朱雪枫 ,王建辉

(1.沈阳工程学院信息学院,辽宁沈阳 110136;2.东北大学信息学院,辽宁沈阳 110819)

1 引言

迭代学习控制(iterative learning control,ILC)是一种先进的控制方法,适用于有限时间重复运行的控制过程,通过重复学习,不断修正当前的输入信号,实现控制系统对期望轨迹的完全跟踪[1-3].在过去的几十年里,ILC已经成为许多学者关注的焦点[4-6].

一般来说,经典的迭代学习控制律可分为D型[7]、P型[8-9]、PD型、PID型[10]、高 阶PD型[11-12]、以 及基于反馈的PD型、PID型[13]和组合型[14]等.迭代学习控制以其结构简单、学习能力强等优点,在机器人控制[15-16]和工业重复运动控制[17-18]中得到了广泛的应用.

目前,在迭代学习控制的研究中仍然存在着一些挑战,第1个挑战是系统约束问题.文献[19]提出了一种新的参数迭代学习控制算法,该算法对距离和角度跟踪误差有非对称约束要求.文献[20]引入了一种独特的不对称Barrier Lyapunov(BLF)函数,在满足非对称输出约束的条件下,同时解决具有和不具有非对称输出约束的高阶非线性系统的有限时间镇定问题.BLF是一个类似Lyapunov的函数,当参数接近某个极限时,它会增长到无穷大.在闭环系统中,通过分析BLF的有界性,来保证参数的约束,这为作者的工作提供了一定的启发.

ILC研究面临的第2个挑战是如何处理系统的非参数不确定性.通常系统的不确定性满足参数化的假设,即假设系统不确定性是由常量或周期性的未知项组成.当上述假设不成立时,传统的ILC将无法满足系统的控制要求.文献[21]针对具有参数和非参……