论文部分内容阅读
为了增强迭代学习控制的鲁棒性，加快学习过程的收敛速度，而又不过多地依赖于系统内部信息，本文基于向量图分析思路，利用输入空间的向量构造三角形修正结构，得到了一种新的迭代学习控制算法．该算法根据跟踪误差的大小，调节输入控制量在三角形的一条边上滑动，在跟踪误差较大时，算法能找到控制期望的大致位置并加速收敛，在跟踪误差较小时，能将控制量稳定在其期望的很小邻域内，理论上证明了该邻域直径大小为跟踪误差的二阶无穷小．数值仿真结果说明了它的有效性和优越性．