非线性时变系统开闭环P型迭代学习控制的收敛性

对于非线性时变系统,给出了其开闭环P型迭代学习控制收敛的充要条件.这些收敛条件与被控系统状态方程的具体形式无关.对比表明,该文的结论改进了现有结果.     

非线性系统闭环P型迭代学习控制的收敛性

本文得到并证明了当被控系统的状态方程为一类非线性方程时，采用闭环Ｐ型学习律迭代学习控制的收敛的充分条件和必要条件，最后，我们给出了典型的仿真结果。     

离散非线性系统开闭环P型迭代学习控制律及其收敛性

本文在讨论了一般开环与闭环迭代学习控制的不足后，针对一类离散非线性系统，提出了新的开闭环ＰＧ型迭代学习控制律，给出了它的收敛性证明，仿真结果表明：开闭环Ｐ型迭代律优于单纯的开环或产才环Ｐ型迭代 律。     

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.     

非线性系统开闭环PI型迭代学习控制律及其收敛性

对于一类参数未知的非线性系统在有奶时域上的精确轨迹跟踪问题，提出了一种开闭环ＰＩ型迭代学习控制策略，给出了其收敛的充要条件，分析表明：所给出的收敛条件推广了现有结果。     

非线性分布参数系统跟踪控制的学习算法1)

In this paper, we discuss the problem of tracking control for a class of nonlinear distributed parameter systems with unknown parameters. By using the iterative learning control method, we have given the learning algorithm and the sufficient conditions of precise tracking on L²(Ω) space and W^1,2(Ω) space. The algorithm has prevented its convergence depending on ideal input u_d(x,t). Its requirement on the system's nonlinearity is not quanti tative but qualitative. And it brings strong robust performance to the control systems.     

一类非线性系统的自适应控制方法1)

非线性系统的模型参考自适应控制是自适应理论的一个新的发展方向,目前针对可反馈线性化的系统已经取得了很多研究成果.但以往采用的方法要求系统对未知参数是线性的,且计算复杂度随系统阶次或相对阶的升高而升高.给出一种新的非线性模型参考自适应跟踪控制方法,证明了无需未知参数以线性形式存在,而只要求回归向量对参数满足一定的Lipschitz条件即可保证系统具有期望的特性.     

非线性系统开闭环PID型迭代学习控制算法的鲁棒性

针对非线性时变系统的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,并证明了系统满足收敛条件时,具有开闭环PID型迭代学习律的一类非线性时变系统在动态过程存在干扰的情况下控制算法的鲁棒性问题.分析表明,系统在状态干扰、输出干扰和初态干扰有界的情况下跟踪误差有界收敛,在所有干扰渐近重复的情况下可以完全地跟踪给定的期望轨迹.     

线性离散时变系统的鲁棒自适应控制1)

利用滑模控制的概念,提出一种线性离散时变系统的自适应控制设计方法.在等价控制信号外,用两个补偿项代替切换信号,避免了传统滑模控制中的抖动现象.文中证明了自适应闭环系统的稳定性.     

一类非线性时变系统的迭代学习控制

针对一类具有任意初态的不确定非线性时变系统,应用校正期望轨迹方法把任意初态问题转换为零初始误差的变期望轨迹的迭代学习控制问题,提出了求解校正期望轨迹的过渡轨迹的计算方法.然后,针对变期望轨迹问题提出了一种新的迭代学习控制算法,在算法中引入了期望轨迹的高阶导数来克服期望轨迹的变化,并通过设计稳定的跟踪误差滑动面来处理系统中非线性时变不确定性.论文给出了相关定理,并应用类Lyapunov方法给出了详细证明.仿真结果表明所提出的算法是有效的,该算法不需要系统的模型结构信息,比自适应迭代学习控制算法具有更宽的适用范围.     

SINGULARITY COMPUTATION FOR ITERATIVE CONTROL OF NONLINEAR AFFINE SYSTEMS

This paper considers a gradient type of iterative algorithm applied to the open loop control for nonlinear affine systems. The convergence of the algorithm relies on the control signal in each iteration be nonsingular. We present an algorithm for computing the singular control for a general class of nonlinear affine systems. Various nonlinear mechanical systems, including nonholonomic systems, are included as examples.     

两种解非线性方程组的四阶迭代方法

本文给出了两种新的解非线性方程组的迭代方法,证明了它们具有四阶收敛性,通过数值实例对几种不同的迭代方法和本文提出的两种新方法进行了分析比较,说明了本文方法的有效性.     

具有n个传动器的n个关节机器人系统的学习控制方法

针对由n个传动器所驱动的n个关节机器人系统,采用学习控制的方法讨论了其跟踪控制的问题.首先通过变换降阶,将相应系统转化为低阶系统,然后针对低阶系统进行设计．该方法消除了Kawamara方法在学习过程中要求每次学习都要经过相同的初始值的限制,从而克服了Kawamara方法难以应用到“学习过程中存在初态偏差”的困难.仿真结果说明了此方法的有效性和优越性.     

非线性分布参数系统跟踪控制的学习算法

尝试性地将学习控制方法用于一类非线性分布参数系统的跟踪控制上,分别获得了系统轨线于L2(Ω)空间,W1,2(Ω)空间中跟踪期望目标的结果.所给的学习算法避免了其收敛性要依赖于理想输入ud(x,t)这一不确定的条件,且对系统的非线性要求只是定性的而不是定量的,从而使得控制具有很强的鲁棒性能.     

非线性系统的神经网络学习控制

主要控制了一类非线性系统的神经网络学习控制问题。讨论了以迭代学习方式训练的神经网络学习控制器，在满足一定条件，可以实现一定时间内的系统输出跟踪。     

非线性时变大系统的关联稳定性

本文是由两部分组成。第一部分是用参数变易法研究具有分解的复合系统零解的关联稳定性(其中A_i(t)、x_i、g_i(t,x)的意义见本文),得到系统(1)的零解是关联稳定的充分条件;第二部分是用Lyapunov函数的方法研究具有分解的复合系统零解的关联稳定性,得到系统(2)的零解是关联稳定的充分条件。     

不确定时变时滞组合系统的鲁棒分散控制

研究一类互联项与孤立子系统均含有时变状态时滞的不确定组合系统的状态反馈 鲁棒分散控制问题,利用线性矩阵不等式（LMI）方法设计出线性无记忆状态反馈分散控制 器使受控系统在平衡点处渐近稳定．最后给出的数值例子验证了所给结果的有效性．     

具有不确定性的非线性系统的变结构控制

本文研究了具有不确定性非线性系统的鲁棒输出跟踪控制问题，考虑了对参数、建模不确定性及干扰的鲁棒性。这里的不确定性不需满足通常的匹配条件。通过构造一个Ｌｙａｐｕｎｏｖ函数，我们得到一个变结构控制器，并且证明了输出跟踪误差的收敛性。最后，给出了计算机仿真，结果表明本文提出的方法是有效的。