基于向量图分析的迭代学习控制新算法

基于向量图分析,对迭代学习控制方法的几何框架进行探索.首先通过对通常算法所构成的向量图进行几何分析,导出了新的迭代学习控制算法的结构,然后从理论上对所导出的新算法进行了完整的收敛性分析.所得算法结构的形式与已有算法完全不同,但其收敛速度和精度有明显提高,仿真结果表明了新算法的有效性与优越性.     

基于几何分析的分布参数系统的迭代学习控制

研究了一类不确定非线性分布参数系统的迭代学习控制问题.基于几何分析方法,给出了分布参数系统一种新的具有自适应因子的非线性迭代学习控制算法.导出了新算法的收敛条件,并利用广义λ范数从理论上证明了新算法的收敛性.     

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     

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。     

迭代学习控制的研究现状

迭代学习控制经历了二十多年的发展历程,已经取得了很多研究成果,现已成为智能控制的一个重要研究方向,并得到越来越广泛的应用.本文对迭代学习控制的基本原理和主要研究问题从发展的角度作了详细阐述,并对其应用作了细致介绍.     

基于迭代学习控制的网络协同电液振动台研究

大量的结构抗震试验需要使用单自由度振动台;将振动台纳入互联网中,可实现远程控制;振动台试验中,由于台体、构件的影响,以及作动器的非线性,传统PID控制已经达不到控制要求;提出在激励源(作动器)经典PID闭环控制的基础上,通过在台面上配置反馈通道,构建一个外部的控制闭环,组成双闭环控制系统,外部闭环控制采用离线迭代学习算法;对振动台控制系统进行了MATLAB仿真,达到了理想的控制效果;应用迭代控制理论来改造单自由度振动台控制系统,有很大的理论和实际意义。     

基于几何分析的约束预测控制直接算法

通过求解预测性能指标在优化空间听等值曲面，从几何角度分析了控制同时嗳 到幅度和变化速度约束的预测控制优化问题实质。基于这种分析，简化了优化问题的求解过程，给出一种快速有效的直接解析算法。     

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。     

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.     

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。     

A novel iterative learning control scheme based on Broyden-class optimization method

This study proposes a novel iterative learning control scheme for discrete-time linear systems based on the Broyden-class optimization method. To overcome the difficulty of lacking system information, a cost function is introduced for the performance index by constructing a positive-definite matrix with little system information. An optimization-based learning control algorithm is proposed using a Hessian matrix approximation and the generated input sequence is demonstrated to exhibit a superlinear convergence rate. The proposed scheme is extended to address the point-to-point tracking problem. Numerical simulations are provided to verify the effectiveness of the proposed approach.     

基于迭代学习控制的列车自动运行研究

针对列控系统难以建立精确的动力学模型问题,利用列车运行过程中包含的大量重复信息,选用迭代学习算法对列车动力学模型中的未知参数进行辨识并提出基于迭代学习控制的列车自动运行控制算法。算法核心是利用历史数据生成新的控制量控制列车自动运行。仿真结果表明,经过一定次数的迭代,参数辨识值保持稳定并且列车能够严格跟踪目标曲线行驶,保证列车高精度、高平稳、高安全的运行。     

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．     

基于迭代学习控制的移动机器人轨迹跟踪控制

为提高移动机器人对特定轨迹的重复跟踪能力,提出了采用开闭环PD型迭代学习控制算法对移动机器人进行轨迹跟踪控制的方法。建立了包含外界干扰的非完整约束条件下的轮式移动机器人运动学模型,给出了系统的控制算法和控制结构。仿真结果表明,采用开闭环PD型迭代学习控制算法对轨迹跟踪是可行有效的,收敛速度优于其他迭代学习算法。     

基于混合灵敏度设计的鲁棒迭代学习控制

提出一种鲁棒迭代学习控制的设计方法．利用混合灵敏度设计方法,控制器满足一定鲁棒性条件时就可以直接获得收敛更新规则．此外,只要学习滤波函数满足一定条件,系统跟踪误差将显著降低．仿真结果表明该方法有效性较高．