自适应迭代习控制新算法及其在工业过程控制中的应用.pdfVIP

摘要 I迭代学习控制理论是智能控制的一个重要分支，传统迭代学习的基本方法是， 基于上次迭代时的输入信息和输出误差的PID校正项，获得本次迭代的控制输入， 经过若干次迭代，以期达到在给定的时间区间上实现被控对象以较高精度跟踪一 给定目标轨线。但当被控对象含有不确定的参数或迭代学习控制律的增益系数时 的收敛性分析依赖于实际上是未知的理想输入，初值重置问题等。由于自适应控 制在非线性不确定系统中的成功应用，如何充分利用系统的先验信息，用自适应 控制设计迭代学习控制，这是一个值得研究的新课题。怖文利用自适应理论设计 设计方法，提出了两类本质非线性系统的迭代学习控制新算法．，f这些算法克服了 传统迭代学习控制的许多缺陷，放松了传统算法的一些限制性假设。并且针对非 线性工业过程稳态优化中的设定值多次变动，目标轨线多次变动的问题，提出了 一种新的自适应迭代学习算法，以改善系统过渡过程的动态品质d本文的主要工 作包括以下几个方面：第一，对一类未知非线性高阶系统，将神经网络引入迭代 学习控制，迭代学习控制与自适应控制相结合，实现了任意精度的跟踪。实例仿 真分析况明了该算法相对传统算法的有效性及其所具有的优点。第二，对一类不 确定非线性系统，提出一种自适应鲁棒迭代学习控制方案。将迭代学习控制，变