共查询到20条相似文献,搜索用时 156 毫秒
1.
本文针对以往单纯采用迭代学习控制引起的系统初始转矩冲击和收敛时间过长的问题,提出了一种新的基于经验数据的学习控制算法。指出影响系统输出的关键因素是舵机的转速。然后根据这个特点,应用迭代学习控制的经验,设计了一种简单的算法来确定迭代学习控制的初始输入量,再利用神经网络学习算法修正偏差。仿真结果表明基于经验数据的学习控制很好的解决了单纯采用迭代学习控制而引起的初始转矩冲击和收敛时间过长的问题。 相似文献
2.
3.
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. 相似文献
4.
非线性系统的学习控制及其在机器人中的应用 总被引:7,自引:0,他引:7
分析了一类非线性系统的迭代学习控制问题,给出了迭代算法收敛的充分条件,使得经过逐次迭代后系统输出严格跟踪理想信号,且迭代初始状态与理想状态及理想输入无关。最后,机器人系统的仿真结果表明了本文方法的可行性及实用性。 相似文献
5.
6.
非线性系统迭代学习算法 总被引:27,自引:1,他引:27
对于一个未知的非线性连续系统或离散系统,从任给的一个初始控制出发,尝试实现一条
给定的输出目标轨线.在满足一定条件下,利用跟踪误差来修正控制函数,经过反复的迭代学
习可以取得满意的效果.本文改进了Arimoto、Togai和Bien等的开环迭代学习的收敛条
件,并提出闭环迭代学习算法.理论与仿真结果证明了闭环算法在收敛条件、速度和抗干扰能
力上都优于开环算法. 相似文献
7.
具有扰动的非线性系统高阶迭代学习控制 总被引:1,自引:0,他引:1
李宏胜 《模式识别与人工智能》2006,19(4)
迭代学习控制(ILC)利用系统的重复性不断改进控制性能.本文讨论一类具有扰动的非线性、时变系统高阶迭代学习控制算法及其迭代学习收敛的充分条件,并与D型迭代学习算法相比,讨论典型PD高阶ILC算法的收敛速度.仿真结果证实高阶ILC算法具有更快的收敛速度,并且当系统满足收敛条件、不确定项及输出扰动项有界时迭代学习收敛. 相似文献
8.
时滞非线性系统的采样迭代学习控制 总被引:1,自引:0,他引:1
针对一类输入时滞非线性系统, 提出了一种采样迭代学习控制算法, 该算法不含跟踪误差的微分信号, 给出了学习算法收敛的充分条件, 当不存在初始误差、不确定扰动时, 算法在采样点处能实现对期望输出信号的完全跟踪, 否则, 跟踪误差一致有界, 仿真结果表明了该算法的有效性. 相似文献
9.
对于非线性迭代学习控制问题,提出基于延拓法和修正Newton法的具有全局收敛性的迭代学习控制新方法.由于一般的Newton型迭代学习控制律都是局部收敛的,在实际应用中有很大局限性.为拓宽收敛范围,该方法将延拓法引入迭代学习控制问题,提出基于同伦延拓的新的Newton型迭代学习控制律,使得初始控制可以较为任意的选择.新的迭代学习控制算法将求解过程分成N个子问题,每个子问题由换列修正Newton法利用简单的递推公式解出.本文给出算法收敛的充分条件,证明了算法的全局收敛性.该算法对于非线性系统迭代学习控制具有全局收敛和计算简单的优点. 相似文献
10.
为进一步提升在未知环境下四旋翼无人机轨迹的跟踪精度,提出了一种在传统反馈控制架构上增加迭代学习前馈控制器的控制方法。针对迭代学习控制(ILC)中存在的学习参数整定困难的问题,提出了一种利用强化学习(RL)对迭代学习控制器的学习参数进行整定优化的方法。首先,利用RL对迭代学习控制器的学习参数进行优化,筛选出当前环境及任务下最优的学习参数以保证迭代学习控制器的控制效果最优;其次,利用迭代学习控制器的学习能力不断迭代优化前馈输入,直至实现完美跟踪;最后,在有随机噪声存在的仿真环境中把所提出的强化迭代学习控制(RL-ILC)算法与未经参数优化的ILC方法、滑模变结构控制(SMC)方法以及比例-积分-微分(PID)控制方法进行对比实验。实验结果表明,所提算法在经过2次迭代后,总误差缩减为初始误差的0.2%,实现了快速收敛;并且与SMC控制方法及PID控制方法相比,RL-ILC算法在算法收敛后不会受噪声影响产生轨迹波动。由此可见,所提算法能够有效提高无人机轨迹跟踪的准确性和鲁棒性。 相似文献
11.
12.
基于神经网络的机器人轨迹鲁棒跟踪控制 总被引:1,自引:0,他引:1
在神经网络辨识的基础上 ,提出一种新的鲁棒迭代学习控制方法。该方法利用神经网络对非线性系统进行在线辨识 ,产生迭代学习控制算法的前馈作用 ,并与实时反馈控制相结合 ,实现连续轨迹跟踪控制。仿真结果表明 ,该方法能克服机器人系统动力学模型的不确定性和外部干扰 ,且以极少的学习次数和网络训练次数达到满意的跟踪控制要求 ,具有良好的鲁棒性和控制性能 相似文献
13.
惠小健 《计算机工程与应用》2021,57(3):261-265
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。 相似文献
14.
15.
对一类未知的非线性的多变量系统,提出了用动态神经网络实现直接自适应控制的策略,基于Lyapunov理论,获得一个稳定并且连续的学习律,避免了递归训练过程,闭环系统被证明是鲁棒稳定的,跟踪误差收敛到一个小的残集,这种方法的特点是即不需要离线学习阶段也不要求初始的参数误差足够小,仿真结果验证了提出的动态网络的自适应控制算法的有效性。 相似文献
16.
17.
18.
高阶CMAC神经网络的研究 总被引:2,自引:0,他引:2
提出了一种高阶CMAC(HCMAC)神经网络,它是采用高阶的径向基函数作为接收域函数,为了进一步增强对输入模式的表达,还可以用接收域函数输入模式向量构成张量积,这时产生的是高维的增强表达,同时HCMAC沿用CMAC的地址映射方法,由于高阶接收域函数的引入,使其可以获得较CMAC连续性强且有解析微分的复杂函数近似,HCMAC在不改变CMAC简单结构的基础上较RBF网络有计算量少,学习效率高等优点,中 相似文献
19.