迭代學習控制的收斂速度研究.pdf

1、眾所周知，設計可在未知擾動下通過對控制量進行不斷修正從而使得系統(tǒng)實際輸出能夠快速而又準確的跟蹤理想輸出軌跡的控制器一直以來都是控制界夢寐以求的目標。就迭代學習控制而言，學術界主要精力均投注在迭代學習控制魯棒性和學習收斂性研究方面，伴隨著大量文獻的產生該方面理論研究已趨于完善;但縱觀已有文獻，可以發(fā)現(xiàn)鮮有人對迭代學習的收斂速度進行研究。在實際工程中，存在一類具有重復運動特性的非線性系統(tǒng)，其初始狀態(tài)存在不確定隨機擾動、輸出存在重復有界隨機擾

2、動;考慮到已有大量文獻針對該類系統(tǒng)進行迭代學習控制魯棒性和學習收斂性研究，本文將針對此類系統(tǒng)進行迭代學習控制收斂速度研究，主要研究工作如下:
　　 (1)針對一類具有重復輸出擾動且初值在一定范圍內隨機變化的非線性系統(tǒng)，采用開閉環(huán)D型迭代學習控制算法，給出其譜半徑形式的收斂條件，并進行其收斂性證明。然后根據λ范數理論，壓縮映射，魯棒最優(yōu)控制理論對其進行收斂速度分析研究。最后通過仿真對比研究證明理論的正確性。
　　 (2)針

3、對一類具有重復輸出擾動且初值在一定范圍內隨機變化的非線性系統(tǒng)，采用帶遺忘因子的開閉環(huán)D型迭代學習控制算法，給出其收斂條件，并進行其收斂性證明。然后根據壓縮映射，魯棒最優(yōu)控制理論對其進行收斂速度分析研究，并與開閉環(huán)D型迭代學習算法收斂速度進行比較分析。最后通過對比仿真研究證明理論的正確性。
　　 (3)針對一類具有重復輸出擾動且初值在一定范圍內隨機變化的非線性系統(tǒng)，分別采用二階和M(M＞3)階帶遺忘因子的開閉環(huán)D型迭代學習控制算法

4、，給出其收斂條件，并進行其收斂性證明。然后根據壓縮映射，魯棒最優(yōu)控制理論對其進行收斂速度分析研究，并與前面研究的迭代學習算法收斂速度進行比較分析。最后通過對比仿真研究證明理論的正確性。
　　 (4)以不飽和聚酯樹脂的生產這一具體的典型的間歇生產過程作為研究對象，通過對現(xiàn)場反應釜溫度數據的采集，進行溫度曲線擬合，確定理想溫控曲線。然后基于反應釜內物料溫度的物理機理進行建模，并對連續(xù)攪拌釜式反應器溫度進行帶遺忘因子的開閉環(huán)D型迭代學