抗不可重复性干扰的迭代学习控制方法的研究

论文摘要

迭代学习控制（Iterative Learning Control,简称ILC）是近二十年发展起来的一种新的智能控制方法。在实际工业过程控制中,很多复杂工业过程都具有某种可重复的特性。迭代学习控制就是根据工业对象的这种特性,利用系统先前的控制经验和输出误差来修正当前的控制信息,使系统输出尽可能收敛于期望值。但是实际系统中经常存在不可重复的扰动,传统的迭代学习控制算法不能很好地对其加以抑制。本文研究了迭代学习控制中的非重复性扰动,首先深入研究了迭代学习控制多回路方法,通过对比Arimoto型多回路算法,推导出PID型迭代学习控制多回路算法,绘制出PID型多回路算法的方框图,并且证明了收敛特性,扩充了迭代学习控制迭代域的研究手段;其次,分析了内模控制原理,通过将内模控制原理引入迭代学习控制的迭代域研究框架之中,给出了基于内模控制原理的迭代学习控制框架,及高次的迭代学习控制算法;最后,研究了迭代学习控制的非重复特性,利用加权思想将传统的PID型迭代学习控制算法与内模原理相结合,得到PID-IMP型迭代学习控制算法,抑制非重复性扰动,并且优化算法参数,使算法加速收敛,同时研究了本算法对于不稳定系统的有效性,并且利用Matlab软件对PID-IMP型迭代学习控制算法进行了仿真研究,结果表明所提出来的PID-IMP型迭代学习控制算法是可行、有效的。通过建立PID-IMP型迭代学习控制算法,拓宽了迭代学习控制的应用领域,可以使迭代学习控制能更好地应用于实际生产之中。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 迭代学习控制概述
• 1.1.1 可重复性
• 1.1.2 期望轨迹
• 1.1.3 初值的选取
• 1.1.4 学习律
• 1.1.5 干扰环境
• 1.2 迭代学习控制的研究现状
• 1.2.1 迭代学习控制算法
• 1.2.2 迭代学习控制系统的鲁棒性研究
• 1.2.3 迭代学习控制系统的非重复性问题
• 1.3 迭代学习控制存在的问题
• 1.3.1 迭代学习控制的初始值问题
• 1.3.2 迭代学习控制的收敛问题
• 1.3.3 迭代学习控制的鲁棒性问题
• 1.3.4 迭代学习控制的非重复性扰动问题
• 1.4 本文的主要研究工作
• 第二章 多回路方法设计迭代学习控制器
• 2.1 超矢量表示法
• 2.2 多回路方法描述
• 2.2.1 Arimoto型迭代学习控制的多回路方法
• 2.2.2 计算Markov参数
• 2.2.3 PID型迭代学习控制的多回路方法
• 2.2.4 收敛性分析
• 2.3 仿真实验
• 2.4 本章小结
• 第三章 基于内模控制的迭代学习控制器设计
• 3.1 引言
• 3.2 内模控制结构及其等价形式
• 3.3 迭代域内模控制器的设计
• 3.4 收敛性分析
• 3.5 仿真实验
• 3.6 本章小结
• 第四章 PID-IMP型迭代学习控制器
• 4.1 引言
• 4.2 PID-IMP型迭代学习控制器设计
• 4.2.1 利用内模原理抑制非重复性扰动
• 4.2.2 设计思路
• 4.2.3 PID-IMP型迭代学习控制器参数优化
• 4.3 仿真实验
• 4.3.1 利用内模原理抑制非重复性扰动
• 4.3.2 PID-IMP型迭代学习控制器
• 4.3.3 PID-IMP型迭代学习控制器的参数优化
• 4.3.4 不稳定系统的研究
• 4.4 本章小结
• 第五章 结论
• 参考文献
• 在学研究成果
• 致谢