迭代学习控制的初值问题研究

迭代学习控制是智能控制的一个重要分支,特别适用于具有重复运行性质的被控对象,可以在给定的有限时间区间内实现对期望轨迹的完全跟踪。因该方法简单有效而受到众多研究人员的关注。本文基于算子理论对迭代学习控制的初值问题进行研究。 (1)研究了固定初值问题,采用开环D型迭代学习算法,给出了谱半径形式的收敛条件,并利用算子理论详细证明了该算法的收敛性; (2)研究了初值在一定范围内变化的问题,采用开环D型迭代学习算法,给出了谱半径形式的收敛条件,并利用算子理论详细证明了该算法的收敛性; (3)研究了任意初值问题,采用控制输入与初值同时学习的算法,给出了谱半径形式的收敛条件,并利用算子理论详细证明了该算法的收敛性: (4)通过仿真分别验证了上述算法与收敛条件的有效性,仿真结果表明了谱半径形式的收敛条件较范数形式的收敛条件放宽了; (5)针对实际工程中普遍存在的时滞现象,在任意初始值情况下,研究了具有控制时滞的一类线性定常系统和一类非线性系统的收敛性问题,并针对具有控制时滞的间歇过程控制对象进行仿真研究,其结果表明迭代学习控制方法可以取得很好的控制效果。