迭代学习控制算法设计与优化研究

《迭代学习控制算法设计与优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、——．!照查堂型生鲎些堡苎塑型摘要迭代学习控制是上憾纪80年代提出的--／"]新兴学科，它在非线性、未知模型等系统盼控制方面有蕾独至4优势。农工业戡嚣人、数控枕藤等具毒蓬复运抒特性的领域鸯猎非常好的应用前景。当然，作为-f]年轻的举科，迭代学习控制在很多方面还有待避行一步硬究与宠善。迭代学习算法设计一直是逡代学习控制研究的重点，本文从一些新的视角做了探讨。蓠建，在潆入分摇动力学系统输入、输窭变量困祭关系静萋硝土，讨论了现有这代学习算法在学习机理上存在的不足，并提出一类新的P型因果性迭代学习算法。新簿法不辩簧系统输出误麓静导数

2、信息，阕时能缀好反浚系统输入输出颡采经若系。论文还重点针对线性离散系统，给出了具体的迭代学习橼。仿真缋果也表明所撮出的迭代学习算法相对于普通P型迭代学习算法具有爨好的收敛特性。其次，考虑丁薅类最优选代学习算法设计阅题：I)时间域内二次黧性能遗数最饯化的迭代学习算法设计；2)迭代城内确定性系统最优遮代学习律设计和不确定性系统黪保性娆迭代学习终设计。对于问题1)，本文在模型融知与未知情况下，针对线性离散系统，得到了实现二次型缝缝函数蚤饶纯熬遮找学习簿法与迭代域海参数德计方法，并得到了穗寝熬收敛性条件。仿真结果表明，所得出的最优迭

3、代学习算法方法及参数估计方法是非常有效瀚，裁够获褥袋伉或者非常菝邋予最优的次伉控裁效暴。对于问题2)，论文酋先定义了迭代域内二次型性能函数，然后基于新的性能函数，霞点讨论了确寇性线性离散系统最优遗代学习衿以及不确定性线性离敝系统保性能迭代学习律的设计方法。这些方法具有一条非常好的特性：通过调整性能函数中的参数矩阵，可以很好地控制迭代学习的速度。另外，针对不确定性系统给出的保性能迭代学习箨突全基予LlVlI方法遴嚣设诗，可以缀方便遗到耀IVlATLAB工典耱遴行求瓣。与其优点相比，迭代学习控制的不足之处一样明盥。尤其是要求被控

4、制对象的模囊蘸褥、参数农每次运葶亍露都{w聚籍嵩凌嚣重菱瞧。为增强系统瓣予饕蘩复不确定瞧豹穗棒性，本文针对迭代学习控制应用较好的刚性不确定性机器人系统以及受限柔性连秆橇器人膂，穆迭代学溺控稍与鲁棒装镪方法稳结合，褥到了镰棒迭代学习控铡策珞，中商太学博士学位论文摘簧同时利用自适应参数估计方法对稚重复不确定性的界进行估计，有效降低了鲁棒控制敬保守性。为了尽可自l剥翅好能够获取瓣系统傣患，在控割策蝰中还考虑了系绞标穆横型，可减轻系统学习负担。在璐窍戆迭代学习接铡方法孛，控剿埝入麓篷(第一迭代辩涎控翱麓天)弱选取完全是主观的，一般将

5、其定为零娥一有界随机壁。为避免这一落目性，本文利用控制系统对浚往诸多经务熬控裁经验建立“数据摸蝥”，然爱纂予“数摇模鼙”确定控稍输入初值。论文详缃分析了“数据模型”的建立、相关性数据的挝取以及控制输入初值静霸秤确定方法一线性加权、线性阐妇分析、人工神经湖络逼近以及模糊决策方法。利用褥到的方法确定控制输入初傻，可以使得系统在首次迭代时便能以较小误麓跟踪新的期望轨迹，从雨在栩同跟踪精度要求下减少了迭代次数。关键词：遮代学翊控制，设计与优化，线性二次型函数，时间域，迭代域Il——蝤塑型型坐生一⋯塑!!坠!!ABSTRACTAsan

6、ewsubjectpresentedin1980’S，theiterativelearningcontrol(ILC)，withagreatforegroundinthecontrolfortheindustryrobot，numericalmachineandotherplantswithrepetitionproperty,isfeasibleindealingwiththenonlinearsystems，andun．modelingsystemsandSOOn。Certainly,asanewsciencebranc

7、h，therearestillmanyproblemsneedtobeimprovedandfftrtherstudiedinILC．Designsoftheiterativelearningalgorithms，themostimportantproblemsintheILC，arealsostudiedinthisdissertation．Atfirst，akindofP-typecausalityiterativeleamingalgorithmispresentedanddevelopedforlineardiscr

8、etesystemsafteranalysisofthecausalitybetweentheinputsandoutputsofthedynamicsystemsandthedeficiencvofcurrentiterativelearningalgorithmtothiscausal