離散系統(tǒng)迭代學(xué)習(xí)控制.pdf

1、對于像生產(chǎn)線工業(yè)機(jī)器人、光盤驅(qū)動系統(tǒng)等有限時(shí)間內(nèi)重復(fù)運(yùn)行且模型不完全已知的系統(tǒng)，迭代學(xué)習(xí)控制理論是一種較為理想的控制方法。通過控制嘗試，不斷修正控制輸入，迭代學(xué)習(xí)控制可以實(shí)現(xiàn)有限時(shí)間內(nèi)對期望軌跡的完全跟蹤。自從八十年代日本學(xué)者提出該理論以來，作為智能控制理論的一個(gè)重要分支，近年來該理論取得了很大的發(fā)展，有許多成功的應(yīng)用。由于控制算法一般多采用計(jì)算機(jī)來實(shí)現(xiàn)，連續(xù)系統(tǒng)的迭代學(xué)習(xí)控制也要通過數(shù)據(jù)采樣和離散化處理，而離散和采樣迭代學(xué)習(xí)控制理論現(xiàn)

2、有成果遠(yuǎn)遠(yuǎn)不及連續(xù)系統(tǒng)，尤其是在非線性系統(tǒng)方面。研究離散和采樣迭代學(xué)習(xí)控制算法有理論和實(shí)際意義。 本文著重研究一般非線性離散系統(tǒng)最優(yōu)迭代學(xué)習(xí)算法收斂性、線性離散系統(tǒng)的單調(diào)收斂性和魯棒性、帶輸出延遲非線性采樣系統(tǒng)迭代學(xué)習(xí)算法的收斂性。主要結(jié)果有三個(gè)方面： ①研究了一般非線性離散系統(tǒng)的最優(yōu)學(xué)習(xí)控制。運(yùn)用最優(yōu)性原理和壓縮映射原理，在基于最優(yōu)函數(shù)指標(biāo)Jk+1(uk+1)=||e++1||2Q+||uk+1-uk||2R的基礎(chǔ)上，

3、給出了迭代學(xué)習(xí)控制因果算法uk+1=ψ(ek，uk)的存在性條件，該存在性條件與最優(yōu)函數(shù)指標(biāo)的控制權(quán)值R的大小密切相關(guān)。在該存在性條件基礎(chǔ)上，證明了迭代學(xué)習(xí)控制輸出的一致收斂性。 推導(dǎo)了非線性離散系統(tǒng)最優(yōu)學(xué)習(xí)控制算法在線性離散系統(tǒng)中的具體迭代形式，指出該算法是線性離散系統(tǒng)最優(yōu)學(xué)習(xí)控制算法(見[2])在非線性離散系統(tǒng)中的進(jìn)一步推廣。 針對該算法的實(shí)際應(yīng)用，提出了一種近似最優(yōu)的迭代算法，證明了該算法的學(xué)習(xí)控制收斂于最優(yōu)迭代學(xué)

4、習(xí)控制。 ②用梯度下降法對離散線性系統(tǒng)迭代學(xué)習(xí)控制的單調(diào)收斂性和不確定系統(tǒng)的魯棒性進(jìn)行了研究，給出了基于梯度下降法的迭代學(xué)習(xí)算法。在該算法基礎(chǔ)上，給出了算法的魯棒性和增強(qiáng)魯棒性的方法。 在歐氏范數(shù)的含義下，用梯度下降法改進(jìn)了算法的收斂速度，實(shí)現(xiàn)了每一離散迭代時(shí)間輸出的單調(diào)收斂性，給出了向量參數(shù)的選擇方法。仿真證明了該方法的有效性。 ③針對一類有確定相對階、存在輸出延遲的非線性采樣系統(tǒng)，給出了不帶高階導(dǎo)數(shù)項(xiàng)的迭代學(xué)