执行器饱和限幅下的自适应迭代学习控制研究

摘要

含执行器饱和特性的不确定非线性系统普遍存在于实际工程领域，系统的动态性能以及稳定性与执行器饱和特性有着很大的关系，因此研究执行器饱和限幅下的控制算法具有重要的理论和实际意义。本文基于Lyapunov稳定性理论，讨论了含饱和执行器的参数不确定非线性系统，设计了相应的自适应迭代学习控制方案，进行了相关理论分析、算例仿真以及应用研究。 ⑴针对含执行器饱和特性的一类带未知干扰和未知时变参数的不确定非线性系统，提出了执行器饱和限幅下的鲁棒自适应迭代学习控制算法。该算法在迭代域内对未知时变参数进行估计，利用鲁棒控制抑制干扰；针对含执行器饱和特性的一类带未知干扰和未知常参数、时变参数的非线性系统，提出了执行器饱和限幅下的组合自适应迭代学习控制算法。该算法在时域内对未知常参数进行估计，在迭代域内对未知时变参数进行估计，充分利用了时域和迭代域信息，加快了参数的收敛速度。 ⑵采用Backstepping方法和饱和补偿器将上述两种算法推广到二阶不确定非线性饱和限幅系统中。基于Lyapunov稳定性理论分析了这两种算法在相同初始条件和初始对准条件下的收敛性。仿真验证了所提控制算法的有效性。 ⑶将上述两种算法分别应用于含执行器饱和特性的不确定变负载机械臂系统，推导了带干扰的二自由度变负载机械臂系统动力学模型，给出了系统所有内部信号有界性和跟踪误差收敛性的证明。仿真验证了所提算法对机械臂系统控制的有效性。

目录

文摘

英文文摘

声明

1 绪论

1.1不确定非线性系统概况

1.2执行器饱和限幅控制概述

1.2.1执行器饱和限幅控制的研究概况

1.2.2执行器饱和限幅控制在机械臂控制中的应用

1.3自适应迭代学习控制概述

1.3.1迭代学习控制的概况

1.3.2自适应迭代学习控制的研究现状

1.3.3执行器饱和限幅下的自适应迭代学习控制研究现状

1.4论文工作及内容安排

2 预备知识

2.1饱和函数介绍

2.2 Lyapunov稳定性理论

2.3 Backstepping技术

2.4本章小结

3 执行器饱和限幅下的鲁棒自适应迭代学习控制

3.1执行器饱和限幅的一阶非线性系统RAILC

3.1.1问题描述及基本假设

3.1.2鲁棒自适应迭代学习控制器设计

3.1.3相同初始条件下的收敛性分析

3.1.4初始对准条件下的收敛性分析

3.2执行器饱和限幅的二阶非线性系统RAILC

3.2.1问题描述及基本假设

3.2.2鲁棒自适应迭代学习控制器设计

3.2.3相同初始条件下的收敛性分析

3.2.4初始对准条件下的收敛性分析

3.3仿真算例

3.4本章小结

4执行器饱和限幅下的组合自适应迭代学习控制

4.1执行器饱和限幅的一阶非线性系统CAILC

4.1.1问题描述及基本假设

4.1.2组合自适应迭代学习控制器设计

4.1.3相同初始条件下的收敛性分析

4.1.4初始对准条件下的收敛性分析

4 2执行器饱和限幅的二阶非线性系统CAILC

4.2.1问题描述及假设

4.2.2组合自适应迭代学习控制器设计

4.2.3相同初始条件下的收敛性分析

4.2.4初始对准条件下的收敛性分析

4.3仿真算例

4.4本章小结

5执行器饱和限幅下ALIC在变负载机械臂系统中的应用

5.1带干扰的二自由度变负载机械臂动力学模型

5.2执行器饱和限幅下变负载机械臂RAILC

5.2.1问题描述及假设

5.2.2鲁棒自适应迭代学习控制器设计

5.3执行器饱和限幅下变负载机械臂CAILC

5.3.1问题描述及假设

5.3.2组合自适应迭代学习控制器设计

5.4仿真实例

5.5本章小结

6结论与展望

6.1论文总结

6.2工作展望

致 谢

参考文献