基于迭代学习控制的列车自动运行研究

针对列控系统难以建立精确的动力学模型问题,利用列车运行过程中包含的大量重复信息,选用迭代学习算法对列车动力学模型中的未知参数进行辨识并提出基于迭代学习控制的列车自动运行控制算法。算法核心是利用历史数据生成新的控制量控制列车自动运行。仿真结果表明,经过一定次数的迭代,参数辨识值保持稳定并且列车能够严格跟踪目标曲线行驶,保证列车高精度、高平稳、高安全的运行。     

并联混合型有源滤波器电流跟踪的迭代学习控制

在并联混合型有源电力滤波器控制中,由于传统PI控制只能对直流给定信号进行无差调节,对周期量谐波滤波效果不够理想。该文根据稳定性负载电网谐波具有重复周期性特点,提出了PI型迭代学习控制算法,并引入遗忘因子学习律,增强系统鲁棒性。同时通过模糊推理构造参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度。该控制方法计算量小,易于实现。仿真分析与现场运行结果表明了该控制方法的有效性。     

基于扩张状态观测器的永磁同步电机重复学习控制

本文针对非参数不确定永磁同步电机系统,提出一种基于扩张状态观测器的重复学习控制方法,实现对周期期望轨迹的高精度跟踪.首先,将永磁同步电机中的非参数不确定性分为周期不确定与非周期不确定两部分.其次,构造包含周期不确定的未知期望控制输入,并设计重复学习律估计未知期望控制输入并补偿系统周期不确定.在此基础上,设计扩张状态观测器,估计系统未知状态和补偿非周期性不确定,进而提高系统鲁棒性.与已有的部分限幅学习律相比,本文提出的全限幅重复学习律可以保证估计值的连续性且能够被限制在指定的界内.最后,基于李雅普诺夫方法分析误差的收敛性能,并给出仿真和实验结果验证本文所提方法的有效性.     

基于逆Lipschitz条件的二阶导数迭代学习控制

为了提高收敛性和扩展学习律选项,避免高阶相对度的强约束条件,提出了在全局逆Lipschitz条件下的二阶导数迭代学习控制.利用范数理论证明了算法的收敛性.由于二阶导数对噪音敏感,采用多项式滤波避免了振荡,利于工程应用.仿真结果表明,该算法是有效的,应用于不同对象时提高了收敛速度,且精度满足工程应用.     

迭代学习控制技术回顾与长期学习控制展望

本文首先回顾了迭代学习控制中初始状态漂移问题和单调收敛性分析的研究技术.其次,综述了高阶迭代学习控制机制及其收敛速度比较和有效性.再次,评述了重复运行大系统和变幅值大工业过程的迭代学习控制机理.最后,展望了长期学习控制的研究趋势等.     

红外相机扫描镜轨迹跟踪的迭代学习控制方法

为提高星载广域红外相机的观测效率与凝视成像质量,扫描镜需要在几十毫秒的时间内完成角度切换,实现角秒级的轨迹跟踪控制。在闭环带宽有限的情况下,性能指标难以通过基于经典控制理论的算法实现。针对枢轴支撑的扫描镜机构,提出了一种基于迭代学习的高阶系统轨迹跟踪控制方法,推导了迭代学习律,并通过预测型算法对学习律进行了优化,避免了误差高阶导数的计算。然后通过频域分析说明了算法收敛性,选取了关键参数。通过仿真与原理样机实测验证了其应用效果。测试结果表明,算法在闭环带宽低于2 Hz的情况下,无需辨识被控对象的高阶特性,即可实现扫描镜对角加加速度超过106 （°）/s3轨迹的高精度跟踪控制,跟踪误差优于±1.5",满足相机应用要求。     

基于Jacobi方法的线性离散时间系统的迭代学习控制

提出线性离散时间系统基于Jacobi方法的迭代学习控制问题.通过构建线性迭代学习控制问题与线性方程组之间的联系,将Jacobi方法引入到迭代学习控制中,并由此构建得到迭代学习控制律.借助于矩阵运算,证明这种学习律能使得系统的输出跟踪误差经有限次迭代后为零.数值例子说明了算法的可适用性.     

非线性系统闭环PD型迭代学习收敛性分析

提出并证明了非线性系统采用闭环PD型学习律时迭代学习控制的收敛充分条件、必要条件和充分必要条件,并指出其收敛性仅与D型学习增益有关,而与P型学习律的学习增益无关,且收敛性与状态方程的具体形式无关.     

基于类牛顿学习律的携行外骨骼系统控制

为了提高系统的控制速度及精度,运用携行系统重复运动这一特性,根据类牛顿迭代学习律的理论,构造了时变的下肢外骨骼迭代学习算子,考虑了人机作用力。仿真结果表明了该方法的可行性及有效性。     

严格反馈系统约束迭代学习控制

针对一类含有状态约束和任意初态的严格反馈非线性系统,本文提出了基于二次分式型障碍李雅普诺夫函数的误差跟踪学习控制算法.二次分式型障碍李雅普诺夫函数保证了系统跟踪误差在迭代过程中限制于预设的界内,进而保持状态在约束区间内.引入一级数收敛序列用于处理扰动对系统跟踪性能的影响.构造期望误差轨迹解决了系统的初值问题.经迭代学习后,所设计的学习控制器能够实现系统输出在预指定作业区间上精确跟踪参考信号.最后的仿真结果验证了所提控制算法的有效性.