带遗忘因子的高阶闭环迭代学习控制器设计

为了解决迭代学习控制对系统存在的不确定性和非重复性干扰的鲁棒性问题，提出了一种带有遗忘因子的高阶闭环迭代学习控制器。该控制器中控制量包括反馈和前馈部分；其中，反馈控制采用简单的HD控制，迭代学习控制器设计为高阶HD型，它以前馈控制的形式作用于对象。通过引入遗忘因子对迭代学习控制器沿迭代方向进行滤波以，削弱系统模型的不确定部分及非重复干扰对系统收敛性的影响。仿真实验证明了该学习控制器的有效性和实用性。     

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．     

时变参数化非线性系统自适应迭代学习控制器设计

针对一类时变参数化非线性系统的控制问题进行深入研究,提出一种新的迭代神经网络估计器,并证明了其逼近引理,实现了对时变不确定性的逼近.在用迭代神经网络对时变不确定性进行估计的同时,以Lyapunov稳定性理论为基础,综合运用Backstepping和自适应控制技术,设计了自适应迭代学习控制器,并进行了稳定性分析,得到了稳定性定理,解决了这类时变非线性系统的控制问题.最后的仿真实验验证了所提出设计方法的正确性.     

带遗忘因子的高阶闭环迭代学习控制器设计

为了解决迭代学习控制对系统存在的不确定性和非重复性干扰的鲁棒性问题,提出了一种带有遗忘因子的高阶闭环迭代学习控制器.该控制器中控制量包括反馈和前馈部分;其中,反馈控制采用简单的PID控制,迭代学习控制器设计为高阶PID型,它以前馈控制的形式作用于对象.通过引入遗忘因子对迭代学习控制器沿迭代方向进行滤波以,削弱系统模型的不确定部分及非重复干扰对系统收敛性的影响.仿真实验证明了该学习控制器的有效性和实用性.     

基于迭代学习控制的PID控制器的设计方法

研究了迭代学习控制在前馈和反馈环节上的结构原理,克服了迭代学习控制必须在有限时间区间上实现完全跟踪的限制,依据迭代学习控制的特点,提出了两种拟合PID控制器参数的新方法.并进行了仿真实验,充分证明了该方法具有一般性和实用性.     

基于未知控制增益的非线性系统自适应迭代反馈控制

针对一类单输入单输出不确定非线性重复跟踪系统, 提出一种基于完全未知控制增益的自适应迭代反馈控制. 与普通迭代学习控制需要学习增益稳定性前提条件不同, 所提自适应迭代反馈控制律通过不断修改Nuss baum形式的反馈增益达到收敛. 证明当迭代次数i→δ时, 重复跟踪误差可一致收敛到任意小界δ. 仿真显示了所提控制方法的有效性.     

基于模糊辨识的非线性连续系统的迭代学习控制

基于非线性连续动态的模型辨识算法，给出了非线性连续系统的一种非常有效的迭代学习控制方案。该控制方案不要求非线性连续系统中具体的非线性关系，并且容许系统初始误差的存在。     

基于泰勒级数的迭代学习算法

针对存在不确定扰动的线性时变系统的轨迹跟踪控制问题,提出了基于泰勒级数的迭代学习算法．该算法利用泰勒级数将系统参数化,导出一种基于泰勒级数的线性时变系统的近似模型．在此模型的基础上,利用迭代学习方式修正输入量的泰勒展开系数,并用LMI方法求解学习增益矩阵．所提出算法在系统不满足正则性或无源性时,仍可用输出误差信号来构造学习律．仿真结果表明了该算法的有效性．     

迭代学习控制在励磁控制器设计中的应用

将迭代学习控制理论应用于励磁控制器的设计中,提出了一种新的设计方法,克服了迭代学习控制在有限时间区间上实现完全跟踪的限制.该方法设计的控制器结构简单,可获得较佳的静态和动态特性.采用MATLAB/Simulink软件对单机-无穷大系统进行仿真,结果表明了该方法的有效性和一般性.     

离散非线性时变系统开闭环PI型迭代学习控制律及其收敛性

对于具有重复运动性质的对象,迭代学习控制是一种有效的控制方法.针对一类离散非线性时变系统在有限时域上的精确轨迹跟踪问题,提出了一种开闭环PI型迭代学习控制律.这种迭代律同时利用系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用.给出了所提出的学习控制律收敛的充分必要条件,并采用归纳法进行了证明.最后用仿真结果对收敛条件进行了验证.     

Iterative Learning Control Utilizing the Error Prediction Method

In this paper, iterative learning control utilizing the error prediction method is proposed for a class of linear time varying systems subjected to disturbances. Prediction of the error is done by identifying the system time varying parameters. Convergence of the proposed method is analyzed and the uniform boundedness of tracking error is obtained in the presence of uncertainty and disturbances. It is shown that the learning algorithm not only guarantees the robustness, but also improves the learning rate despite the presence of disturbances. The effectiveness of the proposed method is presented by simulations.     

基于初次控制信号提取的迭代学习控制方法

在同一迭代学习控制(Iterative learning control, ILC)系统中, 选取一个合适的初次迭代控制信号相对于从零开始学习达到目标跟踪精度的迭代次数更少.本文针对线性系统研究从历次轨迹跟踪控制信息中通过期望轨迹匹配提取初次迭代控制信号的方法.首先提出了一种轨迹基元优化匹配算法, 在满足一定相似度的情况下, 通过轨迹分割、平移与旋转变换, 在轨迹基元库中寻找与当前期望轨迹叠合的轨迹基元组合轨迹; 进而, 依据线性叠加原理和轨迹叠合的平移矢量与旋转变换矩阵, 获取与期望轨迹叠合的轨迹基元控制信号; 在此基础上, 通过轨迹基元控制信号串联组合和时间尺度变换, 提取出当前期望轨迹的初次迭代控制信号.对于初次迭代控制信号在拼接处由边界条件差异引起的干扰, 给出了一种${H_\infty }$反馈辅助ILC方法.最后, 在$XYZ$三轴运动平台实现所提算法, 实验结果表明本文所提方法的有效性.     

Iterative Learning Control for Nonlinear Systems: A Bounded‐Error Algorithm

This paper presents a nonlinear iterative learning control (NILC) for nonlinear time‐varying systems. An algorithm of a new strategy for the NILC implementation is proposed. This algorithm ensures that trajectory‐tracking errors of the proposed NILC, when implemented, are bounded by a given error norm bound. A special feature of the algorithm is that the trial‐time interval is finite but not fixed as it is for the other iterative learning algorithms. A sufficient condition for convergence and robustness of the bounded‐error learning procedure is derived. With respect to the bounded‐error and standard learning processes applied to a virtual robot, simulation results are presented in order to verify maximal tracking errors, convergence and applicability of the proposed learning control.     

迭代学习控制系统的鲁棒收敛性分析(英)

本文提出一种开闭环配合的滤波器型选代学习控制算法，并将这种算法应用于一般非线性动态系统的轨迹跟踪．对于渐近重复初始条件和渐近周期干扰的情形，通过控制误差估计和输出误差估计，文中分别证明了学习过程的一致收敛性．证明中未采用线性化手段．     

一类不确定性离散非线性重复过程的迭代学习容错控制

针对一类具有非线性和执行器故障的重复运行不确定离散系统,提出了一种迭代学习鲁棒容错控制算法.首先通过定义执行器故障系数矩阵,将迭代学习控制过程转化为等价形式的不确定性非线性重复过程模型,然后基于混合李亚普若夫函数方法讨论非线性重复过程在时间轴和批次轴两个维度上的稳定性,并以线性矩阵不等式形式给出鲁棒容错控制器存在的充分条件和设计方法,同时保证系统正常和执行器故障情形下系统的容错稳定性能.最后,单杆机械手系统的输出跟踪控制仿真结果验证了本文算法的有效性.     

带控制时滞广义系统的PID型迭代学习算法

研究了一类线性时滞广义系统的迭代学习控制问题.针对广义系统的特点,引入选代学习控制方法,给出了线性时滞广义系统的PID型选代学习算法.结合矩阵广义逆理论,利用λ范数和Bellman引理,并从理论上给出了算法收敛性的完整证明.研究结果表明,只要充分利用广义系统的特点,寻找合适的收敛性分析方法,便可解决控制时滞广义系统的收敛性问题,对时滞广义系统速代学习控制问题的研究具有重要的理论意义与应用价值.     

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。     

Noise-Tolerant ZNN-Based Data-Driven Iterative Learning Control for Discrete Nonaffine Nonlinear MIMO Repetitive Systems

Aiming at the tracking problem of a class of discrete nonaffine nonlinear multi-input multi-output (MIMO) repetitive systems subjected to separable and nonseparable disturbances, a novel data-driven iterative learning control (ILC) scheme based on the zeroing neural networks (ZNNs) is proposed. First, the equivalent dynamic linearization data model is obtained by means of dynamic linearization technology, which exists theoretically in the iteration domain. Then, the iterative extended state observer (IESO) is developed to estimate the disturbance and the coupling between systems, and the decoupled dynamic linearization model is obtained for the purpose of controller synthesis. To solve the zero-seeking tracking problem with inherent tolerance of noise, an ILC based on noise-tolerant modified ZNN is proposed. The strict assumptions imposed on the initialization conditions of each iteration in the existing ILC methods can be absolutely removed with our method. In addition, theoretical analysis indicates that the modified ZNN can converge to the exact solution of the zero-seeking tracking problem. Finally, a generalized example and an application-oriented example are presented to verify the effectiveness and superiority of the proposed process.

     

基于迭代继电反馈的多变量PID控制器自整定

PID控制是工业过程中最常用的控制方法,但在实际生产过程中,被控过程往往是多变量、有耦合的,常规PID控制器参数往往整定不良、性能欠佳,对运行工况的适应性较差。为此,将迭代反馈理论和继电整定方法有机结合起来,提出一种适用于存在耦合的多变量系统PID控制器的参数整定方法。运用该方法整定PID参数,不需要被控对象的数学模型,而且具有速度快、效果好等优点。