智能控制(第2版)[刘金琨]chap11答题.ppt

第11章 迭代学习控制 实际控制中存在一类轨迹跟踪问题，它的控制任务是寻找控制律 ，使得被控对象输出 在有限时间 上沿着整个期望轨迹实现零误差轨迹跟踪。这列跟踪问题是具有挑战性的控制问题。 人们在处理实际场合中的重复操作任务时，往往依据对象的可重复动态行为与期望行为的差距来调整决策。通过重复操作，使得对象行为与期望行为的配合达到要求。这时，衡量动态行为的指标是某种满意指标。 迭代学习控制（ILC,Iterative Learning Control）的思想最初由日本学者Uchiyama于1978年提出[23]，于1984年由Arimoto等人[24]做出了开创性的研究。这些学者借鉴人们在重复过程中追求满意指标达到期望行为的简单原理，成功地使得具有强耦合非线性多变量的工业机器人快速高精度地执行轨迹跟踪任务。其基本做法是对于一个在有限时间区间上执行轨迹跟踪任务的机器人，利用前一次或前几次操作时测得的误差信息修正控制输入，使得该重复任务在下一次操作过程中做得更好。如此不断重复，直至在整个时间区间上输出轨迹跟踪上期望轨迹。 迭代学习控制适合于具有重复运动性质的被控对象，通过迭代修正达到某种控制目标的改善。迭代学习控制方法不依赖于系统的精确数学模型，能在给定的时间范围内,以非常简单的算法实现不确定性高的非线性强耦合动态系统的控制，并高精度跟踪给定期望轨迹，因而一经推出，就在运动控制领域得到了广泛的运用。 迭代学习控制方法具有很强的工程背景，这些背景包括：执行诸如焊接、喷涂、装配、搬运等重复任务的工业机器人；指令信号为周期函数的伺服系统；数控机床；磁盘光盘驱动系统；机械制造中使用的坐标测量机等。 由于迭代学习控制模拟了人脑学习和自我调节的功能，因而是一种典型的智能控制方法[25]。经历了三十多年的发展，迭代学习控制已成为智能控制中具有严格数学描述的一个分支。目前,迭代学习控制在学习算法、收敛性、鲁棒性、学习速度及工程应用研究上取得了很大的进展。 11.1 基本原理 设被控对象的动态过程为 ， (11.1) 式中， 、 、 分别为系统的状态，输出和输入变量， 、 、 为适当维数的向量函数，其结构与参数均未知。若期望控制 存在,则迭代学习控制的目标为：给定期望输出 和每次运行的初始状态 ,要求在给定的时间 内,按照一定的学习控制算法通过多次重复的运行,使控制输入 ，而系统输出 第k 次运行时，式(11.1) 表示为： (11.2) 跟踪误差为 (11.3) 迭代学习控制可分为开环学习和闭环学习。 开环学习控制的方法是：第k+1次的控制等于第k次控制再加上第k次输出误差的校正项，即 (11.4) 闭环学习策略是：取第K+1次运行的误差作为学习的修正项，即 (11.5) 式中，L为线性或非线性算子。 11.2 基本迭代学习控制算法 Arimoto 等首先给出了线性时变连续系统的D型迭代学习控制律[24]