批次长度随机变化的高阶迭代学习控制

摘要

为解决批次长度随机变化的线性离散时间系统,提出了高阶迭代学习控制算法,实现对期望轨迹的渐进跟踪.将迭代平均算子与PD型迭代学习算法相结合,使控制输入的更新中利用历次迭代信息.通过λ范数分析,证明了所提学习算法可使跟踪误差在数学期望意义下收敛,并且上述算法可放宽对迭代初始状态的要求.实例仿真计算表明,上述算法比现有算法更加有效性,且所提学习算法既可以加快跟踪误差的收敛速度又能减少迭代过程中跟踪误差出现发散的情况.