一种带参考批次的线性时变系统迭代学习控制算法

针对线性时变系统的轨迹跟踪控制问题,提出一种带参考批次的迭代学习控制算法,并给出了算法的收敛性分析.该迭代学习控制算法不需要事先了解线性时变对象的太多知识,而是将当前批次输入轨迹的较小变化所引起的输出轨迹作为参考批次,并以当前批次与参考批次的输入变化与对应的输出变化之比作为学习律,从而实现目标轨迹的跟踪.以一个典型的线性时变系统为例进行仿真分析,验证了所提出算法的有效性.     

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.     

受扰动2-D线性时变系统的迭代学习控制

利用2-D系统理论的Roesser模型,给出了受扰动的线性时变离散系统迭代学习控制(ILC)问题的一种解决方法.对系统所受的已知扰动,给出其学习律参数的选取范围以及仅经一次迭代就能实现输出完全跟踪期望轨迹的参数选取方法;对系统所受的未知扰动,首先对SISO系统提出其学习律存在的条件及参数选取方法,进而推广到MIMO系统中,提出MIMO系统学习律的参数选取方法.最后给出两个数值例子进一步说明所得结果的有效性.     

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。     

基于泰勒级数拟合的机器人模糊连续变增益H∞控制

针对n关节刚性机器人，提出一种新的保证在整个运动范围内始终具有良好动态性能的模糊连续变增益控制器的设计方法。首先结合变增益H∝理论和LMI方法，运用泰勒级数拟合设计连续变增益H∞控制器，使其适合系统状态变化快的对象；然后引入模糊控制，使控制器在误差较大时具有快速特性，误差较小时具有良好阻尼特性，从而使系统随状态变化始终具有很高的动态性能。仿真和实验结果验证了此控制器的有效性。     

非线性系统高阶迭代学习算法

结合迭代学习控制算法中的开环和闭环方案，本文针对更一般的非线性系统，讨论高阶算法的广泛适用性。理论和仿真结果表明了高阶算法在输出跟踪和干扰抑制方面的有效性。     

基于观测器跟踪非一致轨迹的迭代学习控制器设计

针对状态难以直接测量的一类不确定非线性系统,基于状态观测器进行相应的迭代学习控制设计,可实现在给定区间上对变轨迹的全局精确跟踪．当任意两次迭代的目标轨迹完全不同,并且系统状态信息不完全已知时,通过引入能量函数的方法,可以证明随迭代次数增加,跟踪误差渐近收敛至零．仿真结果验证了结果的有效性．     

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.     

机器人系统有限时间自适应迭代学习控制

研究任意初态下，机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念，构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统，采用Lyapunov-like方法，分别设计迭代学习控制器处理系统中不确定性。并且，采用未含/含限幅学习机制，保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性。藉以实现跟踪误差在预先指定区间的完全跟踪。仿真结果验证所设计控制方法的有效性。     

基于Jacobi方法的线性离散时间系统的迭代学习控制

提出线性离散时间系统基于Jacobi方法的迭代学习控制问题.通过构建线性迭代学习控制问题与线性方程组之间的联系,将Jacobi方法引入到迭代学习控制中,并由此构建得到迭代学习控制律.借助于矩阵运算,证明这种学习律能使得系统的输出跟踪误差经有限次迭代后为零.数值例子说明了算法的可适用性.     

基于向量图分析的一种迭代学习控制算法及其鲁棒性

为了增强迭代学习控制的鲁棒性,加快学习过程的收敛速度,而又不过多地依赖于系统内部信息,本文基于向量图分析思路,利用输入空间的向量构造三角形修正结构,得到了一种新的迭代学习控制算法．该算法根据跟踪误差的大小,调节输入控制量在三角形的一条边上滑动,在跟踪误差较大时,算法能找到控制期望的大致位置并加速收敛,在跟踪误差较小时,能将控制量稳定在其期望的很小邻域内,理论上证明了该邻域直径大小为跟踪误差的二阶无穷小．数值仿真结果说明了它的有效性和优越性．     

一类基于几何分析的迭代学习控制算法

基于几何分析，对迭代学习控制方法的几何框架进行探索．首先通过对Arimoto算法所构成的向量图进行几何分析，导出了一类新的迭代学习算法结构；然后从理论上对所导出的算法进行完整的收敛性分析．该算法结构与已有算法完全不同，但其收敛速度和精度明显提高．仿真结果表明了新算法的有效性和优越性．     

基于向量图分析的分布参数系统迭代学习控制

针对一类不确定线性分布参数系统的迭代学习控制问题进行了讨论。基于向量图分析方法,提出了分布参数系统的一种新的迭代学习控制算法,该算法与现有算法不同,具有非线性形式。此外,利用 范数对所提新算法进行了完整的收敛性分析。     

基于改进涡流搜索算法的外骨骼迭代学习控制

为提升康复外骨骼机器人的步态跟踪性能,提出一种基于改进涡流搜索算法的迭代学习控制方法。首先针对传统迭代学习控制抗扰性差和控制信息缺失问题,引入PD控制器、自适应遗忘因子、误差过渡曲线和控制信息搜索等策略,改进迭代学习控制律;其次,基于多种策略对涡流搜索算法进行改进,提出了一种改进涡流搜索算法,改进后的算法可优化迭代学习控制的PD参数;最后进行行走实验,将提出的迭代学习控制方法与现有的同类算法进行仿真和数值比较,并测试了扰动情况下的跟踪性能。实验结果表明,所提方法的误差更小,跟踪性能更强。该算法改进了迭代学习控制的不足,具有较强的抗扰性能,保证了使用时的稳定性。     

高阶参数优化迭代学习控制算法

针对线性时不变离散系统的跟踪问题提出一种高阶参数优化迭代学习控制算法.该算法通过建立考虑了多次迭代误差影响的参数优化目标函数,求解得出优化后的时变学习增益参数.从理论上证明了:对于线性离散时不变系统,该算法在被控对象不满足正定性的松弛条件下仍可保证跟踪误差单调收敛于零.同时,采用之前多次迭代信息的高阶算法具有更好的收敛性和鲁棒性.最后利用一个仿真实例验证了算法的有效性.     

基于向量图分析的迭代学习控制非线性算法

打破多年来人们一直囿于Arimoto的思路 ,另辟途径寻找新的迭代学习控制的研究方法 ,以期构架迭代学习控制的几何理论 .基于数学的几何方法 ,通过对通常算法所构成的向量图进行分析 ,获得了一类快速的迭代学习控制新算法 ,然后对这种新结构的算法在理论上进行了完整的收敛性分析 .这类新算法与目前所有迭代学习控制算法不同 ,具有非线性结构 .仿真结果表明了该类算法的有效性与优越性     

Iterative learning control for integrated system of robot and machine tool

This study is concerned with the integrated system of a robot and a machine tool. The major task of robot is loading the workpiece to the machine tool for contour cutting. An iterative learning control (ILC) algorithm is proposed to improve the accuracy of the finished product. The proposed ILC is to modify the input command of the next machining cycle for both robot and machine tool to iteratively enhance the output accuracy of the robot and machine tool. The modified command is computed based on the current tracking/contour error. For the ILC of the robot, tracking error is considered as the control objective to reduce the tracking error of motion path, in particular, the error at the endpoint. Meanwhile, for the ILC of the machine tool, contour error is considered as the control objective to improve the contouring accuracy, which determines the quality of machining. In view of the complicated contour error model, the equivalent contour error instead of the actual contour error is taken as the control objective in this study. One challenge for the integrated system is that there exists an initial state error for the machine tool dynamics, violating the basic assumption of ILC. It will be shown in this study that the effects of initial state error can be significantly reduced by the ILC of the robot. The proposed ILC algorithm is verified experimentally on an integrated system of commercial robot and machine tool. The experimental results show that the proposed ILC can achieve more than 90% of reduction on both the RMS tracking error of the robot and the RMS contour error of the machine tool within six learning iterations. The results clearly validate the effectiveness of the proposed ILC for the integrated system.     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。