一类离散非线性系统迭代最优学习控制

就一类离散非线性系统的迭代学习控制 ,提出了最优迭代因果学习律的存在性条件 .如果迭代初态严格重复 ,则迭代输出收敛于期望输出 .该结论直接推广了线性离散系统最优迭代学习相关结果     

子空间预测控制算法在主动噪声振动中的应用

为解决主动噪声和振动控制中的执行器饱和约束条件问题,本文在子空间系统辨识的基础上,研究了一种新颖的子空间预测控制方法。该控制方法联合了系统辨识和控制器设计,直接由输入-输出数据得到将来时刻的输出预测值,自动校正系统中的参数,克服了传统的模型预测控制中繁琐的系统辨识环节。同时子空间预测控制允许执行器机构出现饱和现象,在考虑由饱和现象导致的约束条件时,利用线性矩阵不等式将约束优化问题转化为无约束优化问题。采用椭球优化算法迭代地产生一系列体积逐渐减小的椭球序列,该序列最终能收敛到一个最优解。在椭球算法的基础上推导了该算法达到收敛时所需要迭代次数的一个上界。这在智能优化算法中是很难求得到的。最后以直升机悬停状态时发生的颤振为例,利用本文中的子空间预测控制和椭球优化算法设计闭环系统的反馈控制器,验证闭环系统的输出响应能较好地跟踪期望值,从而得出本文方法的有效性。     

压电陶瓷复材料参数自动测量系统的设计

本文设计了一种压电陶瓷复合材料参数自动测量系统,通过测量压电陶瓷的四种标准型振子谐振峰附近的阻抗（或导纳）,即可由本文设计的自动迭代算法自动求出压电陶瓷的全部复材料系数。实验证明：与常用手Smits迭代法相比,本文自动迭代法巧妙的初值选取方法及迭代频率点的选择,使得算法精度高,迭代次数少。     

零相位滤波迭代学习算法在注射速度控制上的应用

本文针对注射速度控制,设计了一种带有零相位滤波器的迭代控制算法.该算法将迭代控制器的输出作为PI闭环控制器的输入,从而形成一个前馈反馈控制器.反馈控制用于克服当前批次扰动,前馈控制利用以往批次信息实现精确跟踪,引入零相位滤波器对迭代控制输出进行滤波.经实验结果验证,这种方法能很好的满足实际的注射控制要求.     

基于硬判决的BICM-ID系统的迭代载波相位同步算法

在基于迭代译码的比特交织编码调制(BICM-ID)系统中,提出了一种利用译码产生的硬判决信息作引导的迭代载波相位同步的算法.该算法等效于期望最大化(EM)算法,收敛于最大似然(ML)估计,利用Viterbi译码过程中产生的数据比特硬判决信息,通过迭代地在同步和解码之间交换信息来完成联合解码和载波相位同步,实现了联合解码同步.仿真结果验证了该算法的有效性.在相偏θ∈[-20°,20°]时,其误码率性能最佳;在迭代次数达到5次时,误码率性能基本接近理想同步性能,较传统的相位同步算法具有更优的性能.随着信噪比的增大,能更快地逼近理想同步性能.     

模糊PID迭代学习气压模拟系统控制算法研究

高速列车车内气压变化影响乘客的舒适性,基于综合舒适度模拟试验台,抽象出气压模拟系统以模拟车内典型气压变化工况。针对气压模拟系统可重复性模拟车内典型气压变化及其难以精确建立数学模型等特点,建立该系统的质量-压力转换数值模型,并根据系统特点设计模糊PID迭代学习控制算法对系统的压力控制进行研究。仿真结果表明:在收敛速度方面,该算法较模糊迭代控制提升34.48%,较传统PID迭代控制提升44.12%;在控制精度方面,该算法较模糊迭代控制提升20.14%,较传统PID迭代控制提升21.00%。综上所述,该算法能够有效提高控制系统的控制精度和收敛速度,改善系统的动态性能。     

轿车AMT执行机构室内振动疲劳试验方法

AMT执行机构的振动疲劳可靠性是AMT最重要的性能之一。本文针对轿车AMT建立了其道路载荷谱采集方法,通过合理布置传感器,在襄阳汽车试验场采集了AMT及其执行机构振动载荷谱,并对载荷谱进行了预处理和重复性检验,获取了AMT执行机构振动载荷谱期望响应信号。基于远程参数控制思想,提出了时域和频域误差加权的期望响应信号模拟迭代算法,并对AMT执行机构振动载荷谱期望响应信号进行了模拟迭代,获取了高精度的模拟迭代响应谱,精确再现了AMT执行机构振动情况,建立了轿车AMT执行机构室内振动疲劳试验方法,为室内准确高效考核轿车AMT执行机构振动疲劳可靠性提供了一种行之有效的手段和方法。     

V-BLAST MIMO-OFDM系统的一种迭代信道估计方案

研究了频率选择性衰落信道条件下Turbo编码V-BLAST MIMO-OFDM系统的信道估计方法,提出了V-BLAST MIMO-OFDM系统的一种新的迭代信道估计方案。该方案首先利用发送的正交导频序列得到导频处的初始信道估计,然后利用导频符号辅助方法对信道进行内插,得到数据处的初始信道估计,经Turbo迭代纠错译码后,将得到的信息位和校验位软值信息反馈给信道估计器,并利用期望最大化(EM)迭代信道估计方法对信道进行更新。仿真结果表明,随着迭代次数的增加,系统的信道估计性能显著提高。     

加速熵迭代优化方法及在结构优化设计中的应用

本文利用向量ε算法对结构优化设计的熵迭代法作了改进，构造成新的迭代格式，新格式的迭代收敛速度由一阶提高至二阶，且保留原方法结构简单，计算量少等优点，对工程实例的优化计算表明，本法数值稳定，收敛速度快，是一种有效的优化方法。     

压电结构系统辨识中的幂迭代子空间跟踪方法

针对子空间辨识压电结构系统模型,利用广义能观矩阵列空间与观测矢量相关矩阵信号子空间一致的特征,提出采用幂迭代子空间跟踪方法,保证全局且按指数收敛到主子空间。为避免跟踪过程中与主子空间偏离误差的传递,采用多级分解,形成多级幂迭代子空间跟踪方法。将其与投影逼近子空间方法比较,仿真结果表明,能观矩阵夹角小,输出均方根误差小,能提高跟踪精度。并运用于实际模型中,验证其有效性。     

基于前馈补偿的振动台粒子群迭代学习控制算法

针对电磁式振动台对地震波信号复现精度低及复现过程中迭代次数较多的问题,在建立准确的振动台模型的基础上,提出了基于加速度模型的前馈逆模型补偿方法,主要提高电磁式振动台低频特性.此外,针对迭代学习控制算法在振动台波形复现中收敛速度慢的问题,提出了带遗忘因子的反馈辅助PD型迭代学习算法,并用改进自适应粒子群算法,离线优化控制...     

线性离散时不变系统的共轭方向优化迭代学习控制

本文针对一类线性离散时不变系统,利用共轭方向优化方法设计了一种迭代学习控制算法.首先,基于采样数据构建超向量,将原二维动态系统转化为迭代域中的一维系统.其次,在这种形式下,利用当前的跟踪误向量减去其在以前搜索方向上的投影,构建新的搜索方向,以补偿当前的控制信号,进而构建下一次迭代的控制信号.再次,结合共轭方向的性质,利用数学归纳法分析了算法的单调收敛性和二次终止性.最后,数值仿真验证了理论分析的正确性和有效性;同时,与已发表的比例型和范数最优迭代学习控制方法进行比较,得出了本算法的优越性.     

高速列车隧道压力波模拟系统仿真控制研究

高速列车在隧道中运行、交会时,车体表面将形成复杂的膨胀波和压缩波,引起车体变形,影响行车安全。车外压力波通过车体传入车内引起车内空气压力的波动,影响乘车舒适度。使用实测的隧道压力波为期望波形,采用AMESIM与Matlab构建联合仿真的模式来设计高速列车隧道压力波模拟控制系统。针对模拟系统大容量、大滞后及强非线性特点,采用迭代学习控制算法来实现隧道压力波的重建。仿真验证表明:迭代学习控制算法的控制误差比常规算法小,控制效果较理想。     

半挂式车辆自主驾驶的轨迹跟踪控制研究

该文针对半挂式车辆的自主驾驶,设计一种基于迭代线性二次型调节器(iLQR)的轨迹跟踪控制器。通过深入研究转向过程中半挂式车辆的运动,建立满足非完整性约束的非线性车辆运动学模型,并根据期望轨迹对其进行线性化,得到线性的轨迹跟踪误差模型。基于扩展卡尔曼滤波器设计车辆状态观测器,估计车辆的航向角。通过对期望轨迹进行基于三次Bezier曲线的自适应拟合得到轨迹跟踪的前馈控制信息,并利用iLQR得到最优控制序列。基于Simulink进行半挂式车辆轨迹跟踪的仿真实验析,结果显示该控制器能够使半挂式车辆快速且稳定地跟踪期望轨迹,并且满足跟踪精度的要求。     

Improved angular convergence in noncollinear magnetic orders calculations

The method we use for determining the noncollinear orders in metallic superlattices is presented. The electronic structure is obtained within a semi-empirical tight binding framework and the real space recursion technique which allows to study nonsymmetric systems. We focus our attention on the iterative procedure for reaching the angular self-consistency which is extremely slow to converge. We show that the usual mixing scheme is unsuited (because the output angle is directly equal to the next input) and we give an example of possible speed increase by extrapolating the angles resulting from mixing over a few iterations.     

Iterative algorithm for optimal fiducials under weak perspective projection

In previous work, we designed space fiducials with the aim of making camera pose determination as noise‐insensitive as possible. These fiducials turned out to be sets of points that formed concentric regular polyhedra. Here, we apply an idea of Dementhon and Davis and test and analyze an iterative linear algorithm in conjunction with our optimal fiducials to increase the accuracy of the computed camera pose. We also analyze under what circumstances this iterative algorithm is guaranteed to converge to the correct solution. Comprehensive computer simulations illustrate the behavior of the algorithm and the degree of improvement in pose determination in case of convergence. © 2009 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 19, 27–36, 2009     

针对一类高阶迭代学习控制算法收敛速度的研究

对于单输入单输出系统的P型学习律的收敛问题,文献[1]讨论了一阶、二阶P型学习律的收敛速度,证明了一阶P型学习律比二阶P型学习律的收敛速度快.对于三阶、三阶以上的P型学习律的收敛速度却少有文献研究.文章解决了三阶P型迭代学习控制算法的最优收敛速度问题.     

Iterative learning control: a method that can improve product quality and productivity in manufacturing

As the world moves toward a fully global economy, manufacturers need to search constantly for ways to secure or maintain a competitive advantage. Iterative learning control (ILC) and its sister field, repetitive control (RC), offer software methods to improve the performance of motion control systems, without requiring purchase of expensive high-precision equipment. And these can often translate into improved product quality, or into faster operations with resulting increases in productivity. When a manufacturing operation involves following a desired trajectory, classical feedback control systems repeatedly produce a trajectory different than commanded. ILC, iteratively adjusts the command aiming for zero tracking error in hardware operation. RC instead aims for zero error following periodic commands or in the presence of periodic disturbances. Improving the precision of motion control systems can translate directly into higher product quality. But it can also improve productivity by allowing higher speed operation while maintaining the original accuracy level. Experiments on a robot at NASA Langley Research Center improved the tracking accuracy by a factor of 1000 in 12 iterations. This article is a tutorial presenting a brief introduction to the concepts underlying these relatively new control methods, together with some illustrations from the author's experience, of their potential for improvement in manufacturing operations.     

非一致目标跟踪的自适应迭代学习控制

针对含有时不变和时变参数的高阶非线性系统,利用Lyapunov方法和参数重组技巧,提出了一种自适应迭代学习控制算法.通过构造Lyapunov-like泛函,保证跟踪误差在一个有限区间上逐点收敛于零.该方法可以处理目标轨迹迭代可变的跟踪问题,对于目标变化没有特殊限制,克服了传统的迭代学习控制对目标轨线的限制,适用于目标较大变化的情况.举例说明了本文结果的可行性和有用性.