數(shù)據(jù)驅(qū)動無模型自適應控制與學習控制的魯棒性問題研究.pdf

1、論文研究了兩種典型數(shù)據(jù)驅(qū)動控制算法--無模型自適應控制算法和迭代學習控制算法--的魯棒性問題。數(shù)據(jù)驅(qū)動控制算法的控制器設計僅使用系統(tǒng)的輸入輸出數(shù)據(jù),不需要系統(tǒng)的模型信息,因此魯棒性與基于模型控制理論的魯棒性不同,不存在未建模動態(tài)意義下的魯棒性。從數(shù)據(jù)的角度分析,不確定性包括擾動的影響和數(shù)據(jù)的丟失或不完備,因此本論文從數(shù)據(jù)擾動和數(shù)據(jù)丟失兩個方面研究數(shù)據(jù)驅(qū)動控制算法的魯棒性,主要研究內(nèi)容和創(chuàng)新點總結如下
　　 一、針對存在測量擾動和

2、負載擾動的一類非線性離散時間系統(tǒng),研究了基于緊格式線性化無模型自適應控制算法(CFDL-MFAC)的魯棒性問題。對于有界的測量噪聲和負載擾動,理論上證明了CFDL-MFAC算法的魯棒收斂性,并采用統(tǒng)計方法分析了測量擾動和負載擾動對CFDL-MFAC算法的影響,給出了輸出誤差統(tǒng)計特性與擾動統(tǒng)計特性之間的關系,進一步揭示了擾動對控制系統(tǒng)的作用。
　　 二、針對擾動對無模型自適應控制算法的影響,提出了四種改進的擾動抑制無模型自適應控制

3、算法:帶有衰減因子的無模型自適應控制算法、帶有濾波器的無模型自適應控制算法、帶有控制死區(qū)的無模型自適應控制算法和帶有擾動補償?shù)臒o模型自適應控制算法。理論上證明了改進算法的收斂性,仿真示例驗證了改進算法對于抑制擾動的有效性。
　　 三、針對存在測量數(shù)據(jù)丟失的一類非線性離散時間系統(tǒng),研究了CFDL-MFAC算法的魯棒性問題。給出了算法在期望意義下的魯棒收斂性證明,并定義一個收斂速度因子研究數(shù)據(jù)丟失對算法的影響,理論上分析了當數(shù)據(jù)丟失

4、程度增加時算法的收斂速度將變慢。仿真結果驗證了理論分析的正確性。
　　 四、針對數(shù)據(jù)丟失對MFAC算法收斂速度的影響,提出帶有丟失數(shù)據(jù)補償?shù)腗FAC算法。該算法首先對丟失的數(shù)據(jù)進行估計,然后將估計值用于控制算法的更新。理論上證明了該算法的收斂性,仿真結果表明該算法與常規(guī)的MFAC算法相比可有效抑制數(shù)據(jù)丟失的影響,提高系統(tǒng)輸出響應的速度。
　　 五、針對線性離散時間系統(tǒng),研究了迭代學習控制算法存在測量數(shù)據(jù)丟失時的魯棒性問題