论文部分内容阅读
针对一类非线性系统，提出了具有初态学习的开闭环PD型迭代学习算法，并给出了该算法的收敛充分条件。依据此收敛条件，可确定初态学习律和输入学习律的学习增益，而不必依赖系统的结构和参数，从而放宽了对初始定位的要求。初态学习允许在每次迭代开始时，其初态与期望初态有一定的定位误差，并允许初态在收敛条件范围内任意设置。利用压缩映射分析方法，证明了系统在任意初态下经过几次迭代后，实际输出能完全跟踪上期望轨迹。最后，通过仿真实例验证了所提算法的有效性和可行性。