论文部分内容阅读
实际中常见的重复系统通常表现为在有限时间上执行重复作业,或在无限区间上跟踪周期轨迹。学习控制由于其有效的学习能力和简单的结构,被广泛应用于重复系统的控制。学习控制包括迭代学习控制和重复学习控制。为拓宽迭代学习控制技术的应用领域,同时提高系统运行的安全性和可靠性。本文基于Lyapunov方法研究几类不确定系统的学习控制方法。主要开展如下六个方面的研究工作:1.为了提高系统运行过程中的安全性能,研究可保证瞬态性能学习控制问题。引入限定跟踪误差瞬态特性的界函数,通过误差转换方法,定义一个转换误差变量,将跟踪误差的可保证瞬态特性问题转化为该误差变量的有界性问题。采用Lyapunov方法,针对一类不确定非线性系统,设计迭代学习控制器处理系统中参数和非参数不确定性。并且,采用完全限幅学习机制,保证转换误差变量的有界性和一致收敛性。从而既能得出系统输出在整个作业区间的完全跟踪性能,同时又能够保证跟踪误差在每次迭代的过程中具有可保证的瞬态特性。在此工作基础上,分析了一类含外界扰动的严格反馈控制系统的可保证瞬态性能问题,给出了可保证瞬态性能迭代学习控制算法。2.为了克服传统迭代学习控制对初始误差和目标轨迹的限制,研究变参考信号情形下,参数不确定系统的可保证瞬态性能学习算法,给出修正参考信号的构造方法,采用多项式函数来构造修正函数,兼具有形式一般性和使用便捷性,易于推广。再利用上述给出的修正参考信号构造方法,解决非参数不确定系统的非零初值问题,通过鲁棒方法和迭代学习方法相结合处理系统的不确定性,经过足够多次迭代后,实现系统误差在预设区间上收敛于零,又保证跟踪误差在每次迭代的过程中具有可保证的瞬态特性。3.研究具有执行器故障的非线性不确定系统的迭代学习容错控制方法。针对多输入单输出参数不确定系统,其参数与迭代次数相关,通过Backstepping技术和Lyapunov综合方法,设计可保证瞬态性能迭代学习容错控制方案,处理系统的参数不确定性问题和执行器故障问题。在上述工作基础上,针对具有执行器故障的严格反馈控制系统,通过误差跟踪方法,解决系统存在的非零初值问题,设计一种迭代学习容错控制策略。4.针对一类在有限作业区间上执行重复任务的严格反馈时变系统,提出一种用于解决时变参数不确定性问题的控制方法。在系统时变不确定性的界函数已知的情形下,采用带死区修正的学习律,对界函数进行估计。采用多项式函数对符号函数进行连续化处理,克服了由传统符号函数设计控制器可能引起的颤振现象。结合Backstepping技术,分别设计迭代学习控制算法和重复学习控制算法。通过构造带死区的新型Lyapunov函数,保证闭环系统所有信号的有界性,并实现跟踪误差在有限区间上收敛于给定的领域。5.针对一类不确定非线性系统,结合Backstepping方法,设计重复学习控制方法。采用Lyapunov-like综合,设计重复学习控制器处理系统中的参数和非参数不确定性,可实现系统状态在整个作业区间上完全跟踪期望轨迹。分别讨论部分限幅和完全限幅学习机制,证明闭环系统中各变量的一致有界性以及跟踪误差的一致收敛性。6.研究任意初态下,机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念,构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统,采用Lyapunov-like方法,分别设计迭代学习控制器处理系统中不确定性。并且,采用未含/含限幅学习机制,保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性,藉以实现跟踪误差在预先指定区间的完全跟踪。