主動(dòng)不完備數(shù)據(jù)下迭代學(xué)習(xí)控制與優(yōu)化.pdf

1、為了獲得優(yōu)秀的控制效果，現(xiàn)有迭代學(xué)習(xí)控制(Iterative LearningControl，ILC)研究成果多依賴于對(duì)系統(tǒng)信息和運(yùn)行數(shù)據(jù)等完備信息的獲取與使用。而在滿足系統(tǒng)容許跟蹤精度和控制性能的前提下，有效降低數(shù)據(jù)量的獲取與計(jì)算，不但可以降低相應(yīng)的硬件與軟件成本，還可以提高系統(tǒng)的運(yùn)行效率，增強(qiáng)系統(tǒng)的魯棒性?；谶@一考慮，在數(shù)據(jù)不完備環(huán)境下針對(duì)如何設(shè)計(jì)數(shù)據(jù)驅(qū)動(dòng)ILC來(lái)實(shí)現(xiàn)高質(zhì)量的跟蹤性能問(wèn)題展開(kāi)研究，具有重要的理論意義和應(yīng)用價(jià)值。

2、r>　　本文研究了主動(dòng)不完備數(shù)據(jù)下迭代學(xué)習(xí)控制的魯棒性與控制系統(tǒng)設(shè)計(jì)問(wèn)題，其中主動(dòng)不完備數(shù)據(jù)是指在滿足給定目標(biāo)的前提下，人為地降低所獲取數(shù)據(jù)的數(shù)量和質(zhì)量而導(dǎo)致有損耗的數(shù)據(jù)和信息，包括采樣、量化、點(diǎn)對(duì)點(diǎn)控制等。具體工作和成果包括:
　　1、第二章研究采樣ILC問(wèn)題，給出了采樣時(shí)刻之間最大誤差的上界估計(jì)，并提出了一種變采樣頻率的控制策略，以達(dá)到減小采樣間隔內(nèi)誤差的效果。最大誤差上界估計(jì)表達(dá)式表明，采樣頻率越高，誤差上界越小，系統(tǒng)跟蹤性

3、能相應(yīng)地越好。所提出的變采樣策略為:針對(duì)連續(xù)系統(tǒng)及初始采樣，首先建立采樣迭代學(xué)習(xí)控制，迭代學(xué)習(xí)實(shí)現(xiàn)采樣時(shí)刻點(diǎn)的跟蹤誤差收斂至給定范圍內(nèi)，進(jìn)而檢測(cè)采樣間隔內(nèi)的最大跟蹤誤差，對(duì)最大跟蹤誤差超出給定上界的采樣間隔提高采樣頻率。重復(fù)上述過(guò)程，可漸近實(shí)現(xiàn)系統(tǒng)在采樣時(shí)刻點(diǎn)、采樣間隔內(nèi)的跟蹤誤差均收斂至給定范圍內(nèi)。
　　2、第三章研究確定系統(tǒng)的量化ILC問(wèn)題，刻畫(huà)了對(duì)數(shù)量化器對(duì)ILC設(shè)計(jì)與分析的影響，給出了一種基于量化誤差信息的ILC更新框架，

4、即使用量化后的跟蹤誤差更新系統(tǒng)輸入信號(hào)。所提出的ILC算法能夠使得系統(tǒng)跟蹤誤差逐漸收斂至零。
　　3、第四章研究離散隨機(jī)系統(tǒng)的量化ILC問(wèn)題，仍使用基于量化跟蹤誤差的ILC算法，同時(shí)引入衰減型學(xué)習(xí)增益序列削弱隨機(jī)噪聲對(duì)控制輸入的影響以實(shí)現(xiàn)穩(wěn)定收斂。本文證明了所產(chǎn)生的控制輸入序列在概率1意義下漸近收斂至最優(yōu)輸入。
　　4、第五章研究隨機(jī)線性時(shí)變系統(tǒng)的點(diǎn)對(duì)點(diǎn)跟蹤問(wèn)題，提出了基于隨機(jī)逼近算法的ILC更新方法。本文通過(guò)引入一個(gè)矩陣建