高阶相对度线性时不变系统的迭代学习控制.pdf

第37卷 第6期 应 用 数 学 学 报 Vo1．37No．6 2014年 11月 ACTAMATHEMATICAEAPPLIC ESINICA Nov．，2014 高阶相对度线性时不变 系统的迭代学习控制 阮小娥 十 王 杰 (西安交通大学数学与统计学院，西安710049) (E—mail：wruanxe~xjtu．edu．cn；wangjie．1l02~stu．xjtu．edu．cn) 摘 要 本文针对于一类具有高阶相对度的线性时不变系统，提出了两种相对度关联的高阶导 数型迭代学习控制机理．利用分部积分法和卷积的Young不等式，推演 Lebesgue-p范数度量 意义下两种高阶导数型迭代学习控制律的单调收敛性．进一步，针对于系统存在初始状态漂移 情形，本文引入了多矩形脉冲补偿机制，以抑制初始状态漂移引起的跟踪误差，给出了增强抑 制作用的补偿增益的调整方法．数值仿真展示了控制策略的有效性． 关键词 迭代学习控制；高阶相对度；单调收敛性；Lebesgue—P范数；多矩形脉冲补偿 MR(2000)主题分类 62G05；62N01 中图分类 0212．7 1 引言 在生物学中， 学“习”的概念被认为是种群持续生存和进化的智能本领之一．它被 看作为智能体 由对环境的感知和理解而获取知识和经验，并将之作用于环境的过程， 目的是改善下次行为品质．得益于先进的计算机技术，学习机理已经以算法形式嵌入机 械手的控制程序中，以期重复尝试跟踪某一理想轨线．传统的学习机理是利用系统当前 运行时的跟踪误差修正其控制输入，以迭代产生系统下次运行的强化控制输入．自二十 世纪八十年代以来，该机理被称为迭代学习控制 (iterativelearningcontrol，缩写为ILC)． 在先期的迭代学习控制研究中，收敛性 (或称跟踪品质)的分析方法是基于跟踪误差以 一 范数形式度量的 [1】_自此，迭代学习控制备受关注，并被认为是机器人系统和工业过 程等领域轨迹跟踪的有效策略之一 [2-4]． 本文 2012年 1O月 31日收到．2014年 1月 3日收到修改稿． 国家自然科学基金 (F030114和 (F030114资助项 目 t通讯作者． 1078 应 用 数 学 学 报 37卷 在现有的迭代学习控制研究中，系统的相对度是涉及的概念之一．它是以系统动力 学为桥梁，描述系统的控制输入直接馈给 (简称为直馈)系统输出程度的量．数学上，系 统的相对度被定义为系统输出关于时间变量的导数的最低阶数，此时该输出的最低阶 导数可由控制输入直接馈给，从而可显式表示．在该方面，针对于系统相对度r大于 1 的情形，一类有效的迭代学习控制策略可很好地构建为：由系统当前运行次的跟踪误差 的r一阶或r一1一阶导数修正其控制输入，从而产生系统下次运行的强化控制输入 [5f6]， 除此之外，Song针对于具有未知相对度的单输入单输出非线性系统，提出了基于虚拟 模型的一阶导数型 (D一型)迭代学习控制机理 [7]|进一步，Sun和 Wang通过引入了扩 展相对度的概念，针对于具有任意阶相对度的非线性系统，提出了超前迭代学习控制律 和采样数据迭代学习控制律 8『19]．在以上所述的研究中，收敛性分析是在以A一范数度量 跟踪误差的模式下进行的 其 一范数定义为： ，(．)I『= sup{llf(t)lle ) t∈[0，T】 分析表明，在假设参数 充分大的前提下，尽管以上所述的学习算法是收敛的，但未提 及其单调收敛性．正如 l『0]所评论的，当参数 充分大时，负指数函数 e 将大大抑 制向量值函数的范数 lIf(t)ll_从而，在学习过程中，尽管跟踪误差的 范数令人满意， 但极有可能是实际跟踪误差会超出工程的误差容许度而导致系统崩溃．这一理论缺陷 将严重妨碍所谓 有“效的”迭代学习控制策略的工