考虑数据量化的改进无模型自适应迭代学习控制算法

作     者：朱盼盼 卜旭辉 梁嘉琪 闫帅明 ZHU Pan-pan;BU Xu-hui;LIANG Jia-qi;YAN Shuai-ming

作者机构：河南理工大学电气工程与自动化学院河南焦作454000 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2020年第37卷第5期

页      面：1178-1184页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：国家自然科学基金项目(61573129,61573130,U1804147,61833001) 河南省高校科技创新团队项目(20IRTSTHN019) 河南理工大学创新型科技团队项目(T2019–2,T2017–1) 河南省创新型科技团队项目(CXTD2016054)资助 

主　　题：无模型自适应控制 迭代学习 编码解码量化机制 数据量化 

摘      要：针对一类存在数据量化的离散时间单输入单输出非线性系统,提出一种带有编码解码量化机制的无模型自适应迭代学习控制(MFAILC)算法.首先使用伪偏导数将受控非线性系统动态线性化,进而考虑系统输出数据经由均匀量化器进行量化处理的过程,并设计了一种编码解码量化机制,最后基于这种编码解码量化机制提出了一种改进的MFAILC算法.理论上给出了算法的收敛性分析,结果表明,当系统存在数据量化时,所提出的算法仍可保证系统收敛.与已有算法相比,所提算法仅利用较少的输入输出数据,就可以实现跟踪误差的零收敛.仿真进一步验证了算法的有效性.