网络环境下直线电机迭代学习控制问题研究

摘要

网络化控制系统作为一种新型分布化与智能化的控制系统，因其拥有结构简单、信息资源共享、系统布线少、系统的灵活性和可靠性高等优势，已经成为国内外自动化控制领域的一个热门研究课题。直线电机是一种能够把电能直接转换成直线运动机械能的电力传动装置。与旋转电机相比，直线电机具有更高的转换效率和定位精度等特性，近年来被广泛应用于工业领域。因此将网络化控制系统结构引入传统的直线电机控制系统，充分发挥网络化控制的优势，发展一种新型的网络化直线电机迭代学习控制模式具有很好的发展前景以及工程意义。本文以直线电机为被控对象，以迭代学习控制器为控制器，构建网络控制系统，针对系统中存在的时延和丢包的情况，讨论所运用的控制器能否保证系统的收敛性。具体如下：
　　（1）针对测量信号在网络通信中存在随机一步时延的直线电机迭代学习控制系统，分析研究了P型迭代学习控制策略的收敛性问题。在采用Bernoulli随机序列描述一步时延并假设其属于某个给定的数值区间的基础上，利用压缩映射方法和范数理论给出了P型迭代算法的收敛条件，从理论上证明了算法的收敛性并进行了仿真验证。
　　（2）针对同时存在数据丢失和一步时延的直线电机迭代学习控制系统，研究P型迭代学习控制策略的收敛性问题。将一步时延描述为概率已知的随机Bernoulli过程，而将数据丢失描述为概率未知的随机Bernoulli过程，假设丢失概率属于一个已知数值区间。在此基础上，利用λ范数理论给出了P型迭代算法的收敛条件，理论上证明了算法的收敛性并通过实例仿真验证了所用算法的有效性。
　　（3）针对控制信号存在时滞和测量信号存在丢失的直线电机迭代学习控制系统，研究PD型迭代学习控制策略的收敛性问题。将数据丢失描述为概率未知的随机Bernoulli过程，且假设其丢失概率属于某个已知数值区间。再利用给定超前法处理控制时滞问题。运用Bellman-Gronwall不等式和λ范数理论，证明了所用的迭代学习控制算法能够使系统在有限时间内跟踪上期望轨迹。最后利用实例仿真验证了该学习算法的有效性。

目录

声明

专用术语注释表

第一章 绪论

1.1研究的背景与意义

1.2相关概述

1.3研究现状

1.4主要研究内容

第二章 相关背景知识介绍

2.1迭代学习方法

2.2 Bernoulli分布

2.3 Bellman-Gronwall 引理

2.4差分不等式

2.5 λ范数

第三章 具有一步时延的直线电机迭代学习控制

3.1引言

3.2系统建模

3.3收敛性分析

3.4实验仿真

3.5本章小结

第四章 具有时延和数据丢失的直线电机迭代学习控制

4.1引言

4.2系统建模

4.3收敛性分析

4.4实验仿真

4.5本章小结

第五章 具有控制时延和测量数据丢失的直线电机迭代学习控制

5.1引言

5.2系统建模

5.3收敛性分析

5.4实验仿真

5.5本章小结

第六章 总结与展望

6.1本文总结

6.2未来工作展望

参考文献

附录 攻读硕士学位期间撰写的论文

致谢