迭代学习控制是智能控制理论的一个重要分支,它针对具有重复运行性质的被控对象,利用对象以前运行的信息,通过迭代的方式修正控制信号,实现在有限时间区间上的完全跟踪任务。它是一种离线学习算法,需要很少的关于被控对象的信息,因此对于一些难以建模的复杂对象具有很好的控制效果。这种控制方法非常适合于具有重复运行(或运动)特性的被控对象,如机械手、数控机床、磁头驱动器、电机伺服系统等。 本文首先在阅读大量文献的基础上,对迭代学习控制方法进行了系统的回顾。然后介绍了一种新的基于指定输入—输出空间的迭代学习控制思想,它即不需要对误差信号求导数,也不需要知道被控对象的对偶映射。基于这个思想,本文提出了一种新的迭代学习控制律,通过空间变换以及充分考虑每次迭代的数据,减小了输出端测量白噪声对迭代学习控制效果的影响,具有很好的噪声容忍特性。同时,本文提出的迭代学习律在进行迭代学习控制的同时,还可以用来辨识一类连续线性时不变系统,在达到控制目标的同时能够给出被控对象的具体描述。本文还给出了提出的迭代学习控制律在一个电液位置伺服控制系统中的应用实例,来验证算法的有效性。 实验结果表明:本文提出的迭代学习律,只需要根据参考信号及输入输出信号就能实现对参考信号的完全跟踪;该迭代学习律具有良好的噪声容忍特性,在输出端的测量噪声比较大的情况下,仍能达到比较理想的跟踪效果;对一类连续线性时不变系统,该迭代学习律在达到控制精度要求的同时能够较为准确的辨识出被控对象的传递函数。