基于几何分析的分布参数系统的迭代学习控制

研究了一类不确定非线性分布参数系统的迭代学习控制问题.基于几何分析方法,给出了分布参数系统一种新的具有自适应因子的非线性迭代学习控制算法.导出了新算法的收敛条件,并利用广义λ范数从理论上证明了新算法的收敛性.     

一类带有时滞的广义系统的H_∞控 :一种LMI方法(英文)

利用线性矩阵不等式方法研究了一类带有时滞的广义系统的H∞ 控制问题 .在一定条件下 ,一个时滞奇异系统可以转化成由一个微分方程和一个代数方程组成的系统 ,基于线性矩阵不等式方法给出了使这类系统H∞干扰抑制性能指标满足要求的无记忆状态反馈控制设计 .     

不确定非线性广义时滞系统的时滞相关鲁棒最优H_∞控制

针对一类具有非线性扰动的不确定广义时滞系统,研究了鲁棒最优H∞控制问题.利用矩阵不等式和引入自由矩阵的方法,得到闭环系统正则、无脉冲、渐近稳定的且具有H∞范数有界的时滞相关充分条件.基于相应的线性矩阵不等式可行解,给出广义系统的H∞控制律,并且给出的数值仿真例子说明了方法的有效性。     

一类带有时滞的广义系统的H∞控制:一种LMI方法

利用线性矩阵不等式方法研究了一类带有时滞的广义系统的H∞控制问题.在一定条件下,一个时滞奇异系统可以转化成由一个微分方程和一个代数方程组成的系统,基于线性矩阵不等式方法给出了使这类系统H∞干扰抑制性能指标满足要求的无记忆状态反馈控制设计.     

一类不确定非线性广义时滞系统的H∞控制

针对一类具有非线性控制输入的参数不确定广义时滞系统,研究了该类广义系统的鲁棒H∞控制问题.利用Lyapunov泛函方法和线性矩阵不等式工具,无需对广义系统进行转化,得到了闭环系统鲁棒渐近稳定且具有H∞范数界的充分条件;将其转化为不带参数不确定矩阵的线性矩阵不等式,基于相应的线性矩阵不等式可行解,给出了该类广义系统的H∞控制律的构造方法.数值例子表明了该方法的有效性和可行性.     

一类具有控制时滞非线性系统在任意初值下的开环PD型迭代学习控制

在迭代学习控制理论的收敛性分析中,常见的初始条件是迭代初值与期望初值一致,或者迭代初值固定,给出了一类含控制时滞非线性时变系统在任意初值条件下采用开环PD型迭代学习控制算法时的收敛条件.迭代学习采用控制输入与初值同时学习的算法,其中控制输入利用了给定超前法,该算法解决了控制时滞和初值问题.运用算子理论证明了收敛条件,给出了间歇非线性控制时滞过程仿真实例,研究结果说明了该算法的有效性.     

一类状态时滞广义串级控制系统的H∞镇定

针对一类具有状态时滞的广义串级控制系统,研究其H∞控制问题.考虑到当非零扰动作用于系统时采用静态反馈控制对于被控对象的输出具有不足性,从而将串级控制应用于具有状态时滞的广义系统中,并且建立了闭环广义串级控制系统新的模型.提出的方法着重在于串级控制在广义系统中的应用.利用线性矩阵不等式方法得到了相应系统正则、无脉冲和稳定的条件,并进一步利用得到的条件给出了相应的H∞稳定控制器设计方法.最后通过仿真实例说明了所提方法的有效性.     

一类多时变时滞T-S模糊广义系统的容许控制

研究了一类具有多时变时滞的T-S模糊广义系统的容许控制问题。首先,给出了多时变时滞的T-S模糊广义系统数学模型,并且利用Lyapunov稳定性分析方法,得到了多时变时滞的T-S模糊广义系统的容许的一个充分条件,所得的结果对时变时滞的变化率没有限制。该充分条件可以通过严格线性矩阵不等式来求解。然后基于所给出的容许性定理,提出了状态反馈控制器的设计方法.最后,使用算例说明了所给方法的可行性和有效性。     

一类线性离散切换系统的迭代学习控制

考虑具有任意切换序列线性离散切换系统的迭代学习控制问题. 假设切换系统在有限时间区间内重复运行, P型ILC算法可实现该类系统在整个时间区间内的完全跟踪控制. 采用超向量方法给出了算法在迭代域内收敛的条件, 并在理论上分析了的收敛性. 仿真示例验证了理论的结果.     

广义时滞系统的时滞相关型H∞控制

研究了广义时滞系统的时滞相关型H_∞控制问题.首先通过引入一个新的Lyapunov-Krasovskii泛函,以严格线性矩阵不等式的形式,得到了广义时滞系统的一个新的有界实引理.在此基础上,设计了使得闭环系统正则、无脉冲和稳定,且满足H_∞性能界的时滞相关型H_∞控制器,并给出了控制器增益的显式表示.最后的算例表明了本文方法具有更小的保守性.     

线性广义系统P型迭代学习控制离散频域收敛性

针对一类线性广义系统,研究其P型迭代学习控制在离散频域中的收敛性态。在离散频域中,对广义系统进行奇异值分解后,利用傅里叶级数系数的性质和离散的Parseval能量等式,推演了一阶P型迭代学习控制律跟踪误差的离散能量频谱的递归关系和特性,获得了学习控制律收敛的充分条件;讨论了二阶P型迭代学习控制律的收敛条件。仿真实验验证了理论的正确性和学习律的有效性。     

具有迭代初始误差的高相对度线性离散系统的迭代学习控制

本文针对具有迭代初始误差的高相对度线性多变量离散系统,提出了一种P型的迭代学习控制算法.通过将迭代学习控制系统的二维运动过程描述为一维的线性离散系统,证明了该迭代学习控制算法的收敛性及其收敛的充要条件.该迭代学习控制算法通过对系统前次重复运动过程中的输入和跟踪误差信号进行学习,来不断地调整输入量,使得系统在经过一定次数的学习以后,在初始时间点以外的实际输出趋于期望输出.数值仿真结果表明了所提出算法的有效性.     

正则系统在Lebesgue-p范数意义下的快速迭代学习控制

针对一类线性正则系统,传统迭代学习控制算法收敛速度较低的问题,设计了一种快速迭代学习控制算法。该算法在传统P型迭代学习控制算法基础上,增加了由相邻两次迭代时跟踪误差构成的上一次差分信号和当前差分信号,并在Lebesgue-p范数度量意义下,利用卷积推广的Young不等式严格证明了,当迭代次数趋于无穷大时,系统的跟踪误差收敛于零,并给出了算法的收敛条件。该算法与传统P型迭代学习控制算法相比,不仅提高了收敛速度,而且还避免了采用λ范数度量跟踪误差的缺陷,最后通过仿真结果进一步验证了所提算法的有效性。     

Iterative learning control for nonlinear systems with uncertain state delay and arbitrary initial error

Most of the existing iterative learning control algorithms proposed for time-delay systems are based on the condition that the time-delay is precisely available, and the initial state is reset to the desired one or a fixed value at the start of each operation, which makes great limitation on the practical application of corresponding results. In this paper, a new iterative learning control algorithm is studied for a class of nonlinear system with uncertain state delay and arbitrary initial error. This algorithm needs to know only the boundary estimation of the state delay, and the initial state is updated, while the convergence of the system is guaranteed. Without state disturbance and output measurement noise, the system output will strictly track the desired trajectory after successive iteration. Furthermore, in the presence of state disturbance and measurement noise, the tracking error will be bounded uniformly. The convergence is strictly proved mathematically, and sufficient conditions are obtained. A numerical example is shown to demonstrate the effectiveness of the proposed approach.     

高相对阶连续时间系统的间接迭代学习控制

本文提出了一类高相对阶线性连续时间系统的间接迭代学习控制算法,该算法相对独立于系统局部控制器,因此可以应用于已有局部反馈控制器的系统.采用具有极点配置的H∞鲁棒控制器作为系统的内环控制,而在外环通过迭代学习控制调整内环系统的指令信号.通过引入拉氏变化,构建了迭代学习系统的2-D Roesser模型,推导了系统渐近收敛条件,并研究了存在有界初始条件偏移和迭代变化外部干扰时算法的鲁棒性能.最后,利用空中加油对接控制的算例进一步验证了算法的有效性.     

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.     

LMI-based robust iterative learning controller design for discrete linear uncertain systems

This paper addresses the design problem of robust iterative learning controllers for a class of linear discrete-time systems with norm-bounded parameter uncertainties. An iterative learning algorithm with current cycle feedback is proposed to achieve both robust convergence and robust stability. The synthesis problem of the proposed iterative learmng control （ILC） system is reformulated as a γ-suboptimal H-infinity control problem via the linear fractional transformation （LFT）. A sufficient condition for the convergence of the ILC algorithm is presented in terms of linear matrix inequalities （LMIs）. Furthermore, the linear wansfer operators of the ILC algorithm with high convergence speed are obtained by using existing convex optimization techniques. The simulation results demonstrate the effectiveness of the proposed method.     

线性广义系统的迭代学习控制

针对线性时不变广义系统的迭代学习控制问题．利用时间加权范数性质．通过Frobenius范数给出广义系统在D型和PD型闭环学习律作用下系统的实际输出轨迹逐渐逼近理想输出轨迹的充分条件．并指出在D型闭环学习律的基础上加上P型闭环学习律不影响控制系统的收敛性．但可以改变系统的性能．仿真算例说明了该方法的有效性．     

输入约束不确定系统的点对点迭代学习控制与优化

为解决工业过程中机械臂等特殊重复运行系统的输出在有限时间内无需实现全轨迹跟踪,仅需跟踪期望轨迹上某些特殊关键点的控制问题,针对线性时不变离散系统提出一种基于范数最优的点对点迭代学习控制算法.通过输入输出时间序列矩阵模型变换构建综合性多目标点性能指标函数,求解二次型最优解得到优化迭代学习控制律,同时给出模型标称和不确定情形下最大奇异值形式鲁棒控制算法收敛的充分条件,并进一步推广得到输入约束系统优化控制算法的收敛性结果,最后在三轴龙门机器人模型上验证算法的有效性.     

Iterative learning control for a class of singular impulsive systems

In this paper, the iterative learning control problem for a class of nonlinear singular impulsive systems is discussed. Then, a D-type (derivative-type) iterative learning control algorithm is presented such that the output tracks the desired output trajectory as accurate as possible. Furthermore, the sufficient condition for the convergence of the proposed algorithm is established in detail. Finally, a numerical example is included to corroborate the theoretical analyses.