非线性时滞系统故障的故障跟踪估计器.根据预测控制和迭代学习控制的思想,在所选取的优化时域长度内,通过迭代算法调节故障跟踪估计器中的可调参数,使之逼近系统中实际发生的故障.与以往基于观测器的故障诊断方法不同的是,故障跟踪估计器可同时检测和估计系统中发生的故障,而且针对不同类型的故障亦有很好的适应性.仿真结果表明了所提出算法的可行性和有效性.     

随机分布控制系统的自适应迭代学习控制

介绍输出概率密度函数（PDF）常规的迭代学习控制（ILC）的收敛条件，并利用此条件设计相应的迭代学习律。主要讨论如何解决输出PDF迭代学习控制（ILC）中的过迭代，收敛速度等问题。以离散输出概率密度函数（PDF）控制模型为基础，介绍了直接迭代学习控制算法收敛的必要条件，提出自适应的迭代学习参数调节方法和避免过迭代的迭代结束条件，这些措施能够保证输出PDF的迭代控制收敛且具有较快的收敛速度。仿真结果表明，输出PDF的自适应迭代学习控制具有较快的收敛速度，而学习终止条件能很好地避免过迭代。     

阵风环境模拟用控制器设计与实验研究

针对环境模拟实验室风环境模拟的阵风特性,设计开发了一种迭代学习自校正PID控制器。该控制器将设定值序列进行迭代学习优化,系统内部采用PID自校正控制策略。仿真和实验结果表明,两种控制方式的结合,可改善系统设定点改变时的动态特性,实现了对期望风环境参数的有效控制。迭代学习控制的作用下,特别是对正弦风的模拟,随着时间推移实际值可跟踪定值,保证了环境模拟的控制精度。     

机器人系统有限时间自适应迭代学习控制

研究任意初态下，机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念，构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统，采用Lyapunov-like方法，分别设计迭代学习控制器处理系统中不确定性。并且，采用未含/含限幅学习机制，保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性。藉以实现跟踪误差在预先指定区间的完全跟踪。仿真结果验证所设计控制方法的有效性。     

基于互补滑模控制和迭代学习控制的永磁直线同步电动机速度控制

为满足永磁直线同步电动机(PMLSM)伺服系统高速度高精度的要求,抑制不确定性对系统性能的影响,提出一种互补滑模控制(CSMC)和迭代学习控制(ILC)相结合的控制方法.该方法结合了CSMC强鲁棒性的优点和ILC跟踪精度高的特点,以CSMC中积分滑模面为基础设计新型迭代学习律,既可利用ILC对系统未建模动态进行估计,抑制端部效应、齿槽效应和摩擦力等周期不确定性的影响,又可利用CSMC减小参数变化和外部扰动等非周期不确定性对系统的影响,从而提高控制器的收敛速度和收敛精度,保证系统具有较强的速度跟踪性能.实验结果表明,该方法有效地提高了系统的动态响应能力,改善了速度跟踪精度.     

一类不确定性离散非线性重复过程的迭代学习容错控制

针对一类具有非线性和执行器故障的重复运行不确定离散系统，提出了一种迭代学习鲁棒容错控制算法.首先通过定义执行器故障系数矩阵，将迭代学习控制过程转化为等价形式的不确定性非线性重复过程模型，然后基于混合李亚普若夫函数方法讨论非线性重复过程在时间轴和批次轴两个维度上的稳定性，并以线性矩阵不等式形式给出鲁棒容错控制器存在的充分条件和设计方法，同时保证系统正常和执行器故障情形下系统的容错稳定性能.最后，单杆机械手系统的输出跟踪控制仿真结果验证了本文算法的有效性.     

数据丢失下多智能体系统迭代学习跟踪控制

考虑数据丢失下非线性多智能体系统的一致性跟踪问题。假设多智能体系统使用固定网络通信拓扑结构，由于通信网络自身限制导致多智能体系统中存在数据丢失现象。将数据丢失现象描述为取值0/1的随机伯努利序列，设计分布式一致性跟踪误差，提出该系统在数据丢失下的P型迭代学习控制算法。采用压缩映射的方法给出收敛性条件，并在理论上分析了跟踪误差的收敛性。仿真结果表明，提出的算法可以实现该系统在有限时间区间上对期望轨迹的完全跟踪，验证了算法的有效性。     

任意初态下的工业机器人迭代学习控制

对迭代初值为任意值的工业机器人轨迹跟踪控制系统，提出了一种基于滑模面的非线性迭代学习控制算法，使机器人轨迹能快速、精确跟踪上期望轨迹。基于有限时间收敛原理，构建了关于机器人轨迹跟踪误差的迭代滑模面，在滑模面内，机器人轨迹跟踪误差在预定时间内收敛到零。设计了基于滑模面的迭代学习控制算法，理论证明了随着迭代次数的增加，处于任意初态的轨迹将一致收敛到滑模面内，解决了迭代学习中的任意初值问题。数值仿真验证了该算法的有效性和抗干扰能力。     

模糊预测迭代学习算法在油田抽油机中的应用

针对油田抽油机间歇启停运行方案中对信号的跟随性差和由于参数改变而引起的波动抑制效果差的问题,在模糊预测模型的基础上引入迭代学习算法,设计了一种模糊预测学习控制器。经仿真表明,该控制器不仅对信号有很好的跟踪性,而且能对波动有很好的抑制效果。     

移动机器人的离散迭代学习控制

移动机器人是一个集环境感知、动态决策与规划、运动控制与执行等多种功能于一体的综合自动化系统,对移动机器人的运动轨迹跟踪静、动态特性的要求也越来越高。迭代学习控制是一种能够有效地处理重复跟踪控制问题或抑制干扰性问题,提高系统性能的先进控制方法,能在给定的时间范围内实现未知对象实际运行轨迹以高精度跟踪给定期望轨迹,且不依赖精确数学模型。建立了移动机器人的运动模型,将迭代学习控制应用于具有重复运动性质的移动机器人,完成了迭代学习控制结构和控制率设计,通过仿真可见,该系统稳定收敛,能实现移动机器人良好的轨迹跟踪。