- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
开题报告-约束迭代学习控制方法研究与应用
研究生
类别 ① 全日制博士研究生; ② 全日制学术型硕士研究生;
③ 全日制工程硕士; ④ MBA;
⑤ 高校教师在职攻读硕士学位; ⑥ 中职教师在职攻读硕士学位。
⑦ 同等学力申请硕士学位
研究生学位论文开题报告申请表
学 号:
研究生姓名:
学科、专业: 控制理论与控制工程
学 院: 信息工程学院
指导教师:
浙江工业大学研究生院(筹)制
2013年 1 月 15 日填
关于研究生学位论文开题报告的有关说明
1、开题报告主要内容包括:
(1)论文选题的目的和意义;
(2)国内外关于该课题的研究现状及趋势;
(3)本人的研究计划,包括研究目标、内容、技术路线、拟突破的难点或攻克的难关、自己的创新或特色、实验方案或写作计划等;
(4)主要参考文献目录。
开题报告的书面材料不得少于3000字。
2、研究生在选题、调研的基础上写出开题报告,并在所在学科、专业范围内报告及论证,由导师主持并邀请有关学科专业的专家开题报告通过后,方可进入论文工作阶段。如未通过者,在个月内可补做开题报告,仍未通过者,则。、开题报告通过后,原则上一般不再随意改题。如确有特殊原因需改题者,须由研究生写书面报告,经指导教师签署意见,院负责人审批后,报研究生院备案,并补做开题报告。
拟定学位论文题目 约束迭代学习控制方法研究与应用 开题报告具体内容:(可另附页)
一. 选题目的和意义(DSP)技术的发展,DSP芯片的性能越来越好,因而可以实现更高要求的控制效果。
迭代学习控制非常适合于一类具有重复运行特性的被控对象,其任务是寻找控制输入,使得被控系统的实际输出轨迹在有限时间区间上沿整个期望输出轨迹实现零误差的完全跟踪,并且整个控制过程要求快速完成。迭代学习控制方法不需要建立精确数学模型,算法简洁,能以较简单的方式处理不确定程度相当高的线形或非线性动态系统,仅需要较少的验前知识和计算量,且控制性能能够随过程的重复而不断提高。永磁同步伺服电机有个很明显的特征,就是其周期性,它总是在做着周而复始的旋转运动。迭代学习控制正是解决此类运动方式的一种有效控制方法,这为设计和研究迭代学习控制方法奠定了浓厚的工程背景,也从理论上丰富了学习控制理论,具有一定的理论意义。
二. 国内外关于本课题的研究现状及趋势
2.1 迭代学习控制
人们在日常生活中,经常会从事一些具有很强重复性的工作,因此往往学习能力强的人,能在日常的工作中脱颖而出。在研究控制问题的时候,我们也经常要遇到重复性的,或者说周期性的系统,因此,自然而然的,将学习的理念用于控制策略的想法,就顺理成章的产生了。它的优点在于,适当的学习律下,总是可以使后一次比前一次控制误差更小,甚至可以实现零误差的完全跟踪。
S.Arimoto,S.Kawamura[1]等人系统性提出的。文[1]中研究了D型学习律,形式如下:
???????????????????? ??(1)
该文章开创新的提出了迭代学习的思想,并加以严格的证明,从而开创了控制理论的一个崭新的分支。不同于一般的反馈控制方法,迭代学习控制能够实现系统输出轨迹在有限时间区间上的零误差完全跟踪。
最近也有学者对非一致期望轨迹的迭代学习进行了研究,在文[2]中,分别将D型, PD型, PID型学习律应用于跟踪轨迹缓慢变化的运动系统。文中的控制律要求系统的期望轨迹只能有微小,缓慢的变化。文[3]将条件进一步放宽,提出,当系统的不确定性可以参数化为,并且不随迭代轴变化时,我们依然可以设置学习控制律,道理很简单,我们只需要通过学习来得到未知参数,而它是不随迭代而变化的。?[4,5]中,对迭代学习进行了非常集中的总结,在过去的25年间,迭代学习在理论[6],以及应用[7]上,已经得到了广泛的研究。迭代学习控制有如下两种基本的设计方法:
(1)基于压缩映射
最早的迭代学习控制都是通过压缩映射的方法来设计的,但是它必须在非常严格的初态条件下,才能实现理想的跟踪性能[8-11]。文[12]中,讨论了基于压缩映射的迭代学习控制的鲁棒性问题,从文中可见该方法对于初始条件的要求是相当苛刻的。与基于Lyapunov方法的迭代学习控制不同,这种形式的收敛性条件允许较大的建模误差,甚至允许不断尝试来确定学习增益。压缩映射的构造能保证解的唯一性与存在性,以及几何收敛速度,但是很少能利用系统的状态信息,因此该方法只能局限于全局Lipschitz连续的非线性系统。
(2)基于Lyapunov的迭代学习控制
Lyapunov方法是非线性控制的主流方法,广泛用于诸如自适应控制,鲁棒控制等。学者们在Lyapunov能量函数的基础上,把复合能量函数引
原创力文档


文档评论(0)