迭代學(xué)習(xí)控制算法設(shè)計(jì)與優(yōu)化研究.pdf

1、迭代學(xué)習(xí)控制是上世紀(jì)80年代提出的一門新興學(xué)科，它在非線性、未知模型等系統(tǒng)的控制方面有著獨(dú)到優(yōu)勢。在工業(yè)機(jī)器人、數(shù)控機(jī)床等具有重復(fù)運(yùn)行特性的領(lǐng)域有著非常好的應(yīng)用前景。當(dāng)然，作為一門年輕的學(xué)科，迭代學(xué)習(xí)控制在很多方面還有待進(jìn)行一步研究與完善。 迭代學(xué)習(xí)算法設(shè)計(jì)一直是迭代學(xué)習(xí)控制研究的重點(diǎn)，本文從一些新的視角做了探討。首先，在深入分析動力學(xué)系統(tǒng)輸入、輸出變量因果關(guān)系的基礎(chǔ)上，討論了現(xiàn)有迭代學(xué)習(xí)算法在學(xué)習(xí)機(jī)理上存在的不足，并提出一類新

2、的P型因果性迭代學(xué)習(xí)算法。新算法不需要系統(tǒng)輸出誤差的導(dǎo)數(shù)信息，同時(shí)能很好反映系統(tǒng)輸入輸出因果性關(guān)系。論文還重點(diǎn)針對線性離散系統(tǒng)，給出了具體的迭代學(xué)習(xí)律。仿真結(jié)果也表明所提出的迭代學(xué)習(xí)算法相對于普通P型迭代學(xué)習(xí)算法具有更好的收斂特性。 其次，考慮了兩類最優(yōu)迭代學(xué)習(xí)算法設(shè)計(jì)問題：1)時(shí)間域內(nèi)二次型性能函數(shù)最優(yōu)化的迭代學(xué)習(xí)算法設(shè)計(jì)；2)迭代域內(nèi)確定性系統(tǒng)最優(yōu)迭代學(xué)習(xí)律設(shè)計(jì)和不確定性系統(tǒng)的保性能迭代學(xué)習(xí)律設(shè)計(jì)。 對于問題1)，本

3、文在模型已知與未知情況下，針對線性離散系統(tǒng)，得到了實(shí)現(xiàn)二次型性能函數(shù)最優(yōu)化的迭代學(xué)習(xí)算法與迭代域內(nèi)參數(shù)估計(jì)方法，并得到了相應(yīng)的收斂性條件。仿真結(jié)果表明，所得出的最優(yōu)迭代學(xué)習(xí)算法方法及參數(shù)估計(jì)方法是非常有效的，能夠獲得最優(yōu)或者非常接近于最優(yōu)的次優(yōu)控制效果。 對于問題2)，論文首先定義了迭代域內(nèi)二次型性能函數(shù)，然后基于新的性能函數(shù)，重點(diǎn)討論了確定性線性離散系統(tǒng)最優(yōu)迭代學(xué)習(xí)律以及不確定性線性離散系統(tǒng)保性能迭代學(xué)習(xí)律的設(shè)計(jì)方法。這些方法

4、具有一條非常好的特性：通過調(diào)整性能函數(shù)中的參數(shù)矩陣，可以很好地控制迭代學(xué)習(xí)的速度。另外，針對不確定性系統(tǒng)給出的保性能迭代學(xué)習(xí)律完全基于LMI方法進(jìn)行設(shè)計(jì)，可以很方便地利用MATLAB工具箱進(jìn)行求解。 與其優(yōu)點(diǎn)相比，迭代學(xué)習(xí)控制的不足之處一樣明顯。尤其是要求被控制對象的模型結(jié)構(gòu)、參數(shù)在每次運(yùn)行時(shí)都保持高度的重復(fù)性。為增強(qiáng)系統(tǒng)對于非重復(fù)不確定性的魯棒性，本文針對迭代學(xué)習(xí)控制應(yīng)用較好的剛性不確定性機(jī)器人系統(tǒng)以及受限柔性連桿機(jī)器人臂，將

5、迭代學(xué)習(xí)控制與魯棒控制方法相結(jié)合，得到了魯棒迭代學(xué)習(xí)控制策略，同時(shí)利用自適應(yīng)參數(shù)估計(jì)方法對非重復(fù)不確定性的界進(jìn)行估計(jì)，有效降低了魯棒控制的保守性。為了盡可能利用好能夠獲取的系統(tǒng)信息，在控制策略中還考慮了系統(tǒng)標(biāo)稱模型，可減輕系統(tǒng)學(xué)習(xí)負(fù)擔(dān)。 在現(xiàn)有的迭代學(xué)習(xí)控制方法中，控制輸入初值(第一迭代時(shí)的控制輸入)的選取完全是主觀的，一般將其定為零或一有界隨機(jī)量。為避免這一盲目性，本文利用控制系統(tǒng)對以往諸多任務(wù)的控制經(jīng)驗(yàn)建立“數(shù)據(jù)模型”，然后