基于神經網絡逼近的點對點迭代學習控制.pdf

1、迭代學習控制在被首次提出后就受到了眾多研究人員的關注，過去的幾十年來無論是理論還是應用方面都得到了長足的發(fā)展。這種數據驅動的學習算法對于解決有限時間內的重復控制任務有著非常優(yōu)秀的性能。在傳統(tǒng)迭代學習控制問題中，控制目標往往會被設定為完整的目標軌跡，但在實際應用當中可能只需要考慮部分關鍵位置，一種特殊情形是只有系統(tǒng)運行軌跡的最終狀態(tài)或輸出需要精確控制。這類特殊情形具有兩個特點:一是唯一的測量值來自終端狀態(tài)或終端輸出，無法得到系統(tǒng)完整的輸出

2、軌跡，從而無法獲得整個運行時間段內的跟蹤誤差，而僅能得到終端誤差;二是設定的控制目標就是終端狀態(tài)或終端輸出，而并非跟蹤完整的狀態(tài)或輸出軌跡，此類特殊情形被稱為終端迭代學習控制問題。更一般的，若跟蹤目標為完整軌跡上的若干點，相應的問題被稱為點對點迭代學習控制問題。本篇論文分別討論了基于神經網絡的終端與點對點迭代學習控制問題，針對一類非仿射系統(tǒng)，本文引入徑向基神經網絡來直接逼近系統(tǒng)的輸入信號，從而避免了強非線性問題的求解困境。通過構造輔助誤