【摘要】：本論文主要研究了離散時(shí)間系統(tǒng)的幾種新型數(shù)據(jù)驅(qū)動(dòng)終端迭代學(xué)習(xí)控制(TILC)方法及其不確定性問題,論文的主要工作和創(chuàng)新點(diǎn)如下:第一,針對一類輸入為常數(shù)的單輸入單輸出(SISO)非線性離散時(shí)間系統(tǒng),提出了數(shù)據(jù)驅(qū)動(dòng)最優(yōu)終端迭代學(xué)習(xí)控制的高階算法(H-DDOTILC),可利用系統(tǒng)先前多次重復(fù)運(yùn)行過程的I/O數(shù)據(jù)構(gòu)造新的控制輸入,提高了系統(tǒng)沿迭代軸的收斂性能和瞬態(tài)響應(yīng)。同時(shí),將該方法推廣到了控制輸入隨時(shí)間變化的多輸入多輸出(MIMO)非線性離散時(shí)間系統(tǒng)。理論分析和仿真研究均說明了方法有效性。第二,為了解決終端迭代學(xué)習(xí)控制方法在實(shí)際應(yīng)用中,被控系統(tǒng)可能出現(xiàn)的初始條件隨迭代次數(shù)隨機(jī)變化和期望參考點(diǎn)在迭代過程中變化的問題,本論文提出了基于RBF神經(jīng)網(wǎng)絡(luò)初始狀態(tài)學(xué)習(xí)的終端迭代學(xué)習(xí)控制方法,在系統(tǒng)初始條件隨機(jī)變化和期望參考點(diǎn)迭代變化的情況下,可以保證終端跟蹤誤差沿迭代軸收斂到任意指定的區(qū)域。值得說明的是,盡管所提出方法的設(shè)計(jì)和分析過程是針對線性系統(tǒng)的,但控制器中不顯含任何關(guān)于被控系統(tǒng)模型的信息,而是僅依賴系統(tǒng)的輸入輸出數(shù)據(jù),因此所提出的方法是數(shù)據(jù)驅(qū)動(dòng)的,可以直接應(yīng)用于一般非線性系統(tǒng),且不需要建模過程。第三,當(dāng)系統(tǒng)的初始狀態(tài)不可測時(shí),進(jìn)一步提出了初始條件迭代動(dòng)態(tài)補(bǔ)償?shù)臄?shù)據(jù)驅(qū)動(dòng)的最優(yōu)終端迭代學(xué)習(xí)控制方法,當(dāng)存在初始狀態(tài)擾動(dòng)和系統(tǒng)外部干擾時(shí),可以提高系統(tǒng)的魯棒性和自適應(yīng)性。該方法放寬了傳統(tǒng)ILC需要相同初始條件假設(shè)的限制,使控制器設(shè)計(jì)更具有一般性;魯棒性分析和仿真研究均證明了控制系統(tǒng)抗干擾的能力。
[Abstract]:In this paper, several new data driven terminal iterative learning control (TILC) methods for discrete time systems and their uncertainties are studied. The main work and innovations of this paper are as follows: first, For a class of single-input single-output (SISO) nonlinear discrete-time systems with constant input, a high-order algorithm for data-driven optimal terminal iterative learning control (H-DDOTILC) is proposed. A new control input can be constructed by using the I / O data of the previous repeated operation process of the system, which improves the convergence performance and transient response of the system along the iterative axis. At the same time, the method is extended to the multi-input multi-output (MIMO) nonlinear discrete-time systems which control the change of input with time. Theoretical analysis and simulation results show the effectiveness of the method. Secondly, in order to solve the problem that the initial conditions of the controlled system change randomly with the iteration times and the expected reference points change in the iterative process in the practical application of the terminal iterative learning control method, In this paper, a terminal iterative learning control method based on initial state learning of RBF neural network is proposed. The terminal tracking error can be guaranteed to converge to any specified region along the iterative axis. It is worth noting that although the design and analysis process of the proposed method is directed at linear systems, the controller does not contain any information about the model of the controlled system, but relies only on the input and output data of the system. Therefore, the proposed method is data-driven and can be directly applied to general nonlinear systems without the need of modeling process. Thirdly, when the initial state of the system is undetectable, a data-driven optimal terminal iterative learning control method with initial condition iterative dynamic compensation is proposed. When there are initial state disturbances and external disturbances of the system, It can improve the robustness and adaptability of the system. This method relaxes the limitation that the traditional ILC needs the same initial condition assumption, and makes the controller design more general, and the robustness analysis and simulation research prove the anti-jamming ability of the control system.
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石成英 ,林輝;迭代學(xué)習(xí)控制的研究與應(yīng)用進(jìn)展[J];測控技術(shù);2004年02期

2 李仁俊,韓正之;迭代學(xué)習(xí)控制綜述[J];控制與決策;2005年09期

3 張興國;林輝;;迭代學(xué)習(xí)控制理論進(jìn)展與展望[J];測控技術(shù);2006年11期

4 陳若珠;宋軍偉;李戰(zhàn)明;;迭代學(xué)習(xí)控制在大慣性系統(tǒng)中的應(yīng)用[J];微計(jì)算機(jī)信息;2007年19期

5 孔祥波;郝曉弘;;迭代學(xué)習(xí)控制的研究與應(yīng)用[J];甘肅科技;2008年07期

6 馬航;楊俊友;袁琳;;迭代學(xué)習(xí)控制研究現(xiàn)狀與趨勢[J];控制工程;2009年03期

7 郝曉弘;胡振邦;朱潔;秦睿;;迭代學(xué)習(xí)控制的研究現(xiàn)狀[J];微型機(jī)與應(yīng)用;2010年11期

8 趙麗莉;孫明軒;金奎;;一類非線性不確定系統(tǒng)的迭代學(xué)習(xí)控制[J];浙江工業(yè)大學(xué)學(xué)報(bào);2011年02期

9 苗靜;;迭代學(xué)習(xí)控制理論[J];西安工業(yè)大學(xué)學(xué)報(bào);2011年05期

10 阮小娥;樸光賢;卞增男;;迭代學(xué)習(xí)控制技術(shù)回顧與長期學(xué)習(xí)控制展望(英文)[J];控制理論與應(yīng)用;2012年08期

相關(guān)會(huì)議論文 前10條

1 畢勝;王福根;鄢達(dá)來;吳懷宇;章剛?cè)A;熊沈蜀;周兆英;;功能性電刺激P型迭代學(xué)習(xí)控制方法的研究[A];中國康復(fù)醫(yī)學(xué)會(huì)第四屆會(huì)員代表大會(huì)暨第三屆中國康復(fù)醫(yī)學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2001年

2 高巍;孫明軒;俞立;;有界輸入下的迭代學(xué)習(xí)控制[A];第二十四屆中國控制會(huì)議論文集（上冊）[C];2005年

3 孫小強(qiáng);王銀河;;一類組合大系統(tǒng)簡單迭代學(xué)習(xí)控制的收斂性[A];2005全國自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（三）[C];2005年

4 劉山;林堅(jiān);;基于二自由度控制的魯棒迭代學(xué)習(xí)控制設(shè)計(jì)[A];第二十六屆中國控制會(huì)議論文集[C];2007年

5 沈棟;陳翰馥;;Hammerstein-Wiener系統(tǒng)的迭代學(xué)習(xí)控制[A];第二十九屆中國控制會(huì)議論文集[C];2010年

6 蘭永紅;;基于二維模型的魯棒D型迭代學(xué)習(xí)控制[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

7 孫明軒;王惠峰;畢宏博;;反饋輔助迭代學(xué)習(xí)控制[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

8 孫明軒;萬伯任;;迭代學(xué)習(xí)控制系統(tǒng)的初始條件問題[A];1995年中國智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊）[C];1995年

9 師佳;江青茵;曹志凱;周華;;一種基于2維魯棒預(yù)測控制的迭代學(xué)習(xí)控制方案[A];第二十九屆中國控制會(huì)議論文集[C];2010年

10 池榮虎;侯忠生;;基于學(xué)習(xí)自適應(yīng)估計(jì)環(huán)的迭代學(xué)習(xí)控制[A];第三屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 張春麗;幾類非線性系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制研究[D];西安電子科技大學(xué);2014年

2 謝振東;非線性迭代學(xué)習(xí)控制理論及其在機(jī)器人控制中的應(yīng)用[D];華南理工大學(xué);2000年

3 姜曉明;迭代學(xué)習(xí)控制方法及其在掃描光刻系統(tǒng)中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2014年

4 王軼;基于迭代學(xué)習(xí)控制的幾類列車自動(dòng)控制問題研究[D];北京交通大學(xué);2010年

5 楊勝躍;迭代學(xué)習(xí)控制算法設(shè)計(jì)與優(yōu)化研究[D];中南大學(xué);2004年

6 曹偉;迭代學(xué)習(xí)控制及其在故障診斷中的應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

7 徐敏;基于迭代學(xué)習(xí)控制理論的勵(lì)磁控制研究[D];西北工業(yè)大學(xué);2005年

8 柳春平;迭代學(xué)習(xí)控制理論及其在網(wǎng)絡(luò)控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);2013年

9 池榮虎;非線性離散時(shí)間系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制及應(yīng)用[D];北京交通大學(xué);2006年

10 孫麗麗;互聯(lián)系統(tǒng)的分散式自適應(yīng)迭代學(xué)習(xí)控制及應(yīng)用研究[D];浙江大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 蔡麗;抗非重復(fù)性干擾的迭代學(xué)習(xí)控制研究[D];鄭州大學(xué);2011年

2 李彩麗;基于迭代域的迭代學(xué)習(xí)控制方法的研究[D];大連海事大學(xué);2015年

3 魏少龍;二維LQG基準(zhǔn)下迭代學(xué)習(xí)控制的性能評(píng)估[D];北京化工大學(xué);2015年

4 趙麗娜;基于迭代學(xué)習(xí)控制的有限狀態(tài)機(jī)在動(dòng)力型假肢中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

5 余劍平;非線性系統(tǒng)的自適應(yīng)迭代學(xué)習(xí)控制[D];云南師范大學(xué);2015年

6 張暢;具有重復(fù)特性系統(tǒng)的控制方法研究[D];東北石油大學(xué);2015年

7 李廣印;基于未知控制方向的非線性系統(tǒng)的自適應(yīng)學(xué)習(xí)控制[D];云南師范大學(xué);2015年

8 錢亞中;自適應(yīng)魯棒重復(fù)/迭代學(xué)習(xí)控制及其在電機(jī)上的應(yīng)用[D];浙江工業(yè)大學(xué);2015年

9 陳樂劍;約束自適應(yīng)模糊迭代學(xué)習(xí)控制[D];浙江工業(yè)大學(xué);2015年

10 顧偉國;幾類非線性系統(tǒng)的迭代學(xué)習(xí)控制[D];蘇州科技學(xué)院;2015年

，

本文編號(hào)：2295616