迭代學習控制在非嚴格重復時延系統(tǒng)中的應用研究.pdf

1、本文針對迭代學習方法在非嚴格重復系統(tǒng)控制中的理論問題，開展迭代學習控制系統(tǒng)的魯棒性、自適應性與收斂性分析研究，并佐以仿真與實驗驗證。諸多傳統(tǒng)迭代學習控制方法要求被控對象滿足嚴格可重復性，該前提是保證系統(tǒng)性能的關(guān)鍵因素之一。然而實際系統(tǒng)中存在的時延、不確定性和其他復雜因素的影響，以及非馬爾科夫系統(tǒng)（特別是分數(shù)階系統(tǒng)）本身記憶性的固有存在，使得系統(tǒng)難以滿足嚴格可重復性，從而影響迭代學習控制效果，甚至保障系統(tǒng)嚴格可重復性本身的難度會遠大于控制

2、系統(tǒng)設(shè)計。因此，在實際問題中，當系統(tǒng)非嚴格可重復時，應用傳統(tǒng)的迭代學習控制方法，其理論分析結(jié)果與實際應用效果差別較大。盡管可以通過適當引入反饋環(huán)節(jié)并利用魯棒控制與自適應控制領(lǐng)域豐富的結(jié)論提高迭代學習控制系統(tǒng)整體的效果，但是如何從根本上消除被控對象的非嚴格重復性對迭代學習控制系統(tǒng)的影響具有十分重要的理論意義與應用價值，是對現(xiàn)有學習控制體系的有益補充。
　　時延是導致系統(tǒng)不可重復的重要因素，因此時延系統(tǒng)本身即為一類典型的非嚴格重復系統(tǒng)

3、。本文首先針對固定時延系統(tǒng)和時變時延系統(tǒng)進行研究，然后針對具有一般意義的非嚴格重復系統(tǒng)進行分析。本文研究并設(shè)計了幾類具有代表性的迭代學習控制器線性迭代學習控制器、非線性參數(shù)型迭代學習控制器和魯棒自適應迭代學習控制器等，并將其應用于各類時延系統(tǒng)中。由于迭代學習控制作為一類典型的前饋控制，其魯棒性能有待提高，因此本文將前饋控制與反饋控制相結(jié)合，設(shè)計魯棒自適應迭代學習控制器，有效提高了非嚴格重復系統(tǒng)的控制效果。為提高迭代學習控制系統(tǒng)的自適應性

4、，設(shè)計了參考值型學習律，在參考值軌跡不精確已知但滿足一定規(guī)律的情況下仍可實現(xiàn)精確跟蹤。
　　本文的收斂性分析既包括收斂條件分析，又包括收斂速度分析。在收斂性分析中，雖然迭代學習控制的特點之一是不需要精確的數(shù)學模型，但是由于各類不確定性以及系統(tǒng)復雜性的增加，收斂性分析需要利用系統(tǒng)的某些結(jié)構(gòu)信息、關(guān)鍵參數(shù)估計和控制器增益辨識，因此本文通過引入迭代學習辨識的方法，對某些關(guān)鍵要素進行有效分析，從而有助于設(shè)計性能更佳的控制器，進一步提高系統(tǒng)

5、性能。特別是重點針對非嚴格重復系統(tǒng)（包括整數(shù)階系統(tǒng)與分數(shù)階系統(tǒng)）的預調(diào)進行研究，分析了動態(tài)系統(tǒng)在初始時刻之前的歷史是如何影響當前控制系統(tǒng)的性能。同時，提出了預調(diào)與初始化的概念，從而在保證系統(tǒng)性能的前提下，通過無損預調(diào)提高迭代學習控制效果。
　　綜上所述，本文針對非嚴格重復系統(tǒng)的迭代學習控制領(lǐng)域亟待解決的若干關(guān)鍵問題進行了理論、仿真與實驗研究。針對典型的非嚴格重復系統(tǒng)-時延系統(tǒng)以及具有一般意義的整數(shù)階與分數(shù)階非嚴格重復系統(tǒng)進行研究，