具有固定初始偏移的线性广义迭代学习控制系统的状态跟踪算法

本文研究线性广义系统存在固定初始偏移时的迭代学习控制问题.利用矩阵奇异值分解的方法,将广义系统转化为微分代数系统,再根据微分代数系统的性质,构建得到一种新的迭代学习控制算法,该算法由部分PD型算法和部分P型算法混合而成.利用压缩映射原理,证明在这种学习算法的作用下,系统的状态跟踪误差渐近收敛于零.为消除固定初始偏移的影响,本文进一步将初始修正策略应用到广义系统上,并由此构建得到相应的学习算法.证明在这种学习算法的作用下,可实现状态轨迹在预定有限时间区间上对期望轨迹的完全跟踪,且与初始偏移量的大小无关.仿真算例验证了算法的有效性.     

非线性多时滞系统的二阶D型迭代学习控制

收敛性是迭代学习控制的重要研究内容之一.针对非线性多时滞系统,讨论了二阶D型迭代学习控制算法.通过引进新的(λ,ξ)-范数和新的分析方法,本文获得了算法收敛和目标跟踪精度较高的结果.仿真结果表明了该算法的有效性.     

线性多时滞系统的二阶D型迭代学习控制

本文研究了线性多时滞系统讨论了二阶D型迭代学习控制算法.通过引进新的(λ,ξ)-范数和新的分析方法,获得了算法收敛和目标跟踪精度较高的结果.仿真结果表明了该算法的有效性.     

时变切换信号驱动的线性连续切换系统的迭代学习控制收敛性分析

针对一类由任意时变切换信号驱动并在某个时间区间可重复运行的切换系统,该文研究一阶和高阶PD-型迭代学习控算法.利用卷积积分的广义Young不等式,在Lebesgue-p范数意义下分析跟踪误差性态,得出算法收敛的充分条件,并量化了状态矩阵对学习效果的影响,数值仿真验证了理论结果的可行性和有效性.     

一类时滞非线性系统的采样迭代学习控制

本文针对一类时滞非线性系统提出一种采样迭代学习控制算法,严格证明了该算法的指数收敛性.当系统满足所给出的条件时,跟踪误差以指数速率收敛至一个与采样周期有关的误差范围内.     

一类非线性系统的分段迭代学习控制

本文提出并研究一类非线性系统的分段迭代学习控制问题.基于P型学习律和D型学习律构建得到分段迭代学习控制律,利用压缩映射原理,证明这种分段迭代学习律能使得系统的输出跟踪误差沿迭代轴方向收敛.仿真算例验证了算法的有效性.     

离散系统迭代学习型瞬时最优控制及作动器位置优化研究

以线性离散系统为研究对象,以瞬时最优化控制和智能算法中的迭代学习控制为基础,以系统响应期望值与实际值之差为反馈信号,以离散系统的二次型性能泛函为目标函数,提出了迭代学习型瞬时最优控制算法.该方法以瞬时最优化控制算法初始化控制信号,并采用迭代学习控制在线实时修正控制信号以提高主动控制的效果.针对迭代学习型瞬时最优化控制算法迭代的特性,采用范数方法给出了该算法收敛的充分条件.数值算例表明,迭代学习型瞬时最优控制算法较离散瞬时最优控制算法有较明显的优势.同时,基于改进遗传算法,对主动控制器位置优化进行了讨论.数值分析结果表明:部分楼层设置主动控制器且安装位置经过优化后,其控制效果可接近甚至优于全楼层设置主动控制器时的控制效果.     

带有初态偏差的离散时滞系统控制策略

针对带有初态偏差的线性离散时滞系统,提出了一种带有修正初态偏差功能的迭代学习控制策略,该控制算法能够使得系统在某个指定区间达到逐点完全跟踪.该指定区间和时滞系统的时滞参数无关,并且该方法能够推广到多时滞系统中.在跟踪过程中,如果系统带有随机性扰动,应用本文所提算法,系统依然能够稳定.最后通过三个算例验证了算法的有效性.     

基于有限差分法的二阶双曲型分布参数系统的迭代学习控制

研究了一类分布参数系统基于有限差分法的迭代学习控制问题,该类分布参数系统由二阶双曲型偏微分方程所构建.针对系统所满足的初、边值条件,基于有限差分法构建得到迭代学习控制律,利用迭代收敛原理,证明这种学习律能使得系统的状态跟踪误差沿迭代轴方向收敛到原点的一个小邻域内.数值仿真验证了所提算法的有效性.     

二阶非线性双曲型分布参数系统的迭代学习控制

研究一类分布参数系统的迭代学习控制问题,该类分布参数系统由二阶非线性双曲型偏微分方程构成.针对系统所满足的性质.基于P型学习律构建得到迭代学习控制律,利用压缩映射原理,证明这种学习律能使得系统的输出跟踪误差于L。空间内沿迭代轴方向收敛.数值例子说明了算法的可适用性.