一类非线性时滞系统的迭代学习控制算法研究

摘要

迭代学习控制是近二十年来发展起来的一种新的智能控制方法。在实际工业过程控制中，很多复杂工业过程都具有某种可重复的特性。迭代学习控制就是根据工业对象的这种特性，利用系统先前的控制经验和输出误差来修正当前的控制信息，使系统输出尽可能收敛于期望值；它是一种离线的学习过程，不依赖于动态系统的精确数学模型(无需辨识系统的参数，属于基于品质的自学习控制)；能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，适应性强，易于实现；受到了控制界的广泛关注。 实际的控制系统都是非线性系统，完全线性的系统是不存在的。因为组成控制系统的组件其静态特性都存在着不同程度的非线性。严格来说，非线性系统才是最一般的系统。而线性系统只是其中的特殊情况，因而研究非线性系统更能发掘自然界的本质。在各种实际系统中，由于系统变量的测量，设备的物理性质和物质及信号的传递等因素的存在，时滞现象普遍存在。由于时滞的存在，往往使系统的性能指标下降，甚至造成系统的不稳定，因此，对于时滞系统的研究，越来越引起人们的注意，对此类问题的研究具有较强的理论和实践意义。但对时滞系统的研究，不论从数学理论上还是工程实际中，都是非常困难的。目前该领域的理论研究中仍有许多问题尚待解决。 本文针对一类具有非线性、时滞的系统，提出了考虑初始条件不确定性的鲁棒PD型迭代学习控制算法。该算法不仅考虑了系统前馈和实时反馈的影响，而且能够对初始偏差进行修正，论文给出了这类系统的输出极限轨迹，以及迭代输出收敛于该极限轨迹的较弱的充分条件，并可将初始条件放宽为任意可达的、具有可重复性的初始状态函数。最后本文给出了算法的鲁棒收敛性证明，仿真例子进一步验证了该算法的有效性。

目录

文摘

英文文摘

独创性说明及大连理工大学学位论文版权使用授权书

1绪论

1.1引言

1.2迭代学习控制概述

1.3非线性系统概述

1.4时滞系统概述

1.5本文的主要研究内容

1.5.1研究的目的和意义

1.5.2研究内容

2迭代学习控制

2.1什么是迭代学习控制

2.1.1迭代学习控制的概念

2.1.2与其它控制方法的联系

2.1.3其它控制方式结合

2.2迭代学习控制问题的描述

2.3迭代学习控制的研究内容

2.4迭代学习控制的应用

3非线性时滞系统迭代学习控制算法

3.1数学准备

3.2问题的描述

3.3主要结果

4仿真研究

4.1仿真实验

4.2仿真结果分析

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢