學習控制收斂速度的研究及在機器人中的應用.pdf

1、迭代學習控制針對具有重復運行性質(zhì)的被控對象,利用對象以前運行的信息,通過迭代方式修正控制信號,實現(xiàn)在有限時間區(qū)間上的高精度跟蹤任務。經(jīng)典PID(Propo-rtional Integration Differential)型迭代學習控制以其簡單的算法形式和精確的跟蹤效果引人注目,但也存在著學習增益選擇盲目和算法收斂速度慢的缺陷。而對于實際的控制系統(tǒng)而言,這兩個問題都必須很好地解決。在本文中,主要對迭代學習控制算法進行研究,并將研究成果應

2、用于機器人控制中。論文的主要內(nèi)容如下:
　　(1)介紹了迭代學習控制和機器人的基本知識以及一些常用的迭代學習控制算法,并分析了各類算法中存在的問題。
　　(2)重點研究了迭代學習算法的收斂速度。1)針對線性連續(xù)系統(tǒng),引入2-D(2-dimensions)系統(tǒng)理論,運用D(Differential)型開閉環(huán)迭代學習控制算法進行控制,并以譜半徑形式給出了保證算法收斂的充分必要條件。通過與D型開環(huán)迭代學習控制算法的仿真比較,證明了

3、算法在提高控制系統(tǒng)收斂速度上有明顯優(yōu)勢。2)結(jié)合模糊控制技術(shù)用于學習控制,提出一種改進的模糊增益PD(Proportional Differential)型迭代學習控制算法,并針對一個單臂機械手模型,分別采用普通PD型迭代學習算法和模糊增益PD型迭代學習算法進行控制,仿真結(jié)果表明采用本文提出的算法收斂速度更快。
　　(3)迭代學習控制在機器人中的應用。針對一個2自由度剛性機器人,分別運用普通PD型迭代學習算法與本文提出的模糊增益P