迭代学习初态问题研究及其在机器人中的应用

摘要

在迭代学习控制研究中,通常的一个假设是:系统每次迭代初态与理想初态相等.这个假设对于系统的稳定性分析是非常重要的,因为迭代初态扰动将直接影响到迭代学习控制的跟踪精度.针对此问题,本文提出了一种新的迭代学习控制方法:利用遗忘因子控制初态偏移的影响,在保证系统迭代收敛的前提下,同时对初态进行学习,使其最终趋于理想初态,从而实现非线性系统对期望轨线的严格跟踪.最后,本文所提出方法在机器人模型中的仿真应用表明了本文方法的有效性.