不确定线性系统迭代学习控制器的设计

推导出采用闭环动态迭代学习律的不确定线性系统收敛充分条件, 把它转化为系统输出反馈H_∞控制问题, 然后用线性矩阵不等式 (LMI)方法系统设计迭代学习控制器, 控制器具有鲁棒性较强、阶次较低等优点. 最后仿真结果表明该设计方法的有效性.     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

不确定随机线性重复过程的鲁棒H《,∞》滤波

研究鲁棒滤波优化问题,随机线性重复过程是具有实际意义的特殊二维系统.针对二维系统研究鲁棒H<,∞>滤波稳定性和误差问题,通过设计一个全阶滤波器使不确定随机线性重复过程均方渐近稳定,给出鲁棒H<,∞>全阶滤波器存在的充分条件,并将滤波器的设计转化为一个凸优化的求解问题.所设计的滤波器能够保证相对于所有能量有界的外界扰动信号,重复过程的H<,∞>性能指标小于一定值γ.另外,将所得结果扩展到过程参数具有范数有界不确定性和凸多面体不确定性的系统中.仿真结果证明了设计方法的有效性.     

基于ESO迭代学习算法的故障估计

针对基于迭代学习的故障估计器方法,提出一种基于扩张状态观测器(ESO)思想的迭代学习算法,以提高虚拟故障的收敛速度。该算法将ESO的输出误差非线性反馈机制用于迭代学习过程,利用故障估计器当前输出残差的非线性函数修正下次迭代时的虚拟故障值。对所建立的故障估计器的收敛性进行理论分析,并在此基础上进行了仿真实验。仿真结果表明,所提出的算法具有良好的收敛速度和故障估计精度。     

基于迭代学习的离散线性时变系统故障诊断

针对一类离散线性时变系统的故障诊断问题,提出一种新的故障检测与估计算法.该算法通过引入虚拟故障构建离散故障跟踪估计器,在选取的优化时域内,利用估计器输出和系统实际输出产生的残差信号,采用迭代学习算法来调节虚拟故障,使虚拟故障逼近系统中实际发生的故障,从而达到对系统故障诊断的目的.该方法不仅能检测出系统不同类型的故障,还可以实现对故障信号的精确估计.仿真结果验证了所提出方法的有效性.     

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。     

不确定线性系统的可达集估计

本文针对线性不确定系统,研究了系统状态可达集估计问题.在已知参考输入,未知扰动有界的条件下,提出了一种新的可达集估计方法,并把所提方法推广到系统不稳定的情况,分别估计出不稳定系统的闭环可达集和开环可达集.通过分析动态系统的李雅普诺夫函数,将求取系统可达集的问题转化为线性矩阵不等式优化问题,并将可达集范围用椭球集形式表述.最后分别通过数值仿真分析,验证了所提出方法对线性系统可达集估计的有效性.     

不确定随机线性重复过程的鲁棒L2-L∞滤波

研究了不确定随机线性重复过程的鲁棒L2-L∞滤波问题.通过设计一个全阶滤波器使不确定随机线性重复过程均方渐近稳定,给出鲁棒L2-L∞全阶滤波器存在的充分条件,并将滤波器的设计转化为一个凸优化的求解问题.所设计的滤波器能够保证相对于所有能量有界的外界扰动信号,重复过程的L2-L∞性能指标小于定值γ.仿真实例证实了该设计方法的有效性.     

基于奇异观测器的连续系统传感器故障估计

研究连续系统的传感器故障估计问题,提出一种奇异观测器来进行故障估计,所提方法不需要假设故障、故障导数和干扰的上界已知.通过HB∞性能指标抑制了干扰对故障估计的影响;采用线性矩阵不等式来获得奇异观测器的增益阵;利用Lyapunov泛函得到了观测误差动态系统的鲁棒渐近稳定性;最后通过飞行器仿真实例验证了所提方法的有效性.     

线性不确定系统的H∞状态反馈鲁棒重复控制

现有的重复控制设计不能同时优化低通滤波器的参数和重复控制器的参数.我们在设计重复控制系统以控制线性不确定对象时,解决了这个问题.首先,引入状态反馈以保证闭系统的鲁棒稳定性,把重复控制器设计问题转化为H∞状态反馈增益的设计问题.为获得低通滤波器最大转折频率,进一步将设计问题转化为基于线性矩阵不等式约束的凸优化问题.提出了一种迭代算法,用以计算低通滤波器的最大转折频率和H∞状态反馈增益.在保证系统鲁棒稳定性的同时,获得最高控制精度的重复控制器和低通滤波器的参数组合.该方法与已有方法比较,它的结果容易验证和求解,因而更适合于实际应用.最后,通过数值实例验证了本文所提方法的有效性.     

Observer‐based Fault Estimators Using Iterative Learning Scheme for Linear Time‐delay Systems with Intermittent Faults

This paper deals with the fault estimation problem for a class of linear time‐delay systems with intermittent fault and measurement noise. Different from existing observer‐based fault estimation schemes, in the proposed design, an iterative learning observer is constructed by using the integrated errors composed of state predictive error and tracking error in the previous iteration. First of all, Lyapunov function including the information of time delay is proposed to guarantee the convergence of system output. Subsequently, a novel fault estimation law based on iterative learning scheme is presented to estimate the size and shape of various fault signals. Upon system output convergence analysis, we proposed an optimal function to select appropriate learning gain matrixes such that tracking error converges to zero, simultaneously to ensure the robustness of the proposed iterative learning observer which is influenced by measurement noise. Note that, an improved sufficient condition for the existence of such an estimator is established in terms of the linear matrix inequality (LMI) by the Schur complements and Young relation. In addition, the results are both suit for the systems with time‐varying delay and the systems with constant delay. Finally, three numerical examples are given to illustrate the effectiveness of the proposed methods and two comparability examples are provided to prove the superiority of the algorithm.     

输入增益未知非参数不确定系统的准最优学习控制

为解决一类非参数不确定系统在任意初态且输入增益未知情形下的轨迹跟踪问题, 提出准最优误差跟踪学习控制方法.该方法综合准最优控制和迭代学习控制两种技术设计控制器, 在构造期望误差轨迹的基础上, 根据控制Lyapunov函数及Sontag公式给出标称系统的优化控制, 以鲁棒方法和学习方法相结合的策略处理非参数不确定性.闭环系统经过足够次迭代运行后, 经由实现系统误差对期望误差轨迹在整个作业区间上的精确跟踪, 获得系统状态对参考信号在预设的部分作业区间上的精确跟踪.仿真结果表明所设计学习系统在收敛速度方面快于非优化设计.     

Fault Estimation for a Class of &nbsp;Markov Jump Piecewise-Affine Systems: Current Feedback Based Iterative Learning Approach

In this paper, the issues of stochastic stability analysis and fault estimation are investigated for a class of continuous-time Markov jump piecewise-affine (PWA) systems against actuator and sensor faults. Firstly, a novel mode-dependent PWA iterative learning observer with current feedback is designed to estimate the system states and faults, simultaneously, which contains both the previous iteration information and the current feedback mechanism. The auxiliary feedback channel optimizes the response speed of the observer, therefore the estimation error would converge to zero rapidly. Then, sufficient conditions for stochastic stability with guaranteed

\begin{document}$ H_{\infty}$\end{document}

performance are demonstrated for the estimation error system, and the equivalence relations between the system information and the estimated information can be established via iterative accumulating representation. Finally, two illustrative examples containing a class of tunnel diode circuit systems are presented to fully demonstrate the effectiveness and superiority of the proposed iterative learning observer with current feedback.

     

一类不确定线性时滞系统的输出反馈鲁棒镇定

研究一类不确定线性时滞系统的输出反馈鲁棒镇定问题,其中不确定性不必满足匹配条件。以二次Lyapunov泛函保证系统的渐近稳定性,利用线性矩阵不等式给出了系统可以利用动态输出反馈鲁棒镇定的充分条件。当此条件成立时,基于线性矩阵不等式的解构造了全阶动态输出反馈镇定控制器。     

一类线性时变不确定周期奇异系统的鲁棒镇定

讨论了一类线性时变不确定周期广义系统的鲁棒镇定问题．基于线性时变不确定周期广义系统的鲁棒稳定的概念, 提出鲁棒稳定的充分必要条件, 并基于对偶系统的等价性得到鲁棒镇定的充分必要条件. 通过引入自由矩阵, 所得结果表示为线性矩阵不等式, 验证过程更简单、可靠.     

一类不确定系统的重复学习控制方法

针对一类不确定非线性系统, 结合Backstepping方法, 设计重复学习控制方法.采用Lyapunov-like综合, 设计重复学习控制器处理系统中的参数和非参数不确定性, 可实现系统状态在整个作业区间上完全跟踪期望轨迹.分别讨论部分限幅和完全限幅学习机制, 证明闭环系统中各变量的一致有界性以及跟踪误差的一致收敛性.仿真结果验证了所提出控制方法的有效性.     

任意初态下不确定时滞系统的PD型迭代学习控制*

针对不确定时滞系统讨论带有初始修正的ＰＤ型迭代学习控制算法，给出这类系统的输出极限轨迹，以及迭代输出收敛于该极限轨迹的较弱的充分条件，其中将初始条件放宽为某任意可达初始状态函数的可重复性。仿真结果表明这种算法中的初始修正项可以有效地抑制初始偏移的影响。     

一类不确定线性系统的鲁棒自适应控制

针对一类同时具有匹配不确定性和不匹配政治面目 确定性的线性系统,首先采用李雅普诺夫稳定性定理,结合基于矩阵不等式的鲁棒控制器设计方法和变结构控制方法,设计鲁棒控制器,使得闭环系统是二次渐近稳定的,然后,利用自适应参数估计方法,设计具有匹配不确定性范数界估计能力的鲁棒自适应控制器,保证闭环系统的一致终结有界,在此基础上,进一步考虑系统中可能的未知不确定性,分析闭环系统的鲁棒性,并得到了相应的控制器设计方法。     

非线性系统的PD型迭代学习控制

非线性系统的ＰＤ型迭代学习控制孙明轩黄宝健张学智（西安工业学院电子系西安７１００３２）关键词初始条件问题,迭代学习控制,非线性系统．１）国家自然科学基金资助项目．收稿日期１９９６－０７－２５１引言运用迭代学习控制技术设计控制器时,只需要通过重复操作获...     

不确定线性系统鲁棒迭代学习控制器设计及应用

针对一类不确定线性系统提出鲁棒迭代学习控制器设计方法,且通过求解Riccati方程方法设计鲁棒迭代学习控制器,并基于Lyapunov理论推导出不确定线性系统收敛充要条件。该控制器具有阶次低,易于实现等特点。所提出的控制方案保证系统跟踪在有限的迭代步骤内达到较好的控制效果。最后以机器人为仿真对象,仿真结果表明该设计方法的有效性和可行性。