本文關鍵詞：具有反饋信息的PD~α-型迭代學習控制律在Lebesgue-p范數(shù)意義下的收斂性分析　出處：《西北工業(yè)大學學報》2017年02期 　論文類型：期刊論文

  更多相關文章： 迭代學習控制 分數(shù)階 Lebesgue-p范數(shù) 收斂性

【摘要】：針對一類分數(shù)階線性時不變系統(tǒng),提出了具有反饋信息的PD~α-型分數(shù)階迭代學習控制律,在Lebesgue-p范數(shù)意義下,利用卷積的推廣Young不等式,對控制律單調(diào)收斂性進行分析,推導出單調(diào)收斂的充分條件。分析表明,具有反饋信息的PD~α-型迭代學習控制律的收斂性不僅取決于控制律的學習增益,而且依賴于系統(tǒng)自身的屬性;同時,若選用適當?shù)姆答佋鲆?可加快迭代學習控制律的收斂速度。仿真實驗驗證了理論的正確性和控制律的有效性。
[Abstract]:For a class of fractional order linear time invariant system, proposes a learning control law of feedback PD~ alpha type fractional iteration, in the sense of Lebesgue-p norm, using the generalized Young inequality of convolution, the control law of monotone convergence analysis, deduced the sufficient conditions for monotone convergence. The results show that, with the feedback information the alpha PD~ type iterative learning control law convergence depends not only on the control law of learning gain, but also depends on their own property system; at the same time, if the selection of appropriate feedback gain, can accelerate the convergence speed of the iterative learning control law. Simulation results verify the correctness and validity of the control law theory.

【作者單位】： 西北工業(yè)大學理學院;徐州工程學院數(shù)理學院;
【基金】：國家自然科學基金青年項目(61201323)資助
【分類號】：TP13;TP18
【正文快照】： 迭代學習控制[1](iterative learning control,簡稱ILC)是人工智能與自動控制相結合的學習控制技術,它是一種無模型控制,不需要具體的模型參數(shù),只需利用自身重復性的特性,進行足夠多次的學習,便可使被控對象完全跟蹤理想輸出。正是由于這一特性,迭代學習控制自提出以來就受到，

本文編號：1380271