原文传递
自适应迭代学习控制算法及应用研究
| 论文题名： | 自适应迭代学习控制算法及应用研究 |
| 关键词： | 轨迹跟踪;迭代学习法;控制算法;跟踪误差;自适应控制;列车运行 |
| 摘要： | 考虑工业机器人和列车运行控制系统中的各种非线性、参数及扰动不确定性、执行器故障等因素，传统的基于系统模型的算法已很难确保系统的高精度轨迹跟踪。迭代学习控制是一种适用于具有重复运动性质的被控系统的跟踪控制方法，它不依赖于系统的精确模型，控制输入仅需先前的控制和当前跟踪误差两部分。针对迭代学习控制处理不确定性问题方面的缺陷，将自适应控制引入到迭代学习控制当中，即自适应迭代学习控制，它兼具了迭代学习控制解决重复跟踪问题和自适应算法解决系统不确定性问题上的双重优势。 本文的主要工作及创新点总结如下： ①针对系统模型和参数未知的工业机器人的关节轨迹跟踪控制问题，提出了一种基于Alignment初始条件下的自适应迭代学习控制算法。算法包括PD型反馈控制、参数自适应控制及外部扰动补偿三个部分。通过构造Lyapunov复合能量函数，证明了算法的收敛性，以及所有闭环信号的时域有界性和跟踪误差的迭代收敛性。最后，通过MATLAB仿真验证了算法的有效性。 ②针对高速列车自动运行控制系统中的曲线跟踪控制问题，充分利用列车运行过程的重复性特性，考虑执行器故障、速度延迟、参数不确定及控制输入约束等因素，提出了一种基于容错自适应迭代学习控制的高速列车运行曲线跟踪控制算法。算法以“执行器效率因子”构造执行器故障模型，无需精确知道故障的发生时间和大小，利用饱和函数对控制输入和参数估计进行限幅。通过Lyapunov-Krasovskii复合能量函数证明了算法的收敛性。仿真对比实验说明了本文所提算法的收敛速度和收敛误差具有较好的迭代轴暂态性能。 相比于传统的迭代学习控制，本文所提出的控制算法，在控制器设计时考虑了更多的实际影响因素，包括模型不确定、参数和扰动不确定、执行器故障、速度延迟及控制输入受限等。同时，在实际应用方面，将迭代学习方法引用到列车自动运行控制领域，解决了以往控制方法因忽略列车运行重复性特点而存在的问题。 |
| 作者： | 陈强 |
| 专业： | 控制工程 |
| 导师： | 薛方正;程正学 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
