迭代学习控制

摘要： 研究了一类具阻尼广义Korteweg-de Vries(KdV)方程的迭代学习控制问题,利用半群理论导出系统状态的表达式及先验估计。若迭代过程中初值允许存在一定偏差,结合P型迭代学习控制算法,证明了跟踪误差在Banach空间■中收敛,并且给出了数值实例。

摘要： 针对电子商务背景下类球状小颗粒农产品精确高效定量连续称重的需求,设计了一种类球状小颗粒农产品连续输送自动分流定包装称重计量系统,通过步进电机间接控制高弹性橡胶下料空心滚筒,实现了类球状小颗粒农产品的高效精准计量称重试验系统。针对小颗粒农产品精确计量包装的要求,采取了一种连续快速下料和点动补偿下料相结合的下料方式,并在连续快速下料过程引入迭代学习控制,有效减少了点动补偿下料次数,提高了称重效率。以冬枣为试验物料在试验台进行了定包装称重计量试验。试验表明,所研制的定包装称重计量系统点动补偿下料次数可控制在3次以下,90%以上的定包装称重计量精度可控制在设定重量±1个冬枣。

摘要： 由于挖掘机工作装置具有复杂强耦合非线性和时滞性的特点,并且其在工作过程中存在负载不确定的问题,导致挖掘机的作业效率低、机械磨损大。针对这一问题,采用了一种基于迭代学习控制与滑模控制相结合的控制策略,对挖掘机工作装置各关节轨迹的跟踪控制性能进行了研究。首先,利用拉格朗日力学法,建立了挖掘机工作装置的动力学模型;然后,推导定义了控制律,并利用Lyapunov理论验证了控制器的稳定性;最后,设计了迭代滑模控制器,以小松PC02-1挖掘机为平台,确定了其轨迹控制所需的变量,利用MATLAB对挖掘机工作装置的轨迹跟踪性能进行了数值仿真。研究结果表明:在面对外部扰动的情况下,该方法可有效地提高挖掘机工作装置各关节的跟踪速度与跟踪精度,同时可在一定程度上削弱传统滑模控制的抖振现象,系统的鲁棒性强;该结果表明,迭代学习控制与滑模控制相结合的控制方法具有较好的控制性能。

摘要： 迭代学习模型预测控制(Iterative learning model predictive control,ILMPC)具备较强的批次学习能力及突出的时域跟踪性能,在批次过程控制中发挥了重要作用.然而对于具有强非线性的快动态批次过程,传统的迭代学习模型预测控制很难实现计算效率与跟踪精度之间的平衡,这给其应用带来了挑战.对此本文提出一种高效迭代学习预测函数控制策略,将原非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型,并在控制器设计中补偿所产生的线性化误差,构造优化目标函数为真实跟踪误差的上界.为加强优化计算效率,在时域上结合预测函数控制以降低待优化变量维数,从而有效降低计算负担.结合终端约束集理论,分析了迭代学习预测函数控制的时域稳定性及迭代收敛性.通过对无人车和典型快速间歇反应器的仿真实验验证所提出算法的有效性.

摘要： 针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题,提出了一种基于卡尔曼滤波器的遗忘因子型迭代学习控制律,以实现闭环系统的稳定控制和干扰抑制。首先,将卡尔曼滤波器作为系统的状态观测器,在含有随机噪声干扰的情况下,估计系统的最优状态;其次,通过设置自适应遗忘因子来动态适应迭代学习过程中的误差变化,使系统快速收敛并准确跟踪参考轨迹,实现运动过程中重复干扰信号的抑制;最后,以Quanser公司生产的柔性尺为实验平台来研究非线性欠驱动被控对象实际系统的控制方法,并对所提方法分别进行理论数值仿真与实物实验验证。仿真及实物实验结果表明,本文提出的控制方法可以保证被控系统稳定运行,当环境中存在随机非重复性噪声或重复性干扰时,被控系统都可以保持良好的鲁棒性。

摘要： 在汽车涡轮壳衬套伺服压装机中,衬套压入过程经常出现抖动现象,严重影响了压装的精度和质量。为揭示抖动现象产生的机制,将衬套与孔之间的挤压作用等效为非线性摩擦过程,将电机与末端件之间的传动链看成同时具有弹性和阻尼两种特性的环节,建立伺服压装过程的动力学模型及其状态空间表达式,仿真验证所建立模型可以有效再现实际的抖动过程。在此基础上,考虑衬套压装过程不断往复工作的特点,设计一种不严格依赖精确数学模型且有强抗干扰的迭代学习算法。为验证所提出控制算法的有效性,构建包含非线性动力学模型和迭代学习控制器的压装过程控制系统数值仿真模型。仿真结果表明:迭代学习控制器可以有效抑制衬套压入过程中出现的抖动现象,相比于传统PID算法,它具有更高的定位精度和强抗干扰能力。

摘要： 如何有效应对感应电机复杂多变的非线性特性,是充分发挥电机本体性能并保持电机控制系统鲁棒性的关键。从能量的角度分析感应电机控制特性,提出了一种基于无源性迭代学习的感应电机转速控制方法,设计P型迭代学习控制器,利用其自学习能力来使控制性能渐趋期望,进一步提高系统鲁棒性。但由于系统转速阶跃给定造成系统控制量过大而引起超调。为了抑制系统超调的发生,对转速给定值进行了柔化处理,设计柔化方程,并加入微分项,形成PD型迭代学习控制器。仿真结果表明,系统转速曲线响应无超调,跟随性能良好。

摘要： 作为一种重要的海上作业装备,船用起重机被广泛应用于海洋工程的各类场景中.然而,船用起重机是一类复杂的非线性欠驱动系统,存在摩擦、未建模动态等干扰,为控制器设计带来了巨大挑战.更糟糕的是,船用起重机还面临海浪、大风等未知干扰的影响,使得实际控制更加困难.如何稳定高效地控制该类系统,目前仍处于初步探索阶段.为了解决上述问题,本文提出了一种基于迭代学习和神经网络的控制方法.具体来说,首先将未知干扰分为周期与非周期两部分.对于周期干扰,利用周期估计器解决了对未知周期的估计问题,在此基础上通过迭代学习对干扰进行补偿;对于非周期干扰,使用双层神经网络进行逼近和补偿,并设计了权重的更新律;在补偿未知干扰后,基于反馈线性化设计了控制输入.通过Lyapunov分析方法,可以证明期望平衡点是全局有界的.最后,在所搭建的船吊实验平台上进行了大量实验,充分验证了所设计控制方法的有效性与鲁棒性.

摘要： 如何更高效地实现结构的实时振动控制一直是振动工程领域不断探索的问题,而作动器则是振动主动控制研究中极为重要的一环。该文从Hamilton原理及压电材料的力-电耦合本构方程出发,建立了线弹性压电体的有限元状态空间方程,在此基础上提出一种利用被控系统实时响应作为控制输入的迭代学习控制算法,通过MATLAB仿真验证了迭代控制对弹性板模型振动控制的有效性,此后基于NI Compact RIO及LabVIEW平台搭建了振动主动控制实验系统。在实验中,以弹性翼型板为对象,对比了速度负反馈方法与迭代学习控制方法的控制效率。验证结果表明,后者的抑振效率之于前者可提高超过62%。

摘要： 针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题。该类系统由抛物型偏微分方程构成。该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器。基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明。结果表明,所提出的控制方法在λ范数意义下跟踪误差是收敛,且相对经典迭代学习算法,所提控制算法的收敛速度更快。最后,通过数值仿真验证了所提算法的有效性。

摘要： 针对永磁直线同步电机直接驱动XY平台数控系统的负载扰动、任意加工曲线轮廓误差模型复杂及双轴参数不匹配会影响加工精度的问题,本文采用比例-微分-反馈-前馈控制(PDFF)与迭代交叉耦合控制相结合对两轴运动进行协调控制.首先,设计PDFF控制器用以削弱负载扰动对加工系统的影响,然后采用实时轮廓误差法估算出轮廓误差模型,最后将轮廓误差作为控制器的输入,设计迭代交叉耦合控制器(ICCC)用以削弱双轴参数不匹配和周期性轮廓误差对加工性能的影响,同时减小了跟踪误差和轮廓误差.仿真结果表明,所设计的直接驱动XY平台的迭代学习控制系统具有较高的轮廓精度和较强的鲁棒性.

摘要： 针对间歇过程点对点跟踪控制问题,本文基于线性系统的2D理论提出了一种结合轨迹更新的综合预测迭代学习控制(2D-IPILC)算法.对于间歇过程,当同时考虑时间轴和批次轴上的特性时,可以将状态空间模型描述为2D Roesser模型.在引入目标轨迹更新策略后,2D系统的状态转移矩阵含有时变参数,采用2D理论详细分析了在轨迹更新情况下时变转移矩阵的特性,并应用于2D-IPILC算法,最后通过仿真实例进行了验证.

摘要： 针对具有重复运行特性的永磁同步电机(permanent magnet synchronous motor,PMSM)伺服系统运行过程中存在的摩擦扰动等非线性因素的问题,提出一种带遗忘因子迭代学习控制方案.该方案通过在迭代轴中引入一个初始控制量和一个可变的遗忘因子,利用了更多的系统信息,从而实现了永磁同步电机的快速精确跟踪控制.可变遗忘因子随着迭代次数的变而变化,可以有效调节控制输入,从而加快收敛速度并对系统的不确定性部分进行抑制.建立了系统模型,并对所提方案进行了收敛性证明,最后进行了仿真验证.仿真结果表明:与传统PD型迭代学习控制算法相比,该方案收敛速度,跟踪精度都有较大的提高,证明了该方案的有效性.

摘要： 针对家庭环境中服务机器人的物品抓取问题,以NAO机器人为实验平台,提出了一种结合迭代学习控制的基于位置的视觉伺服抓取算法.结合Bumblebee2双目立体相机构建了视觉伺服系统,对NAO机器人的机械臂进行了运动学建模.针对静止物品和传递过程中运动物品的抓取问题,分别设计了李雅普诺夫渐进稳定的基于位置的视觉伺服(PBVS)抓取控制律,最后为克服机械误差和物品运动预测误差的影响,结合迭代学习控制对PBVS控制律进行了改进,通过迭代实验验证提出的方法能够快速校正系统误差,提高系统响应速度,使机器人能够快速、稳定地完成目标物品的抓取,实现相应的家庭服务.

摘要： 与普通的异步直线电动机相比,永磁直线同步电动机具有结构简单、效率高、输出推力大、损耗小、噪声小、成本低、易于控制等优点.迭代学习控制的算法简捷、控制效果显著,特别适用于具有重复运动性质的被控系统.本文以永磁直线同步电动机为被控对象,采用位置-速度-电流三环控制结构.在位置控制器的设计过程中,首先设计PID控制器,然后设计迭代学习控制器,最后在Matlab/Simulink环境下进行仿真,分别构建控制器和被控对象,实现对永磁直线同步电动机的位置控制.

摘要： 悬臂式掘进机截割臂的驱动装置是一个复杂的电液一体化系统,且受参数不确定、非线性、时变和负载干扰等因素的影响,使截割头不能精确按照预定的轨迹截割,导致超挖或欠挖的现象发生,断面成形质量差.针对这一问题,采用自适应迭代学习控制算法对其进行控制.建立掘进机截割臂横向摆动和纵向摆动的动力学模型,设计相应自适应迭代学习控制方法,采用Matlab软件进行仿真.通过仿真分析验证了该控制方法对截割轨迹跟踪的有效性,为掘进机器人断面自动截割成形的研究奠定理论基础.

摘要： 针对混合型有源电力滤波器应用于电网谐波抑制与无功功率补偿,在传统PI(ProportionIntegration,比例积分控制)迭代学习算法基础上加入关于电流误差信号的微分项,提出一种新型PID(Proportion Integration Differentiation,比例积分微分控制)迭代学习控制算法,并推导出了算法收敛的条件,该控制算法改进了传统迭代学习算法的不足,不依赖于初始电流输入信号的选取。采用一种改进的Ziegler-Nichols方法实现对PID控制器参数的优化,以提高系统的控制精度。仿真和实验结果证明了该控制方法的可行性和有效性,与传统迭代学习算法比较,其具有响应速度快、控制精度高和易于实现的特点。

摘要： 优化迭代学习控制是建立在精确模型下的学习控制方法，本文针对具有不确定性的系统，提出将鲁棒控制与优化迭代学习控制相结合的方法，同时处理系统的灵敏度、补灵敏度问题以及迭代学习控制的鲁棒收敛性，使系统具备好的反馈和学习性能。建立μ分析下的系统框架，给出迭代学习系统的鲁棒收敛性条件。结合μ分析的结果对迭代学习控制系统进行优化设计，得到具有鲁棒收敛性的优化迭代学习控制律。文中附有算例，对提出的分析和设计方法进行说明。

摘要： 针对垂直运动的定子绕组不连续永磁直线电机在运行过程中,存在定子电枢绕组频繁切换、气隙不均匀、磁定位力、绕组匝间短路等扰动,引起推力发生波动导致电机失去稳定.本文提出一种基于迭代学习控制的控制方法,它利用上次的控制信息及本次的反馈信息综合对推力波动进行分析,进而采取一定措施对推力波动进行抑制.基于Simulink／Matlab的仿真实现和分析,仿真结果验证了此控制方案的可行性.

摘要： 本文主要介绍的是迭代学习率和自适应律两种控制方式综合应用下的电液伺服系统.文中分别简单介绍了迭代控制、自适应控制、电液伺服系统,并在此基础上对两种控制方法在电液伺服系统中的应用进行了介绍.本文是将电液伺服系统中速度作为主要控制对象,在电液伺服系统存在建模误差、时变参数和不可测扰动的情况下,控制器能够有效地跟踪系统被控参数.仿真结果表明,该控制策略能提高系统的控制精度,使系统响应速度快且具有较强的鲁棒性.

摘要： 本发明涉及一种基于迭代学习P型学习律的FAST整网控制方法，属于智能化天线控制领域。本发明基于P型学习律的迭代学习理论应用方法，首次将迭代学习应用于天线的控制使其更加智能化在天线控制领域，通过整网控制策略解决了FAST反射面整网变形控制方法存在的不足，提高了整个FAST系统的使用寿命和观测灵敏度。

摘要： 本发明涉及一种基于迭代学习P型学习律的FAST整网控制方法，属于智能化天线控制领域。本发明基于P型学习律的迭代学习理论应用方法，首次将迭代学习应用于天线的控制使其更加智能化在天线控制领域，通过整网控制策略解决了FAST反射面整网变形控制方法存在的不足，提高了整个FAST系统的使用寿命和观测灵敏度。

摘要： 本发明公开了一种基于迭代学习预测控制的燃煤锅炉过热汽温控制系统，副控制器采用比例控制器，主控制器采用基于迭代学习的预测控制器，通过在预测模型中引入前一时刻迭代的误差信息，对当前时刻的预测模型进行修正，并在迭代过程中通过学习不断修正控制律。本发明的过热汽温控制系统能够较好地适应大范围工况变化，减小动态偏差，实现了减温水的提前动作，提高了过热汽温控制系统的稳定性和安全性。本发明简单可靠，易于实现，适用于燃煤锅炉过热汽温控制系统。

摘要： 本发明公开了一种具有初态学习的机械臂分数阶迭代学习控制方法及系统，其中，该方法包括步骤1：建立机械臂系统的动力学模型，预设机械臂系统的期望运动轨迹；步骤2：初始化机械臂系统的状态量的初态以及系统输入，根据机械臂系统的动力学模型，求取机械臂系统的实际运动轨迹；步骤3：计算并判断实际运动轨迹与期望运动轨迹两者的跟踪误差是否为零，若跟踪误差为零，则实际运动轨迹与期望运动轨迹重合，结束；否则，进入下一步；步骤4：根据跟踪误差的初态及设定的初态学习增益来修正机械臂系统的状态量的初态，根据跟踪误差以及设定的输入学习增益和分数阶数来修正机械臂系统的系统输入，进而求取机械臂系统的实际运动轨迹，返回步骤3。

摘要： 本发明公开一种基于迭代学习控制的小天体探测器绕飞段轨道跟踪控制方法，建立受到外部扰动和未建模扰动下的小天体动力学模型；设计非线性扰动观测器估计探测器受到的外部扰动，并将其动态特性补偿到控制器；设计反馈控制器抑制绕飞过程中的非周期扰动；设计迭代学习控制器抑制绕飞过程中的周期扰动；控制器输出与扰动观测器的输出相结合输入到伪速率调制器，产生调谐振荡脉冲，可控硅接收到触发信号而导通，诱导推力器发生主放电，在翻滚轴、航向轴、俯仰轴上产生推力。本发明公开的控制方法使小天体探测器在未知扰动下，提高绕飞段轨道跟踪控制精度和系统鲁棒性。

摘要： 一种S型滤波器迭代学习控制直线电机轨迹跟踪控制方法，属于控制工程技术领域。本发明的目的是针对直线电机非线性干扰影响系统控制性能的问题，设计了超前校正的线性自抗扰控制器，然后根据设计好的自抗扰控制器结合迭代学习控制特点的S型滤波器迭代学习控制直线电机轨迹跟踪控制方法。本发明的步骤是：基于系统的控制模型设计超前校正的自抗扰控制器；设计S型结构的滤波器迭代学习控制器与控制器复合的直线电机运动平台轨迹跟踪控制器。本发明极大的提高了永磁同步直线电机平台的控制性能，能够有效提升直线电机的跟踪精度和抗扰能力。

摘要： 本申请公开了一种基于自适应控制与迭代学习控制的统一化控制方法，属于计算机控制这一技术领域，其设计要点在于：首先，通过一个完全分布式的通讯图将基于自适应观测器控制器拓展到含真实领航者的编队跟踪任务当中；然后，依据线性空间的可叠加性，采用基于自适应观测器控制实现相对于领航者保持固定形状的编队跟踪；再次，记录保存每次试验开始时迭代学习控制的初始化条件，采用迭代学习控制实现相对于领航者坐标系的可重复性编队跟踪。采用本申请的方法，可以实现含非重复性领航者的多智能体系统编队跟踪控制任务。

摘要： 一种基于自抗扰控制器的网络化多轴运动控制系统的迭代学习轮廓误差控制方法，该方法首先将时变时延引起的系统不确定动态处理为系统的总和扰动的一部分，并将系统的总和扰动扩张成新的变量，建立网络化单轴伺服控制系统的增广模型；其次，设计扩张状态观测器对增广系统的状态进行估计，进而采用基于扩张状态观测器的线性自抗扰控制器实现对单轴轨迹跟踪控制；然后，计算出当前时刻系统的轮廓误差模型，根据得到的轮廓误差，设计基于迭代学习控制算法的轮廓误差补偿控制器，实现对系统轮廓高精度跟踪控制。本发明具有良好的单轴轨迹跟踪控制性能，以及对系统模型不确定性的良好抗扰动能力，实现对系统轮廓高精度跟踪控制。

摘要： 本申请公开了一种基于机器学习的非重复性时变系统迭代学习控制方法，属于机器学习这一技术领域。非重复性时变系统的标称模型在每个试验中通过机器学习得到更新；在当前试验结束后，算法对整个系统的状态进行初始化，并为下一次试验作准备；在整个初始化阶段里的同时，运用机器学习获得一个能够描述当前状态下非重复性时变系统的最优标称模型。采用本申请的基于机器学习的非重复性时变系统迭代学习控制方法，能够有效的解决用于辨识时变系统模型的线性回归问题。

摘要： 本发明公开了一种具有初态学习的机械臂分数阶迭代学习控制方法及系统，其中，该方法包括步骤1：建立机械臂系统的动力学模型，预设机械臂系统的期望运动轨迹；步骤2：初始化机械臂系统的状态量的初态以及系统输入，根据机械臂系统的动力学模型，求取机械臂系统的实际运动轨迹；步骤3：计算并判断实际运动轨迹与期望运动轨迹两者的跟踪误差是否为零，若跟踪误差为零，则实际运动轨迹与期望运动轨迹重合，结束；否则，进入下一步；步骤4：根据跟踪误差的初态及设定的初态学习增益来修正机械臂系统的状态量的初态，根据跟踪误差以及设定的输入学习增益和分数阶数来修正机械臂系统的系统输入，进而求取机械臂系统的实际运动轨迹，返回步骤3。