不确定时变系统的鲁棒学习控制算法

研究不确定性时变系统在有限时间区间上重复作业和在无限时间区间上周期作业的跟踪控制问题. 基于Lyapunov-like方法, 给出了形式简单的鲁棒迭代学习控制和鲁棒重复控制两种算法. 两种学习算法均可弥补单一控制算法的缺陷, 鲁棒控制部分被用来保证闭环系统中所有变量的有界性, 学习控制部分可有效消除系统跟踪误差, 改善系统的跟踪性能. 仿真结果验证了两种学习算法的有效性.     

基于死区吸引律的离散重复控制

针对周期参考信号下的不确定离散时间系统,提出一种离散重复控制方法,利用死区函数设计新型的吸引律,将干扰补偿、抑制措施“嵌入”吸引律,构造理想误差动态,并基于此导出重复控制器。为了进行具体的控制器参数整定和表征闭环系统的误差动态行为,推导出了稳态误差带、单调减区域和绝对吸引层边界的表达式。所设计的离散重复控制器能够完全抑制周期对称干扰信号,控制器设计方法也适用于常值调节问题的定位控制。数值仿真及在电机伺服系统上的实验结果验证了所提出控制方法的有效性。     

不确定时滞系统的迭代学习控制算法（Ⅱ）

针对不确定时滞系统讨论了ＰＤ型迭代学习控制算法．对于干扰和初始状态函数渐近重复的情形,给出了这类系统的极限轨迹和迭代输出收敛于该极限轨迹的较弱的充分条件．仿真结果表明,这种算法对于抑制周期干扰和初始偏移的影响是有效的．     

动态系统学习控制的两层迭代算法

对于具有重复运动性质的动态系统的学习控制问题,本文提出了一类两层迭代算法．文中针对线性系统和一类非线性系统分别给出了算法收敛性证明．仿真结果表明,适当选取学习参数可加速收敛过程．     

有限时间死区修正迭代学习控制器的设计

在任意初始定位条件下,讨论具有限时间死区修正的迭代学习控制器设计方法.针对一类高阶不确定非线性时变系统,通过将其不确定性项线性参数化表达,进行迭代学习控制器设计:并考虑不确定项界函数参数化情形下的鲁棒迭代学习控制方法.通过引入有限时间死区,设计的控制器可使得所定义的误差函数在有限时间内收敛至零;进而依据能控格莱姆矩阵构造的初始修正项可使得系统在预先指定的时间区间上实现完全龈踪.理论分析及数值仿真结果表明,在保证误差函数始终囿于所设计的有限时间死区内的同时,闭环系统中所有信号均有界.     

离散时间系统重复控制的理想误差动态方法

针对周期参考信号下的离散时间系统, 引入吸引律构造理想误差动态特性, 并基于理想误差动态设计重复控制器. 重复控制能够实现周期性扰动的完全抑制, 从而提高控制能.为了消除颤振现象, 以饱和函数替换重复控制器中的符号函数. 分别推导了理想误差动态方程的单调减区域、吸引层和稳态误差带的边界, 用于刻画误差动态行为, 并给出了数值仿真结果. 在逆变器装置上完成的实验进一步表明了所提出的重复控制方法的有效性.

     

二次曲线型终态神经网络:时变神经计算与冗余机械臂重复运动规划

提出二次曲线型终态神经网络,包括双曲线型、椭圆型和抛物线型3种终态神经网络,网络各变量取值有限,易于实现。详细分析了这类网络的有限时间收敛特性,给出了具体的收敛时间表达式,并以双曲线型终态神经网络为例,将其应用于时变线性矩阵方程求解以及机器人轨迹规划。对于一般时变线性矩阵方程的求解,讨论了时变Lyapunov方程和时变Sylvester方程,分别给出了终态神经网络用于求解这2类时变矩阵方程的计算结果,验证了该网络能在有限时间内精确收敛到理论解。对于冗余机械臂重复运动规划,文中将重复运动指标设计为终态收敛性能指标,在初始位置偏移的情况下,利用该终态神经网络进行求解,实现冗余机械臂有限时间收敛的重复运动规划任务。     

带有扰动补偿的离散重复控制方法

本文提出一种基于抛物线吸引律的离散重复控制方法,用于解决离散时间系统的周期轨迹跟踪问题。该方法能有效减小系统抖振,同时通过扰动扩张状态观测技术对系统未知扰动进行有效抑制,并采用重复控制技术实现系统周期扰动的完全消除。为了刻画误差的动态性能,推导了稳态误差带、绝对吸引层、单调减区间的表达式以及跟踪误差进入稳态误差带的最小步长。通过数值仿真和永磁同步伺服电机实验,验证了所述方法的有效性。     

高阶P型学习控制的鲁棒性

通过线性化处理，本文将开闭环配合的高阶Ｐ型迭代学习控制律的适用范围推广到更一般的非线性动态系统。对于ＵＢＢ初始条件和周期干扰，以及渐进重复初始条件和干扰的情形，文中分别证明了学习过程的渐进有界和一致收敛性。仿真结果表明了这类控制器的鲁棒性能。     

基于时变神经网络的非线性时变系统建模

提出时变神经网络模型,用以逼近未知非线性时变映射,实现非线性时变系统建模.将时变神经网络的权值学习作为时变系统的时变参数估计问题,并基于迭代学习机制,给出在同一时刻沿迭代轴训练网络权值的迭代学习最小二乘算法.理论上证明了该算法的全局收敛性.给出的数值算例表明所提算法在非线性时变系统建模方面的有效性.