幾類系統(tǒng)的迭代學習控制.pdf

1、對于具有重復運動性質的被控系統(tǒng)，迭代學習控制技術是一種簡單有效的控制方法。迭代學習控制的基本思想是基于輸出信號與給定目標軌跡的偏差不斷修正不理想的控制輸入信號，實現在有限時間區(qū)間的完全跟蹤任務。
　　 本文主要研究了幾類系統(tǒng)在不同的初值條件下的收斂性和魯棒性。針對不確定的線性、非線性的連續(xù)和離散系統(tǒng)，主要研究系統(tǒng)的特性、初值條件、外部擾動、學習控制律、不確定性以及時滯等對迭代學習控制過程和跟蹤性能的影響等內容。本文得到了幾種迭代

2、學習控制收斂的充分條件，并提出了一系列迭代學習律的設計方法。為保證提出的學習律的有效性，對每種學習律，我們都進行了嚴格的理論分析和充分的仿真實驗。
　　 本文的主要成果如下：
　　 （1）針對一類線性系統(tǒng)，主要考慮兩類初始條件問題: 一是系統(tǒng)具有固定的初值偏差; 二是具有任意的初始偏差。我們提出了一種開閉環(huán)PID型學習律。分析了兩類初始條件下學習算法的魯棒性和收斂性，并給出了收斂條件。仿真結果表明開閉環(huán)PID型學習律的有

3、效性，與開環(huán)PID型學習律相比擁有更快的收斂速度。
　　 （2）針對一類具有擾動和噪聲的非線性多時滯系統(tǒng)，提出了一種PD型學習算法，并借助范數，Bellman-Gronwall定理等得到了確保跟蹤誤差收斂的充分條件。同時考慮了初始無偏差條件，不確定性擾動和噪聲對跟蹤誤差收斂的影響及系統(tǒng)中的多個時滯對迭代學習控制收斂性的影響。證明了當不存在初始誤差、不確定擾動和噪聲時，所給算法能實現對期望輸出信號的完全跟蹤，否則跟蹤誤差是一致有界

4、并且這個界與擾動和噪聲等因素的界有關。研究結果表明，系統(tǒng)狀態(tài)的時滯對非線性系統(tǒng)的迭代學習控制沒有明顯的影響。仿真模擬驗證了結果的有效性。
　　 （3）針對一類線性離散多時滯系統(tǒng)，在初始條件未知的情況下，分別提出了高階P型迭代學習律來提高系統(tǒng)的跟蹤性能和高階初始狀態(tài)學習算法來放寬對初始條件的限制。同時，我們得到了保證學習算法漸近收斂的條件，分析了多時滯對迭代學習過程的影響。仿真結果表明給出的學習算法具有很好的跟蹤性能，可使系統(tǒng)經過