论文部分内容阅读
迭代学习控制(ILC)适用于在有限时间区间上执行重复作业任务的控制系统,它利用前次迭代产生的输出误差,修正控制信号,得到当前控制输入。反馈辅助策略在控制器中加入当前次的输出误差,以期加快学习过程的收敛速度。本文针对线性定常迭代学习控制系统,研究反馈辅助迭代学习控制算法,给出控制器设计方法,并进行收敛性分析。 本文的主要工作如下: 1.考虑线性时不变离散系统,采用反馈辅助迭代学习控制策略,将系统转化为二维模型,进一步转化为线性矩阵不等式,得到学习增益设计方法。通过2个仿真算例,验证反馈辅助策略的有效性。 2.针对线性定常多智能体连续系统,考虑系统存在固定初态误差情形,采用反馈辅助迭代学习控制策略,解决轨迹跟踪问题以及编队控制问题。给出开环迭代学习控制算法及收敛条件,通过仿真算例比较两种算法的控制效果。 3.考虑线性定常多智能体离散系统,采用反馈辅助迭代学习控制策略,基于二维系统理论,将多智能体系统转化为二维模型,对其进行收敛性分析,将收敛条件转化为线性矩阵不等式,将系统的收敛性问题转化为线性矩阵不等式的求解问题。 4.针对具有非正则性的多智能体系统,采用反馈辅助迭代学习控制算法,并给出相应的开环迭代学习控制算法,构建系统二维模型,采用线性矩阵不等式知识,给出迭代学习增益的设计方法。 5.根据辨识出的伺服控制系统的数学模型,结合所提反馈辅助迭代学习控制算法,在永磁同步电机平台进行实验,实现对电机的高精度控制。对提取出的实验结果进行分析,验证反馈辅助算法的有效性与快速性。