非最小相位系統(tǒng)的基函數迭代學習控制.pdf

1、柔性臂以其輕質、節(jié)能、負載自重比高等特點，在航天航空和制造業(yè)等領域具有廣泛的應用前景。然而柔性臂系統(tǒng)具有非最小相位特性，在實際運行中，常規(guī)的控制難以實現末端軌跡的精確跟蹤。非因果穩(wěn)定逆是解決非最小相位系統(tǒng)軌跡完全跟蹤的唯一能量有界輸入，但該方法需要系統(tǒng)的精確模型，難以應用在柔性臂這類不能精確建模的對象上。本文從柔性臂末端軌跡跟蹤出發(fā)，將這一問題歸納為非最小相位系統(tǒng)的軌跡跟蹤問題，結合穩(wěn)定逆與迭代學習控制理論，提出一種基于數據驅動的基函數

2、迭代學習控制。與傳統(tǒng)的“先建模，再控制”不同，該方法無需知道系統(tǒng)的任何模型信息，而是選取合適的基函數通過迭代運行的方式逼近系統(tǒng)的穩(wěn)定逆，根據少數的輸入輸出數據便能辨識出系統(tǒng)基函數模型，完成迭代控制任務，具有一定的魯棒性。
　　本文的主要工作分述如下:
　　(1)針對SISO線性非最小相位系統(tǒng)軌跡跟蹤問題，結合時域穩(wěn)定逆特點，提出了一種新的基函數型自適應迭代學習控制（Basis function based adaptive

3、ILC，簡稱BFAILC）算法。該算法在迭代控制過程中應用自適應迭代學習辨識算法估計基函數模型;從穩(wěn)定逆的計算公式出發(fā)，通過形式化的推導，給出了基函數逼近穩(wěn)定逆的一個充分條件;采用偽逆型學習律逼近系統(tǒng)的穩(wěn)定逆，保證了迭代學習控制的收斂性和魯棒性。以傅立葉基函數為例，通過在非最小相位系統(tǒng)上的控制仿真，驗證了算法的有效性。
　　(2)針對MIMO線性非最小相位系統(tǒng)的軌跡跟蹤問題，提出了一種基向量值函數型迭代學習控制（Basis vec

4、tor-valued function based ILC，簡稱BVFILC）算法。采用分組的思想構造了向量值函數空間，通過系數矩陣重排的方式得到了基向量值函數空間模型;以穩(wěn)定逆計算公式為依據，得出了基向量值函數逼近穩(wěn)定逆的一個充分條件;給出了一種向量值函數空間模型的辨識算法，該算法大大降低了模型辨識實驗的次數;將最優(yōu)控制問題轉換到向量值函數空間，保證了算法的收斂性。最后通過對非最小相位系統(tǒng)的控制仿真，驗證了所提出方法的有效性。