主动式踝关节假肢运动轨迹的迭代学习控制

根据肢体运动轨迹的重复特性,提出主动式踝关节假肢运动轨迹的迭代学习控制方法,解决行走过程中主动式踝关节假肢与正常肢体运动轨迹的差异性。在设计主动式踝关节假肢的结构并建立其数学模型基础上,通过Matlab／Sinmulink进行仿真,其结果表明该方法能够使假肢快速跟踪期望运动轨迹,达到与正常肢体运动轨迹的匹配。     

迭代学习控制的指数变增益加速学习算法及其在机器人控制上的应用

迭代学习控制作为智能控制的一个分支，近年来得到了很大的发展，在各个领域都有广泛的运用。为提高迭代学习速度，本文给出了指数变增益加速算法。机器人系统的仿真结果表明，该方法能大大提高学习速度，具有良好的控制性能。     

存在环境约束的机器人自适应迭代学习控制

针对存在不确定性和外界干扰的受限机器人系统提出一种自适应迭代学习控制律.不确定性参数被估计在时间域内,同时重复性外界干扰在迭代域内得到补偿.通过引入饱和学习函数,保证了闭环系统所有信号有界.借助Lyapunov复合能量函数法,证明了系统渐进收敛到期望轨迹的同时,能够保证力跟踪误差有界可调.     

一类未知非线性系统的智能迭代学习控制

从自适应的角度设计迭代学习控制，将神经网络引入迭代学习控制中。学习控制与自适应控制相结合，使得对网络权值的学习和跟踪控制同时进行，克服 了经典迭代学习控制的一些缺陷。基于Lyapunov直接方法，证明了整个控制系统的稳定并实现了任意精度的跟踪。实例仿真结果说明了算法 的有效性及其所具有的优点。     

非线性间歇过程PD型变增益迭代学习控制

针对迭代学习控制中固定学习增益存在的系统收敛速度较慢,实际应用中系统动态性能较差的缺点,研究了具有批次重复性的非线性间歇过程变增益PD型迭代学习控制方法.利用迭代学习过程中的期望轨迹、控制输入以及跟踪误差信息,设计变增益PD型控制器,给出了谱半径收敛条件,并利用算子理论对其进行了证明.对微藻发酵过程基质浓度的控制进行建...     

可变学习增益的迭代学习控制律

基于迭代学习控制理论提出了一种可变学习增益的迭代学习律,在非线性系统中对期望轨迹进行跟踪,与学习增益不变的迭代学习控制相比较,收敛速度得到很大的提高;通过对其收敛性进行严格的数学证明,得到了迭代学习律收敛的充分条件;在单机无穷大系统中,将该控制律应用于同步发电机的励磁控制,仿真结果表明该控制律的有效性,改善了控制的动态特性,有利于提高电力系统稳定性.     

存在未知时滞非线性系统的迭代变区间预测迭代学习控制

本文针对机理模型未知的非线性非仿射多入多出(multiple-input and multiple-output,MIMO)离散时间系统, 研究了系统同时存在未知时滞和迭代变化运行时间区间的预测迭代学习控制(predictive iterative learning control,PILC)问题. 首先利用未知时滞的上下界信息建立了一种新型的动态线性化(dynamic linearization,DL)模型, 理论分析表明该模型能够等价描述本文所考虑的存在未知时滞的未知非线性系统. 同时, 设计一种新的数据补偿机制用以处理由于系统运行时间区间迭代变化而引起的数据丢失问题. 基于所建立的DL模型和数据补偿机制, 设计了能够同时处理未知时滞和迭代变化运行时间区间的预测迭代学习控制方法. 通过严格的理论分析同时给出了建模误差和跟踪控制误差的收敛性质. 最后, 通过仿真进一步验证了所提方法的有效性.     

基于迭代学习控制的鳗鱼机器人切向速度跟踪控制

鳗鱼机器人的动力学模型非线性强、高度欠驱动,导致多关节鳗鱼机器人的切向速度跟踪控制极具挑战．本文采用P型迭代学习控制与步态生成器相结合的方法对多关节鳗鱼机器人的切向速度进行跟踪控制．首先,采用解析牛顿-欧拉法建立非惯性系下的鳗鱼机器人动力学模型,直接获得切向速度子动力学模型;然后,利用带饱和函数的P型迭代学习控制器控制步态参数,并且利用复合能量函数和切向速度子动力学模型分析该控制器的收敛性,得到切向速度跟踪误差的收敛条件;最后,提出鳗鱼机器人的运动控制框架,并对多模块的鳗鱼机器人进行仿真和实验．实验结果表明,实际的切向速度随着迭代次数的增加而逐渐跟踪上了期望的切向速度,故而验证了鳗鱼机器人切向速度跟踪控制器的有效性．     

机器人模糊迭代学习控制及其仿真研究

在机器人的轨迹跟踪的迭代学习控制中，迭代学习的学习律难以选择，本文结合自校正控制、模糊逻辑和迭代学习控制的基本思想，提出采用自适应模糊控制确定学习效率的方法，并采用Matlab软件的Simulink对该方法应用于机器人高精度的轨迹跟踪控制的情况进行了仿真研究，结果表明该方法具有学习控制律简单实用、跟踪精度高、学习速度快、鲁棒性强等优点。     

基于内模的机器人迭代学习控制

本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．     

迭代学习控制研究现状与趋势

系统论述了迭代学习控制的发展历史、研究进展.指出了基于可重复性的经典迭代学习控制特点与不足,阐述了迭代学习控制理论的现状:线性与非线性迭代学习、因果与非因果型迭代学习、滤波器型与鲁棒H∞迭代学习、高阶与最优迭代学习、2D复合迭代学习、迭代域超级矢量w变换学习系统分析理论等.简要介绍了与Lyapunov方法结合的新迭代学习控制,最后讨论了迭代学习控制存在问题和发展趋势.同时给出了几个迭代学习控制在工程应用中的成功范例.     

非线性系统迭代学习算法

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.     

Application of Active Force Control and Iterative Learning in a 5-Link Biped Robot

This paper investigates the efficacy of the implementation of the conventional Proportional-Derivative (PD) controller and different Active Force Control (AFC) strategies to a 5-link biped robot through a series of simulation studies. The performance of the biped system is evaluated by making the biped walk on a horizontal flat surface, in which the locomotion is constrained within the sagittal plane. Initially, a classical PD controller has been used to control the biped robot. Then, a disturbance elimination method called Active Force Control (AFC) schemes has been incorporated. The effectiveness and robustness of the AFC as disturbance rejecter has been examined when a conventional crude approximation (AFCCA), and an intelligent active force control scheme, which is known as Active Force Control and Iterative Learning (AFCAIL) are employed. It is found that for both of the AFC control schemes proposed, the system is robust and stable even under the influence of disturbances. An attractive feature of the AFCAIL scheme is that inertia matrix tuning becomes much easier and automatic without any degradation in the performance.     

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...     

迭代学习控制理论的现状与展望

论述了迭代学习控制的基本理论问题,着重讨论了迭代学习理论研究的现状及其存在的问题,提出了一些有待进一步研究的方 面。     

基于迭代学习控制算法的网络机器人控制系统

针对网络机器人控制系统中存在的干扰等不确定性因素,首先对网络机器人控制系统和迭代学习控制理论进行研究。在此基础上,利用迭代学习控制不依赖于动态系统的精确数学模型等优点,将其运用到网络机器人控制系统中,在同时考虑其存在干扰的情况下,给出了系统模型及详细的算法设计过程。通过Matlab平台进行仿真,表明了该算法的有效性。     

迭代学习控制的分析与仿真

迭代学习控制适合于具有重复运动性质的被控对象,通过迭代修正达到某种控制目标的改善。本文论述了迭代学习控制的基本原理,着重分析了迭代学习控制的算法,并讨论了其存在的问题以及仿真实例,仿真表明闭环迭代学习控制的收敛速度要好于开环迭代学习控制的收敛速度。