论文部分内容阅读
首先提出了一种基于非线性系统相对度的迭代学习控制算法,并证明了其收敛性.该算法通过对系统以前的输入和输出跟踪误差信号进行学习来反复调整输入量,使得系统在经过一定次数的学习以后,其实际输出趋于期望输出且其内部状态也具有良好的收敛特性.其次将此算法应用于两轮驱动的移动机器人动力学系统,数值仿真结果表明了这种算法的有效性.