论文部分内容阅读
针对非仿射非线性系统，提出初态学习律，并给出关于初态学习的收敛性充分条件．初态学习使得系统在每次迭代开始时，不严格要求其初态与期望初态重合或者固定于某一具体位置上，而是允许存在一定的定位偏差．利用压缩映射分析方法，推导出在初态学习下的开环学习律、闭环学习律、开闭环学习律的收敛性充分条件，证明了迭代学习控制系统关于初始定位误差的鲁棒收敛性．依据此收敛性条件，可确定输入学习律及初态学习律的学习增益．理论分析与数值仿真表明初态学习下迭代学习算法的有效性．