主動不完備數(shù)據(jù)下迭代學(xué)習(xí)控制與優(yōu)化.pdf

1、為了獲得優(yōu)秀的控制效果，現(xiàn)有迭代學(xué)習(xí)控制(Iterative LearningControl，ILC)研究成果多依賴于對系統(tǒng)信息和運行數(shù)據(jù)等完備信息的獲取與使用。而在滿足系統(tǒng)容許跟蹤精度和控制性能的前提下，有效降低數(shù)據(jù)量的獲取與計算，不但可以降低相應(yīng)的硬件與軟件成本，還可以提高系統(tǒng)的運行效率，增強系統(tǒng)的魯棒性?；谶@一考慮，在數(shù)據(jù)不完備環(huán)境下針對如何設(shè)計數(shù)據(jù)驅(qū)動ILC來實現(xiàn)高質(zhì)量的跟蹤性能問題展開研究，具有重要的理論意義和應(yīng)用價值。

2、r>　　本文研究了主動不完備數(shù)據(jù)下迭代學(xué)習(xí)控制的魯棒性與控制系統(tǒng)設(shè)計問題，其中主動不完備數(shù)據(jù)是指在滿足給定目標的前提下，人為地降低所獲取數(shù)據(jù)的數(shù)量和質(zhì)量而導(dǎo)致有損耗的數(shù)據(jù)和信息，包括采樣、量化、點對點控制等。具體工作和成果包括:
　　1、第二章研究采樣ILC問題，給出了采樣時刻之間最大誤差的上界估計，并提出了一種變采樣頻率的控制策略，以達到減小采樣間隔內(nèi)誤差的效果。最大誤差上界估計表達式表明，采樣頻率越高，誤差上界越小，系統(tǒng)跟蹤性

3、能相應(yīng)地越好。所提出的變采樣策略為:針對連續(xù)系統(tǒng)及初始采樣，首先建立采樣迭代學(xué)習(xí)控制，迭代學(xué)習(xí)實現(xiàn)采樣時刻點的跟蹤誤差收斂至給定范圍內(nèi)，進而檢測采樣間隔內(nèi)的最大跟蹤誤差，對最大跟蹤誤差超出給定上界的采樣間隔提高采樣頻率。重復(fù)上述過程，可漸近實現(xiàn)系統(tǒng)在采樣時刻點、采樣間隔內(nèi)的跟蹤誤差均收斂至給定范圍內(nèi)。
　　2、第三章研究確定系統(tǒng)的量化ILC問題，刻畫了對數(shù)量化器對ILC設(shè)計與分析的影響，給出了一種基于量化誤差信息的ILC更新框架，

4、即使用量化后的跟蹤誤差更新系統(tǒng)輸入信號。所提出的ILC算法能夠使得系統(tǒng)跟蹤誤差逐漸收斂至零。
　　3、第四章研究離散隨機系統(tǒng)的量化ILC問題，仍使用基于量化跟蹤誤差的ILC算法，同時引入衰減型學(xué)習(xí)增益序列削弱隨機噪聲對控制輸入的影響以實現(xiàn)穩(wěn)定收斂。本文證明了所產(chǎn)生的控制輸入序列在概率1意義下漸近收斂至最優(yōu)輸入。
　　4、第五章研究隨機線性時變系統(tǒng)的點對點跟蹤問題，提出了基于隨機逼近算法的ILC更新方法。本文通過引入一個矩陣建