增量自适应学习算法

摘要

提出适用于参数不确定系统的增量自适应学习算法,为连续时间自适应控制系统提供了一种新的设计方法.针对现有积分自适应算法,首先指出其近似实现方式,即实现时采用的离散算法与原算法存在着差别.对于非限幅增量自适应学习算法,证明了闭环系统收敛性,并给出其参数估值性质;为了保证参数估值本身有界,提出限幅增量自适应学习算法,借助类Barbalat引理,获得闭环系统的收敛性结果.与积分自适应系统相比较,所提出学习算法规避了积分自适应律在实现时离散化造成的近似问题,从而能够有效处理参数不确定性.针对运动控制系统设计了增量自适应鲁棒控制器,并用于电机位置跟踪,实验结果验证了所提控制方法的有效性.