不确定非线性系统的自适应迭代学习控制研究

不确定非线性系统的自适应迭代学习控制研究

论文摘要

不确定非线性系统普遍存在于实际工程领域,充分利用系统的非线性结构特征,有利于简化控制器设计,提高控制性能。本文讨论了两类典型参数不确定非线性系统,设计了相应的自适应迭代学习控制方案,进行了相关理论分析、算例仿真和应用研究。针对一类带未知干扰和时变参数的非线性系统,提出了一种鲁棒自适应迭代学习控制算法。在迭代域内对未知参数进行估计,利用鲁棒控制抑制干扰,引入反馈环节进一步提高控制性能;针对一类带未知常参数和时变参数的非线性系统,提出了一种组合自适应迭代学习控制算法。通过对系统非线性结构特征的分析,该算法在时域内对未知常参数进行估计,在迭代域内对未知时变参数进行估计,充分利用了时域和迭代域信息。采用Backstepping技术将上述两种算法推广到二阶不确定非线性系统中,基于Lyapunov稳定性理论分析了这两种算法在相同初始条件和对准条件下的收敛性。仿真验证了所提控制算法的有效性。将上述算法分别应用于带未知不可重复干扰和带未知可重复时变干扰的两种参数不确定机械臂系统。推导了二自由度机械臂系统动力学模型,根据系统特性对算法进行了改进,给出了系统所有内部信号有界性和跟踪误差收敛性的证明。与传统自适应迭代学习控制的实例仿真相对比,结果表明所提方案具有更好的控制性能,在给定区间上实现了对期望轨迹的精确跟踪。

论文目录

  • 摘要
  • ABSTRACT
  • 目录
  • 1 绪论
  • 1.1 不确定非线性系统概述
  • 1.1.1 不确定非线性系统的研究意义和研究进展
  • 1.1.2 参数不确定和干扰不确定非线性系统的研究现状
  • 1.2 自适应迭代学习控制概述
  • 1.2.1 迭代学习控制的发展概况和研究现状
  • 1.2.2 自适应迭代学习控制的研究现状
  • 1.3 论文工作及内容安排
  • 2 Lyapunov稳定性理论及Backstepping技术
  • 2.1 Lyapunov稳定性理论
  • 2.2 Backstepping技术
  • 3 一类不确定非线性系统的鲁棒自适应迭代学习控制
  • 3.1 引言
  • 3.2 带未知干扰和时变参数的一阶非线性系统鲁棒自适应迭代学习控制
  • 3.2.1 问题描述及基本假设
  • 3.2.2 鲁棒自适应迭代学习控制器设计
  • 3.2.3 学习收敛性分析
  • 3.2.4 对准条件的分析
  • 3.3 带未知干扰和时变参数的二阶非线性系统鲁棒自适应迭代学习控制
  • 3.3.1 问题描述及基本假设
  • 3.3.2 鲁棒自适应迭代学习控制器设计
  • 3.3.3 学习收敛性分析
  • 3.3.4 对准条件的分析
  • 3.4 仿真算例
  • 3.5 本章小结
  • 4 一类不确定非线性系统的组合自适应迭代学习控制
  • 4.1 引言
  • 4.2 一阶参数不确定非线性系统的组合自适应迭代学习控制
  • 4.2.1 问题描述及基本假设
  • 4.2.2 组合自适应迭代学习控制器设计
  • 4.2.3 学习收敛性分析
  • 4.2.4 对准条件的分析
  • 4.3 二阶参数不确定非线性系统的组合自适应迭代学习控制
  • 4.3.1 问题描述及假设
  • 4.3.2 组合自适应迭代学习控制器设计
  • 4.3.3 学习收敛性分析
  • 4.3.4 对准条件的分析
  • 4.4 仿真算例
  • 4.5 本章小结
  • 5 自适应迭代学习控制在不确定机械臂系统中的应用
  • 5.1 引言
  • 5.2 带干扰的二自由度机械臂动力学模型
  • 5.3 带未知不可重复干扰的参数不确定机械臂鲁棒自适应迭代学习控制
  • 5.3.1 问题描述及假设
  • 5.3.2 带反馈的鲁棒自适应迭代学习控制器设计
  • 5.4 带未知可重复时变干扰的参数不确定机械臂组合自适应迭代学习控制
  • 5.4.1 问题描述及假设
  • 5.4.2 组合自适应迭代学习控制器设计
  • 5.5 实例仿真
  • 5.6 本章小结
  • 6 结论与展望
  • 6.1 论文总结
  • 6.2 工作展望
  • 致谢
  • 参考文献
  • 作者在攻读硕士学位期间发表的论文
  • 相关论文文献

    • [1].基于自适应迭代学习控制的列车自动驾驶算法[J]. 交通运输系统工程与信息 2020(02)
    • [2].基于二维模型预测控制的迭代学习控制性能评估方法[J]. 山东科技大学学报(自然科学版) 2020(03)
    • [3].数控机床位置伺服系统的无模型自适应迭代学习控制[J]. 机床与液压 2020(13)
    • [4].四阶偏微分多智能体系统的迭代学习控制[J]. 数学物理学报 2020(04)
    • [5].迭代学习控制原理浅述[J]. 智慧工厂 2017(12)
    • [6].基于迭代学习控制的桥式起重机定位及防摆[J]. 实验室研究与探索 2017(02)
    • [7].离散时间系统自适应迭代学习控制的研究进展[J]. 青岛科技大学学报(自然科学版) 2015(06)
    • [8].迭代学习控制理论[J]. 西安工业大学学报 2013(11)
    • [9].基于反向迭代学习控制的工业机器人应用研究[J]. 计算机仿真 2020(03)
    • [10].具有控制时滞和测量数据丢失的直线电机迭代学习控制[J]. 控制与决策 2017(08)
    • [11].迭代学习控制理论[J]. 西安工业大学学报 2014(02)
    • [12].迭代学习控制理论[J]. 西安工业大学学报 2012(09)
    • [13].迭代学习控制理论[J]. 西安工业大学学报 2011(05)
    • [14].二阶系统非一致目标跟踪混合自适应迭代学习控制[J]. 工程数学学报 2008(01)
    • [15].非一致目标跟踪的混合自适应迭代学习控制[J]. 控制理论与应用 2008(01)
    • [16].非圆车削系统的无模型自适应迭代学习控制[J]. 控制工程 2018(10)
    • [17].间歇过程最优迭代学习控制的发展:从基于模型到数据驱动[J]. 自动化学报 2017(06)
    • [18].非一致目标跟踪的自适应迭代学习控制[J]. 中国计量学院学报 2012(01)
    • [19].区间不确定系统迭代学习控制的单调收敛性[J]. 中国机械工程 2012(09)
    • [20].具有快变时滞的1阶非线性参数化系统自适应迭代学习控制[J]. 信息与控制 2012(06)
    • [21].未知时变时滞非线性参数化系统自适应迭代学习控制[J]. 控制理论与应用 2011(06)
    • [22].非线性参数化时变时滞系统自适应迭代学习控制[J]. 数学物理学报 2011(03)
    • [23].基于2-D系统理论的D型开闭环迭代学习控制[J]. 电光与控制 2010(01)
    • [24].迭代学习控制的频域分析与设计方法[J]. 华中科技大学学报(自然科学版) 2010(03)
    • [25].基于柔性迭代学习控制和反馈补偿的空调系统节能策略[J]. 河北工业大学学报 2009(03)
    • [26].非线性参数化系统自适应迭代学习控制[J]. 控制工程 2009(05)
    • [27].基于扩张状态观测器的鲁棒迭代学习控制[J]. 控制理论与应用 2018(11)
    • [28].知识继承型迭代学习控制的研究与应用[J]. 浙江大学学报(工学版) 2019(07)
    • [29].离散线性系统的单调迭代学习控制[J]. 广州大学学报(自然科学版) 2017(05)
    • [30].非线性离散时间系统的最优终端迭代学习控制(英文)[J]. 控制理论与应用 2012(08)

    标签:;  ;  ;  ;  ;  ;  

    不确定非线性系统的自适应迭代学习控制研究
    下载Doc文档

    猜你喜欢