一类不确定非线性系统的重复学习控制
2018-11-01李鹤孙明轩张静
自动化学报 2018年10期
李鹤 孙明轩 张静
学习控制能够处理有限时间区间上重复作业的控制系统.这种控制算法通过每次实际运行结果修正控制输入,随着迭代次数的增加不断提高控制性能,因此在实际系统中得到了广泛应用,如工业机器人、数控机床、硬盘驱动装置、化工间歇过程等[1−2].
近年来,基于Lyapunov方法的迭代学习控制引起人们的关注[3−5].设计学习控制器时需要处理系统存在的不确定性,通常包括参数不确定性与非参数不确定性.目前,有许多关于工业机器人系统迭代学习控制的研究成果[6−9];文献[10]针对一类非线性系统,采用自适应算法学习固定常值参数;文献[11]针对工业机械臂,通过一类自适应迭代学习控制算法估计不随迭代轴变化的时变参数;文献[12]将高阶内模与学习控制算法相结合,处理随迭代轴变化的时变参数;文献[13]针对非线性参数不确定系统,基于自适应重复学习控制算法学习周期参数;文献[14]通过鲁棒自适应及Backstepping方法分别处理参数与非参数不确定性;文献[15]采用神经网络及傅里叶级数逼近方法,估计周期已知的时变参数;文献[16]通过自适应迭代学习控制算法,处理一类高阶非线性系统的参数不确定性与初值问题;文献[17]针对具有未知控制方向的纯反馈非线性系统,通过自适应迭代学习控制策略,处理系统存在的参数不确定性;文献[18]通过周期自适应学习控制方法,解决了输入饱和非线性系统中含时滞的参数不确定性.此外……
登录APP查看全文
