执行器故障和未知控制方向系统的自适应模糊学习控制

在工业生产中，工业机器人等设备在重复运动中容易出现执行器故障，进而降低生产效率。另外，考虑到很多实际系统无法提前预知控制方向，因此，面向执行器故障和未知控制方向系统，提出了一种自适应模糊迭代学习控制(iterative learning control, ILC)算法。首先，使用模糊逻辑系统(fuzzy logic system, FLS)估计期望的控制信号，并设计额外的自适应项来补偿执行器故障和系统未知函数带来的副作用。其次，考虑到系统的控制方向是未知的，采用离散Nussbaum型函数在迭代方向对其进行辨识，并将该函数应用于自适应模糊ILC算法。最后，通过Lyapunov-like函数证明了所提自适应模糊ILC算法的可行性：当迭代次数趋于无穷大时，除t∈{0,1,…,m-1}时刻之外的ILC跟踪误差可收敛到一个可调界内，且所有系统信号保持有界。仿真结果验证了所提方法的可行性和有效性。