lebesgue-p范数意义下对初态误差进行加速修正的迭代学习控制 accelerated modify approach for initial state error iterative learning control in sense of lebesgue- norm.pdfVIP

下载本文档

10
0
约3.66万字
约 6页
2017-10-15 发布于上海
举报
版权申诉

lebesgue-p范数意义下对初态误差进行加速修正的迭代学习控制 accelerated modify approach for initial state error iterative learning control in sense of lebesgue- norm.pdf

1、本文档共6页，可阅读全部内容。
2、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。
3、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。
4、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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

lebesgue-p范数意义下对初态误差进行加速修正的迭代学习控制 accelerated modify approach for initial state error iterative learning control in sense of lebesgue- norm

第31 卷第3 期控制与决策 2016 年 3 月 Vol. 31 No. 3 Control and Decision Mar. 2016 文章编号: 1001-0920 (2016) 03-0429-06 DOI: 10.13195/j.kzyjc.2014.1959 Lebesgue- 范数意义下对初态误差进行加速修正的迭代学习控制兰天一, 林辉 (西北工业大学自动化学院，西安710129) 摘要: 针对一类多输入多输出线性时不变系统, 提出一种初态误差加速修正的PD-型迭代学习算法. 针对系统的任意初始状态, 在时间轴上设计一个随迭代次数增加而缩短的修正区间. 在该区间上, 控制算法对初始状态偏差进行修正; 修正区间外, 算法与无初始误差的学习律等同. 在Lebesgue- 范数度量跟踪误差意义下, 利用卷积的推广Young 不等式证明了所提出学习控制律的收敛性. 数值仿真验证了该控制律的有效性. 关键词: 迭代学习控制；Lebesgue- 范数；初始误差；单调收敛中图分类号: TP13 文献标志码: A Accelerated modify approach for initial state error iterative learning control in sense of Lebesgue- norm LAN Tian-yi, LIN Hui (School of Automation，Northwestern Polytechnical University ，Xi’an 710129 ，China ．Correspondent ：LAN Tian- yi ，E-mail ：iamlty1111@163.com) Abstract: This paper proposes a kind of proportional-derivative-type(PD-type) iterative learning control method of accelerated modifying the initial state error for a class of multi-input and multi-output linear time-invariant system. The special time intervals, which can effectively shrink with the increasing of the iterations number, is designed for the system with any initial states. In this interval, the initial state deviation is corrected by using some control algorithm, while in the outside of the interval, the algorithm is the same as the one for the system without the initial state error. When the error is tracked in the sense of Lebesgue- norm, the monotone convergence of the presented learning control is proved by a generalized Young inequality. Numerical simulation results show the