基于迭代学习的矿井提升系统跟踪控制

矿井提升机在煤矿开采和生产过程中发挥着至关重要的作用。针对矿料提升过程具有较强重复性的特点,提出迭代学习的提升机速度和位置跟踪控制方法。设计了提升机的D型迭代学习控制器,同时考虑运行过程中出现的非重复性干扰设计了带有滤波器型迭代学习控制器。并采用λ范数证明了系统的收敛性,理论结果表明矿井提升机位置与速度跟踪误差可以收敛到0。同时仿真结果表明,经过30次运行后,跟踪误差几乎收敛到0,迭代学习控制算法可利用矿井作业的重复运行特性可以有效提高提升机的跟踪性能,带有滤波器的迭代学习控制算法可较好地抑制了非重复扰动的影响。     

玻璃基板码垛机械手位置的迭代学习跟踪控制

码垛机械手在玻璃基板生产过程中发挥着至关重要的作用。针对玻璃基板码垛机械手码垛过程具有较强重复性的特点,提出迭代学习的码垛机械手位置跟踪控制方法。考虑到运行过程中出现的非重复性干扰设计了鲁棒迭代学习控制器。同时采用Lyapunov函数分析了码垛机械手的收敛性。理论结果表明,鲁棒迭代学习控制算法可以保证码垛机械手的位置跟踪误差收敛到0。仿真结果表明,所提出的鲁棒迭代学习控制算法,较好地抑制了非重复扰动的影响,有效提高码垛机械手的位置跟踪性能,经过20次的迭代,控制精度能达到0．01mm。在实验测试中,相邻两个玻璃基板间的码垛误差最大不超过0．1mm,取得了良好的控制效果。     

基于迭代学习控制理论的励磁控制器设计

基于迭代学习控制理论提出了一种设计单机无穷大系统励磁控制器的新方法,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。将迭代学习控制对输出控制量u(t)的记忆与修正改成对期望控制ud(t)的记忆与修正,采用最小二乘法拟合控制器参数,使设定的控制与期望控制之差达到最小,求得控制律。用Matlab对发电机励磁控制系统进行仿真研究,结果表明所设计的励磁控制器具有较好的动态特性和较强的鲁棒性。     

直线电机的H_∞迭代学习控制设计

直线电机的诸多非线性与不确定性因素是影响其控制精度的主要原因.文中基于H∞理论和迭代学习控制思想,设计应用于直线电机运动系统的迭代学习控制器,利用鲁棒控制实现系统镇定和克服各种不重复干扰和不确定性的影响,利用迭代学习控制提高系统的跟踪性能并克服重复性干扰的影响.仿真实验结果表明,采用H∞迭代学习控制器的直线电机运动系统的跟踪性与抗扰性均明显改善.基于H∞的迭代学习控制能够提高直线电机运动系统的控制性能.     

考虑剪切风的迭代学习桨距角控制策略研究

为实现风力发电系统的功率输出及电动机转速稳定控制,基于迭代学习控制策略（ILC）设计了一种控制律,并将其应用于叶片桨距角控制。该控制器可以抑制风剪切作用下的周期性扰动,减少桨距角执行机构的动作频率,降低机械载荷,同时使电动机转速快速跟踪期望值,实现功率稳定输出。在MATLAB/Simulink中建立了风电机组桨距角调节系统仿真模型,并与简单的迭代学习算法控制器以及传统PID控制器对比,仿真结果表明,针对具有重复特性的剪切风所带来的周期性扰动,设计的桨距角控制器对扰动的抑制作用相比于普通迭代学习和传统PID控制器更好,从而实现控制目的。     

迭代学习控制在GTAW焊接过程中的应用研究

针对相同工件的批量焊接,并且焊接轨迹相同的情况下,焊接过程具有极高的重复性。提出了基于迭代学习控制(ILC)的脉冲气体钨极氩弧焊(GTAW)焊接过程跟踪控制方法。根据GTAW焊接的动态过程模型,设计了GTAW焊接过程控制的ILC算法,并对算法的收敛性进行了证明。研究结果表明,ILC可以有效地利用焊接过程中的重复信息,经过60次迭代学习后,焊接系统输出可以较好的达到期望轨迹,并获得较高的控制精度,验证了方法的有效性。与PID控制相比ILC控制器不但可以获得较好的跟踪效果,而且还能有效抑制外部扰动的作用,具有较强的鲁棒性。     

存在始误差的三维桥式起重机位置迭代控制

桥式起重机在运输货物样式相同、运输路线固定的情况下具有较强的重复性,而实际运输过程中,由于货物堆放位置不完全重叠,运输堆放位置临近的货物时有固定的初始误差。针对桥式起重机重复性工作且有固定初始误差的情况,采用迭代学习控制方法研究桥式起重机位置跟踪问题。建立了桥式起重机的三维数学模型,设计了桥式起重机位置跟踪的迭代学习控制算法,证明了算法的收敛性。仿真结果表明,迭代学习控制可有效利用桥式起重机运行的重复信息,经过一定次数的迭代学习后,起重机位移输出曲线可以精确跟踪位移期望曲线,达到预期的运行速度。     

电液位置伺服系统的反馈迭代学习控制

针对具有强非线性和时变性的电液伺服系统,以电液伺服系统的液压缸的位置作为反馈量,设计出了结合反馈控制的迭代学习控制器,并将该控制器应用于电液控制系统中,以解决非线性电液伺服系统运行稳定问题。该控制器综合了迭代学习控制和PID反馈控制二者的优点,能在给定区间迅速、精确跟踪期望轨迹,同时抑制干扰、稳定系统也有较强的鲁棒性。仿真结果表明该控制器与单一控制器相比具有明显的优越性,能有效地提高系统的稳定性,展示出良好的应用前景。     

基于参考输入学习的永磁同步电机高精度位置伺服系统

对于永磁同步电机高精度位置伺服系统,由于控制器带宽及性能的限制,传统控制方法难以获得理想的位置跟踪精度。针对具有重复运行特性的永磁同步电机高精度位置伺服系统,提出采用级联式迭代学习控制修改参考输入信号的方法,通过迭代修正参考输入,使得伺服系统实际位置理想跟踪原本期望输入,给出了控制器结构,推导了收敛条件。仿真和实验结果验证了该方法的有效性。该方法与传统控制器相比,可改善伺服控制精度;控制器设计简单,计算量小,无需对原控制器进行改动或重新设计,方便了伺服产品的开发;在满足迭代学习收敛条件的前提下,对电机参数不敏感,鲁棒性强。     

基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法研究

针对直线伺服系统存在非Lipschitz连续的摩擦扰动问题,分析了摩擦扰动对系统的影响。基于迭代学习控制与自适应控制理论,提出了一种自适应迭代学习算法,并利用Lyapunov能量函数证明了该算法的稳定性。采用DSP控制器,设计了直线伺服控制系统并给出了控制系统结构框图。最后针对摩擦扰动抑制方法的有效性和可行性进行了仿真和实验分析。仿真和实验结果表明:基于自适应迭代学习的直线伺服系统摩擦扰动抑制方法可以有效地减小位置误差和速度误差,提高了系统的稳定性,能够抑制摩擦扰动对系统的影响。     

基于鲁棒迭代学习的永磁直线电机控制

针对永磁直线电机速度和位置迭代学习跟踪控制中,由测量扰动引起的跟踪误差有界收敛问题,提出一种带有衰减因子的鲁棒迭代学习控制算法.采用λ范数方法分析鲁棒迭代学习控制算法的收敛性,理论结果表明,鲁棒迭代学习控制算法可以保证跟踪误差收敛到零,而P型迭代学习控制算法仅保证直线电机速度和位置的跟踪误差收敛到一个与扰动信号上界有关的域内.仿真结果表明,所提出的鲁棒迭代学习控制算法可以有效抑制测量扰动,获得较好的跟踪性能.带有衰减因子的迭代学习控制方法是一种抑制非重复测量扰动的有效方法.     

基于迭代学习控制的永磁直线同步电机伺服系统

针对永磁直线同步电机伺服系统,采用迭代学习控制策略来实现参考位置信号的跟踪控制。详细分析了迭代学习ILC伺服控制器的模型结构,并给出伺服控制器的迭代学习更新法则。采用高性能DS1103控制器作为控制核心,搭建永磁直线伺服系统。实验结果表明,迭代学习控制下的永磁直线伺服系统具有准确的位置跟踪能力,对外部扰动具有很强的鲁棒性。     

Repetitive control of synchronized operations for process applications

Repetitive control (RC) algorithms for a plant, which contain pairs of complex conjugate poles at low frequency, resulting in a resonant system, is the subject area of this paper where the experimental results given are for a gantry robot and conveyor system in which the gantry is required to transfer payloads to a constant velocity conveyor by performing a repeating ‘pick and place’ operation. Initially, the gantry robot is controlled by means of a PID feedback controller in parallel with a proportional (P‐type) repetitive feed‐forward loop, while the conveyor operates under proportional feedback control. It is found that the RC system is unable to achieve long‐term performance. The performance degrades within a relatively small number of repetitions due to the build up of resonant frequencies in the learning loop. To prevent this, a batch aliasing technique, originally developed for iterative learning control, is modified to work in the RC framework, and is implemented in real‐time. The superior performance potential of the aliasing system is demonstrated experimentally. In the second part of this paper, multi‐machine systems, are considered where the critical new factor is the relative error between the conveyor and the robot. Here a second supervisory learning loop is proposed for use to shift the reference trajectory of one machine so that the relative placement error is also reduced. Again, supporting experimental results are given. Copyright © 2006 John Wiley & Sons, Ltd.     

基于迭代学习与FIR滤波器的PMLSM高精密控制

针对永磁直线同步电机(PMLSM)运行时易受端部效应、摩擦力、负载扰动、参数变化等不确定性因素的影响而难以达到高精度跟踪控制的问题,提出一种基于迭代学习与有限冲击响应(FIR)滤波器的控制方案。PMLSM伺服系统执行重复任务时,迭代学习控制(ILC)可有效地抑制重复性扰动,具有很高的控制精度,但执行非重复性任务时很难获得较高的控制精度。为了进一步改善基于ILC的PMLSM伺服系统运行迭代1次的跟踪精度,利用ILC的输出信息来设计FIR滤波器,进而用FIR滤波器来代替ILC,使控制系统达到最优的ILC,以提高系统的跟踪精度。采用滑模控制(SMC)对FIR滤波器进行补充,使位置误差快速收敛到一定的界限内,以提高系统的抗扰能力。实验结果表明,所提出的控制方案使系统具有很高的位置跟踪精度和很强的鲁棒性。     

输入受限下非完整轮式移动机器人迭代学习跟踪控制

为了解决输入受限下非完整轮式移动机器人的跟踪控制问题,考虑迭代学习控制方法,设计了一种迭代学习控制律,这里所设计的迭代学习控制律结合了系统的跟踪误差和约束下的上一代控制律.通过应用范数分析理论,对跟踪误差的收敛性进行了理论分析,验证了设计的控制律的有效性.最后,给出了一个仿真实例以证明理论分析结果的正确性,仿真结果表明,在设计的迭代学习控制律作用下,具有输入受限的非完整轮式移动机器人能够获得很好的跟踪控制性能,跟踪误差最终收敛于零的很小邻域内.     

柴油发电机调速系统迭代学习控制

针对柴油发电机调速系统大多采用传统PID控制,提出采用以PID作为学习律的迭代学习控制(ILC)策略,利用其具有不依赖于被控系统的精确数学建模,跟踪收敛快的特性,设计了柴油发电机调速系统控制器。在MATLAB/Simulink中建立了柴油发电机调速系统仿真模型,对3种基本工况进行了仿真研究,详细分析了ILC在柴油发电机调速控制过程中的跟踪特性,并将控制效果和传统PID控制进行了对比,从仿真结果发现,基于ILC建立的控制器不仅适用于柴油发电机调速系统,而且表现出更好的动态性能。为柴油发电机的控制提供了新途径。     

长行程直线电机的迭代学习控制

光刻机工件台在扫描曝光过程中要求纳米级的定位精度，采用长行程直线电机粗动加洛仑兹电机高精密微动补偿的6自由度复合运动系统能满足要求。为减小微动电机的运动范围和加速度，必须提高直线电机的轨迹跟踪精度。提出了一种开闭环D型迭代学习控制律改善永磁直线同步电动机(PMLSM)的轨迹跟踪性能。控制器由三部分组成：PID控制器用来提高系统对扰动和参数变化的鲁棒性；前馈补偿器可提高系统的实时跟踪性能；迭代学习控制器则通过执行重复任务来不断向理想的控制信号逼近。实验结果表明，这种控制方法可以有效提高系统的轨迹跟踪精度。