迭代学习在网络控制中的应用*

针对网络拥塞控制中网络拥塞本身无法建立精确的数学模型的问题,基于迭代学习控制具有结构简单及对系统精确模型不依赖等优点,首次提出了用迭代学习控制算法来解决网络拥塞,其主要目的是提高网络资源的利用率并提供给信源公平的资源分配份额。在提出算法前,首先通过分析网络模型建立了网络拥塞被控系统;然后提出了针对该被控系统的开闭环PID型迭代学习控制算法并证明了其收敛性;最后运用此算法建立了网络拥塞控制模型。通过实验和仿真表明,该算法对解决网络拥塞问题有很好的效果。     

迭代学习在PID控制中的应用

利用迭代学习过程记忆的期望控制、期望轨迹以及跟踪误差,提出了拟合控制系统的PID控制器参数的方法。用这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性。仿真实例表明了这种方法具有很好的可行性和实用性。     

迭代扩张状态观测器及其在迭代学习控制中的应用

针对一类迭代学习控制(ILC)系统的不确定项,根据时域中扩张状态观测器的思想,提出迭代域中线性迭代扩张状态观测器(LIESO),该线性迭代扩张状态观测器可以利用迭代过程的跟踪误差给出迭代学习控制系统的不确定项的显式估计。给出了基于该估计的迭代学习控制算法,并应用类Lyapunov方法证明其收敛性。仿真结果表明,所提出的迭代学习控制算法是有效的,应用迭代扩张状态观测器可以大幅度提高迭代学习效率。     

迭代学习控制在电力系统中的应用进展

根据迭代学习控制基本原理及其特性,归纳迭代学习控制在电力系统中的各种应用,对迭代学习控制的最新进展进行详尽的叙述,讨论迭代学习控制在电力系统中应用存在的问题,并对其发展进行展望.     

迭代学习神经网络控制在机器人示教学习中的应用

示教学习是机器人运动技能获取的一种高效手段.当采用摄像机作为示教轨迹记录部件时,示教学习涉及如何通过反复尝试获得未知机器人摄像机模型问题.本文力图针对非线性系统重复作业中的可重复不确定性学习,提出一个迭代学习神经网络控制方案,该控制器将保证系统最大跟踪误差维持在神经网络有效近似域内.为此提出了一个适合于重复作业应用的分布式神经网络结构.该神经网络由沿期望轨线分布的一系列局部神经网络构成,每一局部神经网络对对应期望轨迹点邻域进行近似并通过重复作业完成网络训练.由于所设计的局部神经网络相互独立,因此一个全程轨迹可以通过分段训练完成,由起始段到结束段,逐段实现期望轨迹的准确跟踪.该方法在具有未知机器人摄像机模型的轨迹示教模仿中得到验证,显示了它是一种高效的训练方法,同时具有一致的误差限界能力.     

迭代学习控制在烟叶发酵系统中的应用

烟叶发酵是一个十分复杂的过程，其数学模型难以建立。为了对发酵室的温度、湿度进行理想的跟踪控制，提出了一处以寻求期望输入的迭代学习控制方法，在总结人工经验的基础上，给出了设计学习律的具体思路。仿真结果表明效果良好。     

迭代学习控制在氯乙烯聚合反应中的应用

由于氯乙烯聚合反应釜是一个具有纯滞后时间长、时间常数大的,且很难建立精确数学模型的被控对象,因此本文提出一种新的控制方案,即采用控制输入和系统初态同时进行学习的闭环PD型迭代学习控制,给出了该算法谱半径形式的收敛条件,并利用算子理论证明了系统在任意初态条件下经过逐次迭代后,其输出能够完全跟踪期望轨迹。仿真结果表明了该算法的有效性。     

迭代学习控制在大惯性系统中的应用

迭代学习控制是应用在具有重复运动特点的系统中,并有良好的跟踪效果的控制方法.本文针对转台控制系统中的大惯性环节,运用开环P型迭代学习控制,仿真证明该学习控制律的有效性.并证明学习控制律的收敛条件.     

基于PLC的自动配料控制系统研究

根据工业硅自动配料的工艺流程和控制要求,设计了PLC为核心的控制系统,利用计算机作为上位机提供良好的人机界面,对配料过程进行监控和管理.文中对配料控制策略进行了研究,提出了对配料误差的处理方法,有效提高了系统的配料精度,并进行切实可靠的软硬件设计.实际运行表明该系统稳定,可靠且具有推广价值.     

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.     

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。     

电动伺服舵机系统中的迭代学习控制

电动伺服舵机控制系统采用全数字三环控制策略,分别为位置环、速度环和电流环;作为内环的电流环,应具有良好的稳态和动态特性,其输出电流要求快速准确地跟踪给定电流,以保证舵机控制系统高性能位置伺服的要求;在传统的增量式积分分离PI控制算法的基础上,引入-D型迭代学习控制前馈环节,提高了电流跟踪的快速性和跟踪精度,建立了系统的数学模型并在MATLAB上进行了系统仿真;仿真结果表明,引入D型迭代学习控制后,电流环的稳态和动态特性良好,保证了输出电流跟踪的快速性、精确性.     

迭代学习控制新进展

从学习算法、收敛性、鲁棒性、收敛速度、2-D模型以及实际应用等方面对迭代学习控制的最新进展作了比较详尽的总结, 最后讨论了迭代学习控制存在的问题及有前景的研究方向.     

迭代学习控制的研究与现状

迭代学习控制适用于工业机器人、数控机床等具有重复运行特性的领域,在非线性、未知模型等系统的控制方面有着独到优势。本文论述了迭代学习控制的基本理论问题,系统介绍了理论研究现状及工程应用,并讨论了其存在的问题和发展趋势。     

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.     

D型迭代学习控制及其在FNS肢体运动控制系统中的应用

给出了离散系统D－型迭代学习控制算法收敛的一种充分条件,并加以证明。采用D型迭代学习控制算法,对基于功能性神肉电刺激的曲腕和曲肘运动进行了临床实验研究,结果表明,D型迭代学习算法改善了FNS肢体运动控制的跟踪性能,曲肘和曲腕运动轨迹平滑、稳定,并且刺激控制脉冲变化平缓,受试者无任何不良生理反应。     

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。