复杂机电控制7-迭代学习控制-2013-11-19解读.ppt

第七章 迭代学习控制 ILC (Iterative Learning Control) 7.1 迭代学习控制概述 7.2 迭代学习控制律 7.3 迭代学习控制简单实例 第七章 迭代学习控制 ILC (Iterative Learning Control) 1978年，Uchiyama （内山）在一篇有关机器人控制的论文中提出ILC思想（日文杂志Repetive），因文章是日文发表的，当时并未引起人们的重视。 1984年，Arimoto （有本）和其合作者们将内山的初步思想加以完善，建立了实用的算法，从理论上证明了这种算法的可行性而成为正规的迭代学习控制理论，并以英文发表了他们的研究成果，迭代学习控制ILC(Iterative Learning Control）才得以推广。 第七章 迭代学习控制 ILC (Iterative Learning Control) 7.1 迭代学习控制概述 7.2 迭代学习控制律 7.3 迭代学习控制简单实例 自适应控制和常规的反馈控制和最优控制一样，也是一种基于数学模型的控制方法，所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少，需要在系统的运行过程中去不断提取有关模型的信息，使模型逐步完善。具体地说，可以依据对象的输入输出数据，不断地辨识模型参数，这个过程称为系统的在线辩识。随着生产过程的不断进行，通过在线辩识，模型会变得越来越准确，越来越接近于实际。在这个意义下，控制系统具有一定的适应能力。比如说，当系统在设计阶段，由于对象特性的初始信息比较缺乏，系统在刚开始投入运行时可能性能不理想，但是只要经过一段时间的运行，通过在线辩识和控制以后，控制系统逐渐适应，最终将自身调整到一个满意的工作状态。再比如某些控制对象，其特性可能在运行过程中要发生较大的变化，但通过在线辩识和改变控制器参数，系统也能逐渐适应。 7.1 迭代学习控制概述 2.数学描述ILC 在有限的时间域[0,T]内，给定的被控对象 期望的响应为yd (t), t∈ [0,T],寻找某种给定的控制量uk (t), t∈ [0,T],使其响应yk (t), t∈ [0,T], 在某种意义上对y0(t)（可理解为 yk-1(t)）有所改善，其中k为寻找次数，这样的过程称为学习控制过程。 第七章 迭代学习控制 ILC (Iterative Learning Control) 7.1 迭代学习控制概述 7.2 迭代学习控制律 7.3 迭代学习控制简单实例 7.2 迭代学习控制律 四、迭代学习控制律 两种基本形式的学习律是D型学习律和P型学习律，其中D型学习律是首先被提出来的一种。 五、迭代学习控制律的算法流程 (1) 置k=0，给定并存储期望的轨迹yd (t)以及初始的控制u0(t), t∈[0,T] (2) 通过初始的定位操作，使系统初始输出位于yk(0)，相应的初态位于xk(0) (3) 对被控对象施加输入uk (t), t ∈[0,T],开始反复操作，同时采样并存储系统的输出yk (t)， t ∈[0,T], (4) 计算输出的误差ek (t) =yd (t) - yk (t), t ∈[0,T] (5) 由学习控制律计算并存储新的控制输入uk+1(t) = uk(t)+ △uk(t), t ∈[0,T] (6) 将uk+1(t)施加给系统，产生yk+1(t)，ek+1(t) (7) 检验迭代停止条件：‖yd(t)-y0(t)‖ε,式中ε为给定的允许跟踪精度。若条件满足则停止运行，否则置k=k+1,转步骤(2) 第七章 迭代学习控制 ILC (Iterative Learning Control) 7.1 迭代学习控制概述 7.2 迭代学习控制律 7.3 迭代学习控制简单实例 7.3 迭代学习控制简单实例 例如直流电动机驱动的单自由度线形机械系统，如下图所示为系统方框图，其中y (t)为电动机的角速度，u (t)为输入电压。 当初始时刻取为零时，方程的解为： （5）以D型学习律计算新的输入电压，并获得下一次误差 移动机器人轨迹跟踪迭代学习控制 移动机器人是一种在复杂的环境下工作的具有自规划、自组织、自适应能力的机器人。在移动机器人的相关技术研究中，控制技术是其核心技术，也是其实现真正的智能化和完全的自主移动的关键技术。移动机器人具有时变、强耦合和非线性的动力学特征，由于测量和建模的不精确，加上负载的变化以及外部扰动的影响，实际上无法得到移动机器人精确、完整的运动模型。 通过对迭代学习控制方法进行详细推导及仿真分析，研究一类移动机器人迭代学习离散控制的设计及仿真方法。 移动机器人运动模型 随迭代次数运动轨迹的跟踪过程 最后一次的位置跟踪 谢 谢！ （2）控