非線性高階系統(tǒng)的自適應迭代學習控制.pdf

1、迭代學習控制是一種有效地處理重復性跟蹤控制問題或周期性干擾控制問題的控制方法,傳統(tǒng)迭代學習的基本方法是:基于上次迭代時的輸入信息和輸出誤差的PID 校正項，獲得本次迭代的控制輸入，經(jīng)過若干次迭代,以期達到在給定的時間區(qū)間上實現(xiàn)被控對象以較高精度跟蹤給定的(或不變)目標軌線,但現(xiàn)有的方法存在很大的缺陷,如要求非線性項滿足李普希茨連續(xù)性,控制律的收斂性分析依賴于實際上是未知的理想輸入,初值重置問題等,由于自適應控制在非線性不確定系統(tǒng)中的成功

2、應用, 當被控對象含有混雜參數(shù)（時變參數(shù)和時不變參數(shù)）或迭代學習控制律的增益系數(shù)是時變以及目標軌線發(fā)生變化時,如何充分利用系統(tǒng)的先驗信息,用自適應控制設計迭代學習控制律,這是一個值得研究的新課題。 自適應控制通過引進參數(shù)自適應機制,在常參數(shù)不確定性存在的情況下,自適應控制系統(tǒng)能夠實現(xiàn)跟蹤誤差漸近收斂于零。直到如今,沒有自適應控制算法能夠解決任意快并且非零變化的未知參數(shù)不確定性問題。 非線性系統(tǒng)自適應控制系統(tǒng)的Backst

3、epping 設計是基于控制李亞普諾夫函數(shù)的理論,是一種構造性控制方法,它克服了相對度為1的限制，能夠處理不匹配的不確定性，所以能夠對系統(tǒng)的收斂性進行嚴密地分析，但是,它很難應用到時變參數(shù)不確定性的系統(tǒng)中。 本文基于Lyapunov 穩(wěn)定性理論(復合能量函數(shù)方法)，結合本質非線性系統(tǒng)的Backstepping 設計方法,利用自適應控制理論設計迭代學習控制，這些方法克服了傳統(tǒng)迭代學習控制的許多缺陷,放松了傳統(tǒng)算法的一些限制性假設,

4、主要工作包括以下幾個方面：第一，針對一類含有時變和時不變參數(shù)的一類非線性系統(tǒng)，結合Backstepping 方法，提出了一種新的自適應迭代學習控制方法，該方法由微分-差分型自適應律和學習控制律組成，保證對非一致目標的跟蹤誤差平方在一個有限區(qū)間上的積分漸近收斂于零，克服了傳統(tǒng)的ILC 的對目標軌線限制，可以跟蹤非一致目標軌線。通過構造復合能量函數(shù)，給出了閉環(huán)系統(tǒng)收斂的一個充分條件；第二,針對含有時變未知參數(shù)的高階非線性系統(tǒng), 利用反饋線性

5、化,提出了一種新的自適應重復控制方法，該方法可以處理參數(shù)在一個未知緊集內(nèi)周期性快時變的非線性系統(tǒng),通過引進參數(shù)周期自適應律,設計了一種自適應控制策略，使跟蹤誤差在誤差平方范數(shù)意義下漸近收斂于零，通過構造復合能量函數(shù),給出了閉環(huán)系統(tǒng)收斂的一個充分條件,第三,針對含有時變和時不變未知參數(shù)的一類非線性系統(tǒng),結合Backstepping 方法,提出了一種新的混合自適應重復學習控制方法,該方法可以處理參數(shù)在一個未知緊集內(nèi)周期性快時變的非線性系統(tǒng)，