非線性參數(shù)化系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制.pdf

1、迭代學(xué)習(xí)控制(ILC)無(wú)需精確已知受控對(duì)象動(dòng)力學(xué)特性，可利用重復(fù)操作過(guò)程中測(cè)得的I/O數(shù)據(jù)修正控制輸入，實(shí)現(xiàn)有限時(shí)間上的完全跟蹤，ILC現(xiàn)已成為智能控制領(lǐng)域的重要發(fā)展方向并在工業(yè)過(guò)程中廣泛應(yīng)用。
　　 傳統(tǒng)的迭代學(xué)習(xí)控制方法因?yàn)槠涔潭ǖ膶W(xué)習(xí)律形式不能很好的適應(yīng)系統(tǒng)的變化以及外界的干擾。雖然自適應(yīng)迭代學(xué)習(xí)控制學(xué)習(xí)律具有自學(xué)習(xí)的優(yōu)點(diǎn)，但是大多要求已知非線性參數(shù)的線性化結(jié)構(gòu)。即需要已知系統(tǒng)的模型信息。從而與迭代學(xué)習(xí)控制本質(zhì)上屬于幾乎無(wú)

2、模型的方法相背離。
　　 (1)本文針對(duì)一類結(jié)構(gòu)已知的非線性參數(shù)化不確定系統(tǒng)，提出了帶有死區(qū)設(shè)計(jì)的自適應(yīng)迭代學(xué)習(xí)控制方案，控制器的設(shè)計(jì)和分析不需要相同的初始條件和相同參考軌跡，并給出了收斂性分析，從理論上證明了方案的可行性。最后仿真結(jié)果證明方案的有效性，這使得自適應(yīng)迭代學(xué)習(xí)控制的應(yīng)用范圍更廣。
　　 (2)論文進(jìn)一步針對(duì)上述非線性參數(shù)化系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)對(duì)系統(tǒng)的非線性部分進(jìn)行迭代逼近，提出了基于多模型切換的自適應(yīng)ILC方

3、法，該方法通過(guò)設(shè)定切換規(guī)則，可以進(jìn)行非線性補(bǔ)償，能夠更快速，更準(zhǔn)確的跟蹤期望軌跡，保證信號(hào)的有界性，使系統(tǒng)得到較好的穩(wěn)定性和性能表現(xiàn)，最后分別給出了多模型AILC和單模型AILC的仿真結(jié)果，表明該方案能夠提高系統(tǒng)的控制性能。
　　 (3)針對(duì)一般結(jié)構(gòu)、階數(shù)均未知的非線性離散時(shí)間系統(tǒng)，提出了基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)模型自適應(yīng)迭代學(xué)習(xí)控制方案。該方案只需要受控系統(tǒng)的I/O數(shù)據(jù)，不必對(duì)系統(tǒng)建模，其控制器的分析和設(shè)計(jì)也不需要知道系統(tǒng)模型的任