文档介绍：控制设计迭代学习控制,这是一个值得研究的新课题。怖文利用自适应理论设计摘要设计方法,提出了两类本质非线性系统的迭代学习控制新算法.,庑┧惴ǹ朔翱刂评砺凼侵悄芸刂频囊桓鲋匾7种В车暗幕痉椒ㄊ牵给定目标轨线。但当被控对象含有不确定的参数或迭代学习控制律的增益系数时变时,现有的方法存在很大缺陷,如要求非线性项满足裕刂坡制在非线性不确定系统中的成功应用,如何充分利用系统的先验信息,用自适应传统迭代学习控制的许多缺陷,放松了传统算法的一些限制性假设。并且针对非一种新的自适应迭代学习算法,以改善系统过渡过程的动态品质疚牡闹饕9作包括以下几个方面:第一,对一类未知非线性高阶系统,将神经网络引入迭代学习控制,迭代学习控制与自适应控制相结合,实现了任意精度的跟踪。实例仿真分析况明了该算法相对传统算法的有效性及其所具有的优点。第二,对一类不确定非线性系统,提出一种自适应鲁棒迭代学习控制方案。将迭代学习控制,变结构滑模控制,神经网络自适应控制以互补的方式相结合,使得跟踪误差渐近收应用到稳态优化控制中目标轨线选取的困难。并且推广到一类非线性系统的跟踪控制,实现了对一列期望轨迹的精确跟踪。第四,对每种迭代学习算法及其应用都做了仿真研究,验证了算法的可行性和有效性。关键词:非线性自适应控制一迭代学习控制神经网络,鲁棒控制反向递推设基于上次迭代时的输入信息和输出误差的U睿竦帽敬蔚目刂剖淙耄经过若干次迭代,以期达到在给定的时间区间上实现被控对象以较高精度跟踪一的收敛性分析依赖于实际上是未知的理想输入,初值重置问题等。由于自适应控迭代学习控制,基于稳定性理论,结合本质非线性系统的线性工业过程稳态优化中的设定值多次变动,目标轨线多次变动的问题,提出了敛于零。第三,对非线性工业控制系统的稳态优化问题,用自适应迭代学习控制对其动态施行控制,不需要状态重置,系统是连续运行的,并且有效克服了计工业过程控制,
,,.甌.,甌
第一章绪论自适应迭代学习控制理论的发展概况与研究现状§制过程中能不断地完善自己,以使控制效果越来越好。这种具有“学习”能力的控制器一直是控制工程师们追求的目标。早在本世纪七十年代,美国华裔学者傅的专著“随机系统的自组织控制”,总结了这些理论成果。在此后的十几年间,学习控制技术随着与其相关的学科及应用领域,如计算机技术、人工智能及神经网制为代表,后者有如神经网络控制器】、基于小脑模型的联想记忆学习控制器】、要辩识被控对象的参数,而是根据控制的效果,即“品质”来修正控制器。以期达到在给定的时间区间上实现被控对象以较高的精度跟踪一给定的期望轨迹。幕舅枷胱钤缋醋匀毡狙д遀攵愿咚僭硕凳值目刂疲他提出:不断重复一个轨线的控制尝试,并以此修正控制律,以达到较好的控制效果。在随后的研究中,日本学者瓵,、发展和应用开辟了广阔的前景。也正是由于他们的工作,引起了控制界在现代控制理论和技术的研究中,让控制器本身具有某种“智能”,使它在控京孙首次系统提出了这种学习控制的概念川,从此,有关学习控制的研究一直很活跃。年美国和日本以学习控制和智能控制为题召开了专题讨论会代发表了大量有关学习控制和智能控制的文章。年糠⒈砹怂闹络、机器人等的发展而发展。目前,学习控制的理论和技术已成为智能控制领域的一个重要分支。智能控制大致可分为基于人工智能的和基于数学描述两大类。前者以专家控迭代学习控制、重复学习控制及自动机。在基于数学描述的智能控制器中又可分为基于参数的和基于品质的两类。前者需要在线辩识被控对象的参数,后者不需迭代学习控制是智能控制中具有严格数学描述的一个分支,属于基于品质的智能控制方法。它基于前次迭代时的输入输出动态信息。应用比较简单的学习算法,获得本次迭代控制所需的输入,经过若干次迭代,代初把这种学习控制的思想系统化、理论化,提出了迭代学习控制算法。同行对砺鄣募ù蠊刈ⅰD壳暗翱刂萍涸谪ⅰ⒈栈费胺椒ǎ离散八惴ǖ奈榷ㄐ杂胧樟残缘某浞痔跫翱刂频穆嘲粜缘难芯可先得了不少的理论结果,并在诸如机器人控制的应用上取得了很大的成功。传统的杓蒲奥纱蠖喽际鞘涑鑫蟛畹腜型,』騊型控制算法。该算法对被
§迭代学习控制在工业过程控制中的应用研究现状数或学习控制的系数时变时,现有的方法存在很大缺陷。而自适应控制对含有参自适应技术可以设计迭代学习控制,反过来,也可以用锤纳谱允视刂乒自适应迭代学习控制方法,在时间域内对不确定参数进行估计。而在迭代域内对—热说墓ぷ靼ǎ航允视β嘲艨刂平岷辖鳬,并对系统不确定性的上界中的参数做自适应估计,提出了一种自适应鲁棒诘蚰习控制方案,通过迭代学习对付未知的周期性函数,用自适应鲁棒控制抑制未知引入模糊控制器确保了精确跟踪【控制和鲁棒控