一类非线性迭代学习控制系统的鲁棒收敛性

摘要

讨论了对于一类非线性动态系统施加高阶Ｄ型迭代学习算法是构成的迭代学习控制系统的鲁棒收检敛性，证明了当系统初始状态逐渐固定在靠近期望动态的某一点上时，系统控制，状态，输出会收敛到相应期望轨迹的领域内，同时，证明了在渐近理想得复初始条件下的算法敛法，仿真结果表明，开闭环配合的学习律是克服初态偏移的一种有效途径。