本文選題：迭代學(xué)習(xí)控制 + 性能指標(biāo)優(yōu)化　； 參考：《江南大學(xué)》2017年碩士論文

【摘要】：隨著現(xiàn)代工業(yè)控制發(fā)展,工業(yè)現(xiàn)場控制越來越趨于智能化,集成化及系統(tǒng)化,迭代學(xué)習(xí)控制(Iterative Learning Control:ILC)作為智能控制領(lǐng)域中一個主要分支,目的是在有限時間范圍內(nèi),對重復(fù)控制任務(wù)進行不斷試驗的同時修正控制量,從而實現(xiàn)對目標(biāo)任務(wù)的高精度跟蹤。而實際的跟蹤控制過程中,系統(tǒng)往往由于外界因素或自身執(zhí)行機構(gòu)約束等影響,導(dǎo)致跟蹤控制性能較差,若能對ILC算法進行相關(guān)優(yōu)化改進,對于提高工業(yè)生產(chǎn)效率及生產(chǎn)效益具有重要的價值及意義。因此本文為有效改善系統(tǒng)跟蹤控制性能,通過ILC學(xué)習(xí)律建立性能指標(biāo),根據(jù)優(yōu)化理論對性能指標(biāo)進行優(yōu)化和相關(guān)參數(shù)分析,最終達到提高系統(tǒng)輸出誤差收斂速度和改善實際的跟蹤精度目的。本文的主要研究工作如下:(1)針對線性系統(tǒng)輸出軌跡跟蹤問題,設(shè)計帶有遺忘因子的高階PID增益優(yōu)化型ILC控制器。首先根據(jù)一階ILC控制律的增益系數(shù)構(gòu)建多目標(biāo)性能函數(shù),利用優(yōu)化技術(shù)對相關(guān)增益系數(shù)進行微分并給出最優(yōu)增益。然后利用重復(fù)試驗過程中產(chǎn)生的誤差項信息,設(shè)計帶有遺忘因子的高階PID學(xué)習(xí)律,并利用高階控制器的增益參數(shù)構(gòu)建多目標(biāo)參數(shù)優(yōu)化性能指標(biāo),求出高階控制器最優(yōu)學(xué)習(xí)增益系數(shù)。通過電機驅(qū)動單機械臂控制系統(tǒng)實例仿真,達到了較好的控制效果。(2)針對離散線性控制系統(tǒng)輸出受非重復(fù)擾動作用的跟蹤控制問題,提出一種基于參考軌跡更新的迭代學(xué)習(xí)控制算法。首先通過構(gòu)建性能指標(biāo)函數(shù)對控制器進行范數(shù)優(yōu)化,使得系統(tǒng)輸出在參考軌跡更新的期望點處實現(xiàn)快速高精度跟蹤。其次,當(dāng)系統(tǒng)輸出端受到某批次非重復(fù)擾動的影響時,進一步通過引入拉格朗日乘子算法構(gòu)造新的性能指標(biāo)函數(shù),建立多目標(biāo)性能指標(biāo)以優(yōu)化魯棒迭代學(xué)習(xí)控制器。最后將該算法應(yīng)用于電機驅(qū)動的單機械臂控制系統(tǒng)中,仿真結(jié)果驗證了算法的合理性和有效性。(3)針對一類存在隨機輸入狀態(tài)擾動、輸出擾動及系統(tǒng)初值與給定期望值不嚴(yán)格一致的離散非線性重復(fù)系統(tǒng),提出了一種P型開閉環(huán)魯棒迭代學(xué)習(xí)軌跡跟蹤控制算法。基于?范數(shù)理論證明了算法的嚴(yán)格魯棒穩(wěn)定性,并通過多目標(biāo)函數(shù)性能指標(biāo)優(yōu)化迭代學(xué)習(xí)控制律的增益矩陣參數(shù),保證了優(yōu)化算法下輸出能快速穩(wěn)定實現(xiàn)對設(shè)定軌跡的有效跟蹤。最后應(yīng)用于二維運動移動機器人的實例仿真,驗證了本文算法的可行性和有效性。(4)針對輸入受約束的非線性系統(tǒng)的跟蹤問題,提出基于罰函數(shù)和BFGS相結(jié)合的修正Newton型ILC優(yōu)化學(xué)習(xí)律。首先利用BFGS算法設(shè)計迭代學(xué)習(xí)控制器,同時通過增加輔助變量的方法將系統(tǒng)輸入不等式約束問題轉(zhuǎn)化為等式約束問題,然后將罰函數(shù)與等式約束構(gòu)建性能指標(biāo)函數(shù)以對性能參數(shù)進行因子優(yōu)化,使得輸出跟蹤控制算法具有單調(diào)收斂特性,達到提高誤差收斂速度和跟蹤精度的目的。最后應(yīng)用于間歇式反應(yīng)釜(CSTR)溫度控制系統(tǒng)仿真,驗證了本文算法的可行性和有效性。
[Abstract]:An iterative learning control algorithm with forgetting factor is designed based on the gain coefficient of the first order ILC control law . ( 4 ) A modified Newton - type ILC optimization study law based on penalty function and BFGS is proposed aiming at the tracking problem of input constrained nonlinear system . Firstly , a BFGS algorithm is used to design an iterative learning controller . At the same time , the problem of system input inequality constraint is transformed into an equality constraint problem by adding auxiliary variables . Then the penalty function and the equation constraint are used to optimize the performance parameters , so that the output tracking control algorithm has the aim of improving the error convergence speed and the tracking precision . Finally , the simulation of the temperature control system of the intermittent reaction kettle is applied to validate the feasibility and effectiveness of the algorithm .

【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP13

【參考文獻】

相關(guān)期刊論文 前10條

1 趙希梅;馬志軍;朱國昕;;基于Smith預(yù)估和性能加權(quán)函數(shù)的永磁直線同步電機魯棒迭代學(xué)習(xí)控制[J];電工技術(shù)學(xué)報;2016年19期

2 朱雪楓;王建輝;方曉柯;王曉峰;;非線性迭代學(xué)習(xí)算法在機器人上肢康復(fù)中的應(yīng)用[J];控制與決策;2016年07期

3 曹偉;戴學(xué)豐;劉艷菊;;移動機器人的可變遺忘因子離散迭代學(xué)習(xí)控制[J];北京工業(yè)大學(xué)學(xué)報;2015年10期

4 嚴(yán)求真;孫明軒;;非線性不確定系統(tǒng)準(zhǔn)最優(yōu)學(xué)習(xí)控制[J];自動化學(xué)報;2015年09期

5 David H.Owens;Chris T.Freeman;Bing Chu;;Generalized Norm Optimal Iterative Learning Control with Intermediate Point and Sub-interval Tracking[J];International Journal of Automation and Computing;2015年03期

6 逄勃;邵誠;;高階參數(shù)優(yōu)化迭代學(xué)習(xí)控制算法[J];控制理論與應(yīng)用;2015年04期

7 安通鑒;劉祥官;;目標(biāo)軌跡更新的點到點魯棒迭代學(xué)習(xí)控制[J];浙江大學(xué)學(xué)報(工學(xué)版);2015年01期

8 逄勃;邵誠;;基于奇異值分解的PID型參數(shù)優(yōu)化迭代學(xué)習(xí)控制算法[J];信息與控制;2014年04期

9 李致富;胡躍明;郭琪偉;馬鴿;;不確定離散線性系統(tǒng)的魯棒單調(diào)反饋 前饋迭代學(xué)習(xí)控制[J];控制理論與應(yīng)用;2014年04期

10 李朋志;閆豐;葛川;李佩s，

本文編號：1772353