论文部分内容阅读
自适应控制方法常用于处理系统的定常参数不确定性。当系统中包含时变尤其是快时变参数不确定性时,迭代学习方法可以通过多次运行,对相应的参数进行估计和补偿。非参数不确定性在实际系统中大量存在,目前,有关该类系统的迭代学习控制方法研究尚不充分,故有必要开展非参数不确定系统的迭代学习控制方法研究。考虑系统在物理、位置、方向上可能受到的限制,需要设计可以实现状态约束的控制器。本文在构造新型BLF(Barrier Lyapunov Function)的基础上,分别为定常参数化/时变参数化/非参数化系统设计具有约束功能的自适应控制器与迭代学习控制器。所设计的控制器不但可以保证系统误差收敛,而且可以把系统状态始终约束在给定的界内。本文的主要工作和成果如下:1.构造新型的Barrier函数,为定常参数系统设计具有状态约束功能自适应控制器,为定常/时变/混合参数系统设计具有状态约束功能的迭代学习控制器。通过仿真中的效果对比,验证算法的有效性。2.提出一种具有状态约束功能的重复学习控制算法,以放宽迭代学习初始条件。该算法不需进行迭代初始定位,可以实现系统状态完全跟踪期望轨迹,并使系统误差的二次型在迭代过程中囿于预设的界内。3.讨论一类非参数不确定系统的约束迭代学习控制问题。控制方案采用鲁棒方法和学习机制相结合的手段处理非参数不确定性,鲁棒方法对处理后的不确定性的界予以补偿,学习机制对处理后的不确定性进行估计。提出的迭代学习算法包括部分限幅与完全限幅学习算法,可实现系统状态在整个作业区间上完全跟踪期望轨迹,并使得系统误差的二次型在迭代过程中始终囿于预设的界内,进而在运行过程中实现状态约束。4.研究时变机器人系统的约束学习控制算法,分别为其设计约束迭代学习控制器与约束重复学习控制器。