基于高阶内模的迭代学习控制及应用

论文摘要

本论文以非线性系统为研究对象,着重研究了针对一些非严格重复问题的迭代学习控制设计方法,特别考虑了由一类高阶内模生成的不确定参数的非严格重复性,同时也考虑了参考轨迹、未知时变输入增益、输入输出扰动和迭代初态的非严格重复性。论文的主要工作及其创新点总结如下。第一、针对一般连续时间非参数系统对非严格重复参考轨迹的跟踪问题,利用内模原理,提出了一种基于高阶内模的迭代学习控制器,理论上证明了当参考轨迹由一个高阶内模生成时系统跟踪误差的有界收敛性,并给出了相应的收敛条件。第二、针对一类结构已知的连续时间非线性参数系统,考虑了一种由高阶内模生成的单参数非严格重复性,利用内模原理,提出了基于高阶内模的自适应迭代学习控制算法,特别说明了平行格式的学习更新律比高阶学习更新律具有更广的适用范围。通过严格的数学分析,证明了当参考轨迹可以任意迭代变化时,所提出的算法能够保证跟踪误差沿迭代轴的渐进收敛。还考虑了由混合高阶内模生成的多参数非严格重复性,并相应地将算法扩展为混合的平行自适应迭代学习控制以处理更加复杂多样的非严格重复性。第三、针对一类含有非严格重复参数的连续时间非线性系统,及任意迭代变化的有界输入输出扰动和任意迭代变化的有界初始状态,提出了基于高阶内模的自适应迭代学习控制器的一种鲁棒设计方法,实现了跟踪误差沿迭代轴的有界收敛。第四、针对一类结构已知的离散时间非线性参数系统,考虑了一种由高阶内模生成的参数非严格重复性,利用内模原理,分别提出了离散时间的基于最小二乘算法和基于投影算法的平行自适应迭代学习控制器,并分别证明了算法的有效性。第五、将平行自适应迭代学习控制算法扩展到有限空间区间情形下,并分别应用于列车运行速度曲线跟踪控制和列车运行时间曲线跟踪控制,通过证明和仿真说明了所提出算法的有效性和在列车自动控制中的应用前景。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 1 绪论
• 1.1 迭代学习控制的总体回顾
• 1.1.1 什么是迭代学习控制
• 1.1.2 迭代学习控制的发展沿革和现状
• 1.1.3 迭代学习控制理论研究中的若干重要问题
• 1.1.4 迭代学习控制与其他自动控制方法的关系
• 1.2 研究动机:ILC研究中的非严格重复问题
• 1.2.1 参考轨迹的非严格重复性
• 1.2.2 系统不确定参数的非严格重复性
• 1.2.3 迭代初态的非严格重复性
• 1.2.4 迭代系统中的其他非严格重复因素
• 1.3 内模原理
• 1.4 论文主要工作和组织结构
• 1.4.1 论文主要工作
• 1.4.2 论文结构安排
• 2 连续时间非参数系统的高阶内模ILC
• 2.1 引言
• 2.2 系统描述和基本假设
• 2.3 非严格重复性:参考轨迹的高阶内模
• 2.4 基于高阶内模的迭代学习控制
• 2.4.1 控制算法设计
• 2.4.2 收敛性能分析
• 2.5 仿真研究
• 2.6 本章小结
• 3 连续时间参数系统的高阶内模自适应ILC:一般设计
• 3.1 引言
• 3.2 问题描述和基本假设
• 3.3 非严格重复性:连续时变不确定参数的高阶内模
• 3.4 问题初探:两种基于二阶内模的自适应ILC算法的比较
• 3.4.1 阶的自适应ILC
• 3.4.2 平行自适应ILC
• 3.4.3 数值仿真
• 3.5 连续单时变参数系统的平行自适应ILC
• 3.5.1 平行格式的高阶内模自适应ILC算法设计
• 3.5.2 迭代初态重置条件下的收敛性分析
• 3.5.3 迭代初末态alignment条件下的收敛性分析
• 3.6 连续多时变参数系统的混合平行自适应ILC
• 3.6.1 问题描述
• 3.6.2 非严格重复性:多时变不确定参数和未知时变输入增益的混合高阶内模
• 3.6.3 混合平行格式的高阶内模自适应ILC算法设计
• 3.6.4 收敛性分析
• 3.7 仿真研究
• 3.8 本章小结
• 4 连续时间参数系统的高阶内模自适应ILC:鲁棒设计
• 4.1 引言
• 4.2 问题描述和基本假设
• 4.3 非严格重复性:任意的有界输入输出扰动和任意的有界迭代初态
• 4.3.1 非严格重复的有界输入输出扰动
• 4.3.2 非严格重复的有界迭代初态
• 4.4 连续单时变参数系统的平行自适应ILC:鲁棒设计
• 4.4.1 平行自适应ILC算法的鲁棒设计
• 4.4.2 主要结论
• 4.5 仿真研究
• 4.6 本章小结
• 5 离散时间参数系统的高阶内模自适应ILC
• 5.1 引言
• 5.2 问题描述和基本假设
• 5.3 离散时间系统中的非严格重复性
• 5.3.1 任意的有界参考轨迹
• 5.3.2 任意的有界迭代初态
• 5.3.3 离散时变不确定参数的高阶内模
• 5.4 基于最小二乘法的平行自适应ILC
• 5.4.1 控制器设计
• 5.4.2 收敛性分析
• 5.5 基于投影算法的平行自适应ILC
• 5.5.1 控制器设计
• 5.5.2 收敛性分析
• 5.6 仿真研究
• 5.7 本章小结
• 6 空间自适应ILC在列车运行曲线跟踪控制中的应用
• 6.1 引言
• 6.2 列车运行的动力学模型
• 6.3 空间自适应ILC在列车运行速度曲线跟踪控制中的应用
• 6.3.1 问题描述
• 6.3.2 空间自适应ILC设计
• 6.3.3 收敛性分析
• 6.4 基于高阶内模的空间自适应ILC在列车运行时间曲线跟踪控制中的应用
• 6.4.1 问题描述
• 6.4.2 基于高阶内模的空间自适应ILC
• 6.4.3 主要结论
• 6.5 数值仿真研究
• 6.6 本章小结
• 7 结论与展望
• 7.1 结论
• 7.2 有待于进一步研究的问题
• 参考文献
• 作者简历
• 教育经历
• 论文及科研
• 学位论文数据集