本文關鍵詞：迭代學習控制在非嚴格重復時延系統(tǒng)中的應用研究　出處：《山東大學》2017年博士論文　論文類型：學位論文

  更多相關文章： 迭代學習控制 自適應控制 魯棒控制 非嚴格重復系統(tǒng) 初始化系統(tǒng) 收斂性分析 預調(diào)

【摘要】：本文針對迭代學習方法在非嚴格重復系統(tǒng)控制中的理論問題,開展迭代學習控制系統(tǒng)的魯棒性、自適應性與收斂性分析研究,并佐以仿真與實驗驗證。諸多傳統(tǒng)迭代學習控制方法要求被控對象滿足嚴格可重復性,該前提是保證系統(tǒng)性能的關鍵因素之一。然而實際系統(tǒng)中存在的時延、不確定性和其他復雜因素的影響,以及非馬爾科夫系統(tǒng)(特別是分數(shù)階系統(tǒng))本身記憶性的固有存在,使得系統(tǒng)難以滿足嚴格可重復性,從而影響迭代學習控制效果,甚至保障系統(tǒng)嚴格可重復性本身的難度會遠大于控制系統(tǒng)設計。因此,在實際問題中,當系統(tǒng)非嚴格可重復時,應用傳統(tǒng)的迭代學習控制方法,其理論分析結果與實際應用效果差別較大。盡管可以通過適當引入反饋環(huán)節(jié)并利用魯棒控制與自適應控制領域豐富的結論提高迭代學習控制系統(tǒng)整體的效果,但是如何從根本上消除被控對象的非嚴格重復性對迭代學習控制系統(tǒng)的影響具有十分重要的理論意義與應用價值,是對現(xiàn)有學習控制體系的有益補充。時延是導致系統(tǒng)不可重復的重要因素,因此時延系統(tǒng)本身即為一類典型的非嚴格重復系統(tǒng)。本文首先針對固定時延系統(tǒng)和時變時延系統(tǒng)進行研究,然后針對具有一般意義的非嚴格重復系統(tǒng)進行分析。本文研究并設計了幾類具有代表性的迭代學習控制器:線性迭代學習控制器、非線性參數(shù)型迭代學習控制器和魯棒自適應迭代學習控制器等,并將其應用于各類時延系統(tǒng)中。由于迭代學習控制作為一類典型的前饋控制,其魯棒性能有待提高,因此本文將前饋控制與反饋控制相結合,設計魯棒自適應迭代學習控制器,有效提高了非嚴格重復系統(tǒng)的控制效果。為提高迭代學習控制系統(tǒng)的自適應性,設計了參考值型學習律,在參考值軌跡不精確已知但滿足一定規(guī)律的情況下仍可實現(xiàn)精確跟蹤。本文的收斂性分析既包括收斂條件分析,又包括收斂速度分析。在收斂性分析中,雖然迭代學習控制的特點之一是不需要精確的數(shù)學模型,但是由于各類不確定性以及系統(tǒng)復雜性的增加,收斂性分析需要利用系統(tǒng)的某些結構信息、關鍵參數(shù)估計和控制器增益辨識,因此本文通過引入迭代學習辨識的方法,對某些關鍵要素進行有效分析,從而有助于設計性能更佳的控制器,進一步提高系統(tǒng)性能。特別是重點針對非嚴格重復系統(tǒng)(包括整數(shù)階系統(tǒng)與分數(shù)階系統(tǒng))的預調(diào)進行研究,分析了動態(tài)系統(tǒng)在初始時刻之前的歷史是如何影響當前控制系統(tǒng)的性能。同時,提出了預調(diào)與初始化的概念,從而在保證系統(tǒng)性能的前提下,通過無損預調(diào)提高迭代學習控制效果。綜上所述,本文針對非嚴格重復系統(tǒng)的迭代學習控制領域亟待解決的若干關鍵問題進行了理論、仿真與實驗研究。針對典型的非嚴格重復系統(tǒng)-時延系統(tǒng)以及具有一般意義的整數(shù)階與分數(shù)階非嚴格重復系統(tǒng)進行研究,分析收斂域以擴大收斂范圍,通過引入反饋環(huán)節(jié)增強了系統(tǒng)的魯棒性與自適應性,通過關鍵參數(shù)估計優(yōu)化了迭代學習控制的收斂速度,通過初始化分析與無損預調(diào)進一步提高了非嚴格重復系統(tǒng)迭代學習控制的效果,搭建了理論與應用的新橋梁。本文通過大量仿真結果與機械臂半物理模型對本文結論進行仿真驗證,通過NAO機器人實驗與刀片磨削應用實驗驗證了迭代學習控制在非嚴格重復系統(tǒng)中的可行性,對迭代學習控制應用的推廣具有較大作用。
[Abstract]:Based on the iterative learning method in non strict control of the repeated theory system, study the robustness of the control system of adaptive and iterative convergence, with simulation and experimental verification. Many traditional iterative learning control method can meet the strict requirements of controlled object repeatability, the premise is that one of the key factors the performance of the system. However, in the system delay, uncertainties and other complex factors, and non Markovian system (especially fractional system) itself and the memory of natural, can make the system difficult to meet the strict repeatability, thus affecting the iterative learning control effect, and even security system strictly repeatable itself the difficulty will be far greater than the design of control system. Therefore, in practice, when the system is non strictly repetitive, the application of traditional iterative learning control method, the The difference between the results of theoretical analysis and practical application effect greatly. Although it can be through the introduction of appropriate feedback and use of abundant robust control and adaptive control in the field of conclusion to improve the iterative learning control of the whole system, but how to fundamentally eliminate the non strictly repetitive object of iterative learning control system's influence has very important meaning and the application of the theory of value, it is useful for learning control systems. Time delay system is an important factor that can not be repeated, so the delay system itself is a kind of typical non strict re system. Aiming at the fixed time delay and time-varying delay system is studied, and according to the non repetitive systems with general significance carries on the analysis. This paper studies and designs several kinds of representative iterative learning controller: non linear iterative learning controller. The parameter type iterative learning controller and robust adaptive iterative learning controller is linear, and its application in all kinds of time delay system. Because of the iterative learning control as a kind of typical feedforward control, the robust performance needs to be improved, so this paper will combine feedforward control and feedback control, the design of robust adaptive iterative learning controller, improved control the effect of non repetitive systems. In order to improve the adaptive iterative learning control system design, the reference value of learning law, in the reference trajectory is not precisely known but certain rules under the condition can achieve accurate tracking. Convergence analysis in this paper includes both the convergence condition analysis, including the convergence speed in convergence analysis. In the analysis, although one of the characteristics of iterative learning control does not need precise mathematical model, but because of all kinds of uncertainty and complexity of the system The increase of the convergence analysis need to use some of the structure of information system, the key parameter estimation and controller gain identification, this paper by introducing a method of iterative learning identification, analyze some key elements, which is helpful to the design of controller performance better, further improve the system performance. Especially for non repetitive systems (including the integer order system and the fractional order system) of the pre research, analysis of the dynamic system in the initial time before history is how to affect the performance of the control system. At the same time, put forward the concept of presetting and initialization, and under the premise of ensuring the performance of the system, through non-destructive preconditioning iterative learning control to improve effect. In summary, some key problems based on iterative learning control non repetitive systems to be solved in the field of theory, simulation and experiment research For non repetitive systems. Typical time delay system and integer order and fractional order is of general significance of non repetitive systems, analysis of the convergence domain to expand the range of convergence, robustness and adaptability of the system is enhanced by introducing feedback, the optimal estimation of the iterative learning control convergence speed through the key parameters, the the initialization analysis and non-destructive pre adjusted to further improve the non repetitive systems iterative learning control effect, to build a new bridge of theory and application. In this paper, with the mechanical arm by a lot of simulation results of semi physical model to verify the conclusion of this paper, through experiment and application of NAO robot blade grinding experiments verify the feasibility of iterative learning control in non repeat the strict system, has great effect on the promotion of the application of iterative learning control.

【學位授予單位】：山東大學
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TP13

【相似文獻】

相關期刊論文 前10條

1 石成英 ,林輝;迭代學習控制的研究與應用進展[J];測控技術;2004年02期

2 李仁俊,韓正之;迭代學習控制綜述[J];控制與決策;2005年09期

3 張興國;林輝;;迭代學習控制理論進展與展望[J];測控技術;2006年11期

4 陳若珠;宋軍偉;李戰(zhàn)明;;迭代學習控制在大慣性系統(tǒng)中的應用[J];微計算機信息;2007年19期

5 孔祥波;郝曉弘;;迭代學習控制的研究與應用[J];甘肅科技;2008年07期

6 馬航;楊俊友;袁琳;;迭代學習控制研究現(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;;迭代學習控制的研究現(xiàn)狀[J];微型機與應用;2010年11期

8 趙麗莉;孫明軒;金奎;;一類非線性不確定系統(tǒng)的迭代學習控制[J];浙江工業(yè)大學學報;2011年02期

9 苗靜;;迭代學習控制理論[J];西安工業(yè)大學學報;2011年05期

10 阮小娥;樸光賢;卞增男;;迭代學習控制技術回顧與長期學習控制展望(英文)[J];控制理論與應用;2012年08期

相關會議論文 前10條

1 畢勝;王福根;鄢達來;吳懷宇;章剛?cè)A;熊沈蜀;周兆英;;功能性電刺激P型迭代學習控制方法的研究[A];中國康復醫(yī)學會第四屆會員代表大會暨第三屆中國康復醫(yī)學學術大會論文匯編[C];2001年

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

3 孫小強;王銀河;;一類組合大系統(tǒng)簡單迭代學習控制的收斂性[A];2005全國自動化新技術學術交流會論文集（三）[C];2005年

4 劉山;林堅;;基于二自由度控制的魯棒迭代學習控制設計[A];第二十六屆中國控制會議論文集[C];2007年

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

6 蘭永紅;;基于二維模型的魯棒D型迭代學習控制[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

7 孫明軒;王惠峰;畢宏博;;反饋輔助迭代學習控制[A];第25屆中國控制與決策會議論文集[C];2013年

8 孫明軒;萬伯任;;迭代學習控制系統(tǒng)的初始條件問題[A];1995年中國智能自動化學術會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 師佳;江青茵;曹志凱;周華;;一種基于2維魯棒預測控制的迭代學習控制方案[A];第二十九屆中國控制會議論文集[C];2010年

10 池榮虎;侯忠生;;基于學習自適應估計環(huán)的迭代學習控制[A];第三屆全國信息獲取與處理學術會議論文集[C];2005年

相關博士學位論文 前10條

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

2 張瑞坤;受限非線性參數(shù)化系統(tǒng)的自適應迭代學習控制[D];北京交通大學;2016年

3 周偉;基于高階內(nèi)模的離散時間系統(tǒng)的迭代學習控制[D];浙江大學;2016年

4 翟侖;迭代學習控制在非嚴格重復時延系統(tǒng)中的應用研究[D];山東大學;2017年

5 謝振東;非線性迭代學習控制理論及其在機器人控制中的應用[D];華南理工大學;2000年

6 姜曉明;迭代學習控制方法及其在掃描光刻系統(tǒng)中的應用研究[D];哈爾濱工業(yè)大學;2014年

7 王軼;基于迭代學習控制的幾類列車自動控制問題研究[D];北京交通大學;2010年

8 楊勝躍;迭代學習控制算法設計與優(yōu)化研究[D];中南大學;2004年

9 曹偉;迭代學習控制及其在故障診斷中的應用研究[D];哈爾濱工程大學;2013年

10 徐敏;基于迭代學習控制理論的勵磁控制研究[D];西北工業(yè)大學;2005年

相關碩士學位論文 前10條

1 蔡麗;抗非重復性干擾的迭代學習控制研究[D];鄭州大學;2011年

2 李彩麗;基于迭代域的迭代學習控制方法的研究[D];大連海事大學;2015年

3 魏少龍;二維LQG基準下迭代學習控制的性能評估[D];北京化工大學;2015年

4 趙麗娜;基于迭代學習控制的有限狀態(tài)機在動力型假肢中的應用[D];河北工業(yè)大學;2015年

5 余劍平;非線性系統(tǒng)的自適應迭代學習控制[D];云南師范大學;2015年

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

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

8 錢亞中;自適應魯棒重復/迭代學習控制及其在電機上的應用[D];浙江工業(yè)大學;2015年

9 陳樂劍;約束自適應模糊迭代學習控制[D];浙江工業(yè)大學;2015年

10 劉宇;數(shù)據(jù)驅(qū)動的終端迭代學習控制方法及不確定性問題研究[D];青島科技大學;2016年

，

本文編號：1396066