开闭环PD型迭代学习控制及其收敛性研究
众所周知,非线性时变系统极为难于控制,即使利用现代控制理论也难以设计适当的控制器.但对于重复跟踪相同轨迹的系统,例如机械手的操作,磁盘驱动系统等,迭代学习控制(ILC)是控制这一类系统简单而有效的方法.迭代学习控制针对具有重复运行性质的被控对象,利用对象以前运行的信息,通过迭代的方式修正控制信号,实现在有限时间区间上的完全跟踪任务.正因为其简单而有效,近年来受到不少研究人员的关注,研究内容包括学习律的构成、收敛性、鲁棒性、初值及学习速度等问题.本文着重分析了迭代学习控制的收敛性.文中首先介绍了迭代学习控制的一些基本知识,包括提出的历史,数学描述以及一些常用迭代学习控制律.其次分别讨论了开环、闭环和开闭环迭代学习律的收敛性,并给出各种不同迭代学习律的仿真实例加以对比;作者还特别给出了一类非线性系统的开闭环PD型迭代学习律收敛的充分条件,并使用线性算子理论加以证明.最后讨论了研究中存在的一些问题和发展方向.
迭代学习控制;收敛性;开环;闭环;开闭环;迭代学习律
浙江大学
硕士
模式识别与智能系统
皮道映
2005
中文
TP13
51
2005-08-18（万方平台首次上网日期，不代表论文的发表时间）