区间不确定系统迭代学习控制的单调收敛性

针对离散线性时不变系统,研究了参数区间不确定迭代学习控制系统(IILC)的单调收敛性条件,并针对常见的离散PD型ILC算法,给出了在l∞范数意义下区间不确定迭代学习控制系统单调收敛性的判断方法,数字仿真结果证明了其有效性。     

基于遗传算法的PID型迭代学习控制增益的选取方法

针对PID型迭代学习控制算法,首先讨论了其收敛的充要条件和单调收敛的充分条件,然后给出目前利用单调收敛的充分条件确定PID增益的方法,并指出其不足。在此基础上,提出了基于遗传算法的PID型迭代学习增益选择方法（PID型GA-ILC算法）。利用该算法可以得到不满足PID迭代学习控制系统单调收敛条件但依然能使该系统单调收敛的PID增益,给出了数值仿真实例,证明了PID型GA-ILC算法的有效性。     

迭代自学习控制算法收敛速度研究

从学习律、学习律参数、输出误差等三方面讨论了迭代自学习算法的收敛速度,为提高该算法的收敛速度得到了一些有用的结论     

重复轨迹运动迭代学习控制的频域分析

应用频域分析方法讨论了一类闭环迭代学习算法的收敛条件和性能,指出其比Arimoto开环迭代学习算法具有明显的优越性,并在讨论迭代收敛条件的基础上给出了闭环迭代学习算法的频域设计方法.     

基于高阶内模迭代学习的关节机器人控制研究

为了提升关节机器人在非严格重复条件下工作过程中的跟踪精度及响应速度,设计了三关节机器人模型,进行运动学及动力学分析来验证模型结构合理。针对关节机器人系统非重复性、非线性的特点,提出将高阶内模迭代学习控制算法应用于关节机器人系统控制中,设计合理的学习增益及更高的内模阶数,从理论上严格证明其收敛性。设计了仿真对比实验及加入扰动后的轨迹跟踪实验,结果表明,高阶内模迭代学习算法收敛速度更快并且具有良好的控制效果。     

初态学习下时滞非线性系统的迭代学习控制

针对在有限时间区间上重复运行的一类状态时滞非线性系统,研究了一种带有初态学习的迭代学习控制算法。基于算子谱理论证明了系统在任意初态条件下经过迭代学习后,其输出能够完全跟踪期望轨迹,得到了该算法谱半径形式的收敛条件,比范数形式的收敛条件放宽了。并通过对系统初态的迭代学习,放松了迭代学习控制算法对初始状态函数的要求。仿真结果验证了所提算法的有效性。最后,将该算法应用到含有状态时滞的非线性间歇过程,结果也表明了该算法的有效性和可靠性。     

电液位置伺服系统的迭代学习控制

介绍了一类电液位置伺服系统的迭代学习控制方法。根据系统的实际输出与理想输出间的误差,以某种学习机理对系统的实际输入不断进行修正,直至实际输出与期望输出间的误差达到满意为止。实验结果表明：只要合理选择学习机理,便可对电液位置伺服系统实现有效控制。     

开闭环迭代学习控制的研究进展与方向

迭代学习控制是智能控制中具有严格数学描述的一个分支,近年来因其简单有效而受到了不少研究人员的关注。本文主要就近年来开闭环迭代学习控制的研究进展进行粗略的综述,对研究中所存在的问题、解决的方法及进一步的研究方向进行了初步探讨     

即时学习型迭代学习控制在励磁控制中的应用

将即时学习算法型迭代学习控制引入发电机的励磁控制。运用即时学习算法来解决系统的迭代学习控制初值问题,有效地估计初始控制量,加快了算法的收敛速度。仿真结果表明,所设计的励磁控制器与常规PID控制器和非即时学习型励磁控制器相比其收敛速度明显加快,具有更强的维持机端电压的能力。     

基于迭代学习控制的活塞数控加工研究

在高速精密非圆加工中,伺服刀架系统的幅值衰减产生较大的刀具轨迹跟踪误差,从而降低加工精度.以伺服刀架的传递函数为基础,采用迭代学习控制,利用系统实际输出与期望输出的偏差信号,产生新的控制信号,使得系统跟踪调节性能得以提高,从而提高非圆加工的形状误差.     

Iterative learning-based decentralized adaptive tracker for large-scale systems: a digital redesign approach

In this paper, a digital redesign methodology of the iterative learning-based decentralized adaptive tracker is proposed to improve the dynamic performance of sampled-data linear large-scale control systems consisting of N interconnected multi-input multi-output subsystems, so that the system output will follow any trajectory which may not be presented by the analytic reference model initially. To overcome the interference of each sub-system and simplify the controller design, the proposed model reference decentralized adaptive control scheme constructs a decoupled well-designed reference model first. Then, according to the well-designed model, this paper develops a digital decentralized adaptive tracker based on the optimal analog control and prediction-based digital redesign technique for the sampled-data large-scale coupling system. In order to enhance the tracking performance of the digital tracker at specified sampling instants, we apply the iterative learning control (ILC) to train the control input via continual learning. As a result, the proposed iterative learning-based decentralized adaptive tracker not only has robust closed-loop decoupled property but also possesses good tracking performance at both transient and steady state. Besides, evolutionary programming is applied to search for a good learning gain to speed up the learning process of ILC.     

基于ILC的压电微位移驱动器电源线性化研究

压电微位移驱动器是一种利用压电材料逆压电效应制作的微位移器 ,具有体积小 ,分辨率高 ,重复性好 ,不产生热等优点 ,然而压电驱动器也具有滞回、蠕变、严重的非线性等不良特性 ,给驱动器精确定位带来误差 ,使驱动器电压位移转换信号失真。为使压电驱动器输入输出具有线性度 ,常用的方法是对驱动电源进行电压补偿来实现线性化。这里提出一种实用新颖的电源线性化方法—基于迭代自学习控制 (IL C)策略的线性化方法 ,该法具有在线、快速的优点 ,且可实现动态线性化补偿     

混合驱动平面五连杆机构优化设计与迭代学习控制

对混合驱动平面五连杆机构进行了优化设计和轨迹跟踪迭代学习控制研究.首先,以伺服电机角加速度波动最小为目标函数,应用遗传算法对混合驱动平面五连杆机构参数进行优化设计;其次,对混合驱动平面五连杆机构进行轨迹跟踪指数变增益D型和闭环PD型迭代学习控制研究;最后,结合实例进行混合驱动平面五连杆机构轨迹跟踪数值仿真.结果表明,迭...     

渐变类周期轨迹的迭代学习控制研究

针对一类具有渐变特性的、在很大程度上具有重复性特点的轨迹的跟踪问题，提出了一种改进的迭代学习控制策略，并给出了理论上收敛性与稳定性的证明，进行了对算法的试验研究。理论和试验证明，该算法在要求的精度范围内拓展对初值与轨迹的完全重复性要求，并且是稳定和收敛的；用于加工中可以获得较高的跟踪精度。     

Iterative learning control scheme for manipulators including actuator dynamics

This paper presents the iterative learning control for the industrial robot manipulators including actuator dynamics. Motivated by human learning, the basic idea of iterative learning control is to use information from previous execution of a trial in order to improve performance from trial to trial. This is an advantage, when accurate model of the system is not available as friction and actuator dynamics, though present in the system, are not modeled to reduce the computational complexity. In this paper different aspects of ILC including the design schemes and control algorithms are covered. The learning control scheme comprises two types of control laws: a linear feedback law and a feed-forward control law. In the feedback loop, the fixed gain PD controller provides stability of the system and keeps its state errors within uniform bounds. In the feed-forward path, a learning control rule/strategy is exploited to track the entire span of a reference input over a sequence of iterations. Algorithms are verified through detailed simulation results on a two DOF robot manipulator.     

基于电磁直线执行器的电子凸轮轨迹跟踪控制

提出了一种基于电磁直线执行器的电子凸轮,通过对给定轨迹的跟踪来实现所需要的直线运动规律,以取代传统的机械凸轮机构。采用迭代学习控制算法控制电子凸轮实现对目标轨迹的跟踪,并进而应用迭代加模糊滑模控制的算法提高电子凸轮的收敛速度与鲁棒性。模糊滑模迭代控制是将误差函数输入滑模控制器中,然后以滑模函数作为模糊控制器的输入,最后通过模糊控制器的输出来控制迭代算法中的增量。通过仿真以及试验验证表明,基于电磁直线执行器的电子凸轮能够有效取代传统的机械凸轮机构,模糊滑模迭代控制算法能够满足电子凸轮对轨迹跟踪精度、响应速度、收敛速度与鲁棒性的要求。     

灌渠自动控制最优状态观测器的设计方法研究

介绍了灌渠运行控制最优状态观测器的设计方法，将渐近状态观测器引入到状态观测器设计之中．采用对偶原理解决存在渠道水面干扰和测量误差的状态观测器设计问题，最终用最优状态估计技术设计出适合灌渠运行控制的状态观测器。