基于周期信号的迭代学习控制在逆变器中的应用

提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能.     

非线性时滞系统的高阶迭代学习控制

针对非线性时滞系统,讨论了输出跟踪控制的高阶迭代学习算法,并给出了算法的收敛性 证明.当由于重复定位等原因造成初态偏差时,提出一种反复学习方案,完成初态和轨迹跟 踪,它对初态偏差有较强的鲁棒性.仿真结果表明了该算法的有效性.     

参考轨迹更新的点到点迭代学习控制算法优化及应用

针对受非重复扰动作用的离散线性系统的输出跟踪控制问题,提出一种基于参考轨迹更新的点到点迭代学习控制算法.首先通过构建性能指标函数对控制器进行范数优化,并给出相应的收敛性条件,使得系统输出能够跟踪上更新后参考轨迹处的期望点.其次,当系统输出端受到某批次非重复扰动的影响时,进一步通过引入拉格朗日乘子算法构造多目标性能指标函数,以优化鲁棒迭代学习控制器,达到提高收敛速度和跟踪精度的目的.最后将该算法应用于电机驱动的单机械臂控制系统中,仿真结果验证了算法的合理性和有效性.     

基于混合灵敏度设计的鲁棒迭代学习控制

提出一种鲁棒迭代学习控制的设计方法．利用混合灵敏度设计方法,控制器满足一定鲁棒性条件时就可以直接获得收敛更新规则．此外,只要学习滤波函数满足一定条件,系统跟踪误差将显著降低．仿真结果表明该方法有效性较高．     

离散非线性系统的迭代学习轨迹跟踪鲁棒算法优化及应用

针对一类存在随机输入状态扰动、输出扰动及系统初值与给定期望值不严格一致的离散非线性重复系统,提出了一种P型开闭环鲁棒迭代学习轨迹跟踪控制算法．基于λ范数理论证明了算法的严格鲁棒稳定性,并通过多目标函数性能指标优化P型开闭环迭代学习控制律的增益矩阵参数,保证了优化算法下系统输出期望轨迹跟踪误差的单调收敛性,达到提高学习算法收敛速度和跟踪精度的目的．最后应用于二维运动移动机器人的实例仿真,验证了本文算法的可行性和有效性．     

非线性系统迭代跟踪控制的批次遗忘学习算法

针对P型迭代学习算法对初始偏差和输出误差扰动敏感,以及PD型迭代学习算法容易放大系统噪声,降低系统鲁棒性的问题,研究了具有任意有界扰动及期望输出的重复运行非线性时变系统的PD型迭代学习跟踪控制算法.利用迭代学习过程记忆的期望轨迹、期望控制以及跟踪误差,给出基于变批次遗忘因子的学习控制器设计,并借助λ范数理论和Bellman-Gronwall不等式,讨论保证闭环跟踪系统批次误差有界的学习增益存在的充分必要条件,及分析控制算法的一致收敛性.本算法改善了系统的鲁棒性和动态特性,单关节机械臂的跟踪控制仿真验证了方法的有效性.     

最优迭代学习控制的鲁棒稳定性及其在注塑机控制中的应有

提出了一种鲁棒最优迭代控制器的设计方法.对于任意有界的参考输出和不确定的初 始值,建立了由最优迭代学习控制器保证闭环系统有界输入有界输出(BIBO)鲁棒稳定性的充要 条件.实际应用中可根据不确定初始设定值和干扰对加权矩阵进行调整,从而保证闭环系统性能 随迭代过程的进行而得到改进.在注塑机控制中的应用验证了本文结论的有效性.     

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。     

误差约束严格反馈系统的迭代学习控制

针对一类严格反馈非线性系统, 本文提出误差跟踪学习控制算法, 旨在解决状态约束问题和系统的初值问 题. 文中构造了二次分式型对称障碍Lyapunov函数以及二次分式型非对称障碍Lyapunov函数, 并结合反推技术来分 别设计学习控制器. 两种控制方案里分别采用积分学习律和微分–差分学习律估计未知系数. 系统跟踪误差在控制 器作用下囿于预设的界内, 从而实现迭代过程中对状态的约束; 引入期望误差轨迹, 经迭代学习后, 两种控制方案均 能够实现状态误差在整个作业区间上对期望误差轨迹的完全跟踪, 并且实现系统输出在预指定作业区间上精确跟 踪参考信号. 数值仿真结果表明了控制方案的有效性.     

时变非线性系统迭代学习控制遗忘因子算法

针对迭代学习P型控制算法对初始偏差和输出误差扰动的敏感性问题,研究了一种带有遗忘因子的时变非线性系统的迭代学习控制方法.在有扰动的情况下,利用迭代学习过程记忆的期望轨迹,期望控制以及跟踪误差,通过有界学习增益和批次时变因子设计学习控制器,并基于算子理论给出了控制算法存在的充分必要条件及其收敛性分析,改善了系统的鲁棒性和动态特性.最后以注塑机的注射速度控制仿真验证了本文算法的有效性.     

Robust iterative learning control for multi-phase batch processes: an average dwell-time method with 2D convergence indexes

In order to cope with system disturbances in multi-phase batch processes with different dimensions, a hybrid robust control scheme of iterative learning control combined with feedback control is proposed in this paper. First, with a hybrid iterative learning control law designed by introducing the state error, the tracking error and the extended information, the multi-phase batch process is converted into a two-dimensional Fornasini–Marchesini (2D-FM) switched system with different dimensions. Second, a switching signal is designed using the average dwell-time method integrated with the related switching conditions to give sufficient conditions ensuring stable running for the system. Finally, the minimum running time of the subsystems and the control law gains are calculated by solving the linear matrix inequalities. Meanwhile, a compound 2D controller with robust performance is obtained, which includes a robust extended feedback control for ensuring the steady-state tracking error to converge rapidly. The application on an injection molding process displays the effectiveness and superiority of the proposed strategy.     

一类输出饱和系统的学习控制算法研究

传感器饱和是控制系统中较为常见的一种物理约束. 本文针对一类含饱和输出的受限系统, 提出了两种学习控制算法. 具体而言, 首先, 对于重复运行的被控系统, 设计了开环P型迭代学习控制器, 实现在有限时间区间内对期望轨迹的完全跟踪, 并在λ范数意义下分析了算法的收敛性, 给出了含饱和输出的迭代学习控制系统的收敛条件. 进而, 针对期望轨迹为周期信号的被控系统, 提出了闭环P型重复学习控制算法, 并分析了这类系统的收敛性条件. 最后, 通过一个仿真实例验证了本文所提算法的有效性.     

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。     

基于反馈控制的迭代学习控制器设计

针对具有不确定项或干扰项的重复非线性时变系统,提出了基于反馈控制的迭代学习控制器,其中迭代学习控制器设计为高阶PD型,它以前馈的形式作用于对象,在满足一定的收敛性条件下,证明了该控制器的跟踪误差界是系统初始状态误差界和系统输出干扰项界的线性函数,同时改变反馈增益可以调整系统的最终跟踪误差界,仿真与实验均表明了该方法的有效性。     

拟合迭代学习数据的工业过程控制器

为进一步提高工业过程控制系统的跟踪能力, 实现稳、准、快等性能, 本文利用迭代学习算法产生的各类信息, 在控制器函数拟合的基础上, 设计了一种高精度跟踪的鲁棒控制器. 首先在频域对闭环迭代学习算法进行分析, 得出迭代学习控制器等同于级联控制器的结论, 进而采用一个低阶结构的控制器去拟合误差序列与控制序列,避免了难以物理实现的高阶控制器, 最后通过对一般的工业过程对象进行实验设计, 结果表明这种控制器在快速性、无超调及控制精度上具有很好的优势, 并且具有良好的抑制干扰能力.     

一种改进的移动机器人轨迹跟踪迭代学习方法

通过对轮式移动机器人轨迹跟踪优化问题的研究,提出了一种适应性强、收敛速度快且跟踪误差小的迭代滤波学习控制方法,充分发挥了迭代学习控制和Kalman滤波算法的优势,通过引入状态补偿项和设计新的迭代学习增益矩阵对迭代学习律进行了改进。改进的迭代学习控制能够更快速、更精确、更有效地跟踪期望的圆轨迹。采用离散的Kalman滤波器对干扰和噪声进行滤波,抑制了干扰和噪声对轨迹跟踪的影响,使该控制算法更适合于工程应用。计算机实验和仿真表明该方法具有较好的轨迹跟踪能力。     

执行器故障时变系统的PID迭代容错控制

对存在执行器故障的连续线性时变系统，给出了PID型迭代学习容错控制律的收敛条件。对连续时变故障系统设计了一种PID迭代学习容错控制律，在[λ]范数意义下给出了故障系统PID型迭代容错控制器收敛的充要条件；基于Schur补原理和不等式变换，将容错控制器收敛条件转换成线性矩阵不等式，当迭代学习收敛速度设定时，基于线性矩阵不等式能快速确定最优迭代控制增益，避免了迭代控制增益设置的盲目性。旋转控制系统的数值仿真，验证了PID迭代容错控制器优良的容错性能和跟踪性能。     

An Exploration on Adaptive Iterative Learning Control for a Class of Commensurate High-order Uncertain Nonlinear Fractional Order Systems

This paper explores the adaptive iterative learning control method in the control of fractional order systems for the first time. An adaptive iterative learning control (AILC) scheme is presented for a class of commensurate high-order uncertain nonlinear fractional order systems in the presence of disturbance. To facilitate the controller design, a sliding mode surface of tracking errors is designed by using sufficient conditions of linear fractional order systems. To relax the assumption of the identical initial condition in iterative learning control (ILC), a new boundary layer function is proposed by employing Mittag-Leffler function. The uncertainty in the system is compensated for by utilizing radial basis function neural network. Fractional order differential type updating laws and difference type learning law are designed to estimate unknown constant parameters and time-varying parameter, respectively. The hyperbolic tangent function and a convergent series sequence are used to design robust control term for neural network approximation error and bounded disturbance, simultaneously guaranteeing the learning convergence along iteration. The system output is proved to converge to a small neighborhood of the desired trajectory by constructing Lyapnov-like composite energy function (CEF) containing new integral type Lyapunov function, while keeping all the closed-loop signals bounded. Finally, a simulation example is presented to verify the effectiveness of the proposed approach.      

A global robust iterative learning position control for current-fed permanent magnet step motors

The tracking control problem via state feedback for uncertain current-fed permanent magnet step motors with non-sinusoidal flux distribution and uncertain position-dependent load torque is addressed: a periodic reference signal (of known period) for the rotor position is required to be tracked. A robust iterative learning control algorithm is designed which, for any motor initial condition and without requiring any resetting procedure, guarantees, despite system uncertainties: exponential convergence of the rotor position tracking error to a residual ball (centered at the origin) whose radius can be made arbitrarily small by properly setting the learning gain; asymptotic convergence of the rotor position tracking error to zero. A sufficient condition for the asymptotic estimation of the uncertain reference input achieving, for compatible initial conditions, perfect tracking is derived. Robustness with respect to a finite memory implementation of the control algorithm based on the piecewise linear approximation theory is shown to be guaranteed; satisfactory performances of a discrete-time implementation of the control algorithm are obtained in realistic simulations for the full-order voltage-fed motor.     

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.