迭代學習控制理論及其在網絡控制系統(tǒng)中的應用.pdf

1、迭代學習控制(iterativelearningcontrol，簡稱ILC)策略適合于某種具有重復運動性質的被控對象。其控制的基本思想是:將控制系統(tǒng)歷史的控制信號和誤差信號相結合來修正當前控制信號，產生新的控制信號，實現在有限時間區(qū)間上的完全跟蹤任務。本文先對迭代域變化的參考軌跡跟蹤問題進行高階內模迭代學習控制的研究，然后針對具有網絡傳輸的控制系統(tǒng)中不同數據丟失和時延情況采用三種不同的迭代學習方法研究，并證明迭代學習律的收斂性。論文的主

2、要研究內容包括如下幾方面:
　　1.針對變參考軌跡跟蹤問題，提出了高階內模迭代學習控制。首先構造一個高階內模(HOIM)描述變參考軌跡，然后將高階內模嵌入到迭代學習律中，從而構造生成新型高階內模迭代學習律。通過嚴格的數學分析和仿真實例，證明高階內模算法能夠保證跟蹤誤差沿迭代軸的漸近收斂性質。最后將高階內模算法推廣到非線性系統(tǒng)。
　　2.針對傳感器至控制器通過網絡連接的一類網絡控制系統(tǒng)，存在Bernoulli分布的數據丟失和傳

3、輸一步時延問題，應用經典迭代學習控制算法的前饋特性對網絡控制系統(tǒng)進行有效補償，確保系統(tǒng)的跟蹤性能。
　　3.研究傳感器至控制器通道存在隨機數據丟失和傳輸時延行為的網絡化控制系統(tǒng)。首先將隨機數據丟失和傳輸時延行為建模為Markov鏈，然后提出了移動權重平均高階迭代學習算法，最后證明新型算法對于網絡控制系統(tǒng)的有效性。
　　4.針對控制器至執(zhí)行器通道存在數據丟失的離散時變網絡化控制系統(tǒng)問題。首先建立Bernoulli分布的數據丟失