检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

压电驱动器的开闭环迭代学习控制

光学精密工程 2014年第2期22卷 414-419页

作者：李朋志闫丰葛川李佩玥隋永新杨怀江中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室吉林长春130033

由于开闭环迭代学习控制方法能在加快收敛速度的情况下降低跟踪误差,本文利用该控制方法来提高压电驱动器(PZT)的高频轨迹跟踪精度。首先,提出了离散时间下的开环P型结合闭环PI型的迭代学习律,并且给出了基于该学习律的收敛性条件。然后... 详细信息

由于开闭环迭代学习控制方法能在加快收敛速度的情况下降低跟踪误差,本文利用该控制方法来提高压电驱动器(PZT)的高频轨迹跟踪精度。首先,提出了离散时间下的开环P型结合闭环PI型的迭代学习律,并且给出了基于该学习律的收敛性条件。然后,设计了用于PZT系统的离散开闭环迭代学习控制器。最后,针对50Hz单频和25Hz+50Hz复频三角波轨迹进行了跟踪控制实验。实验结果表明:所提出的迭代学习控制器对上述2种轨迹的最大跟踪误差分别为10.6nm和12.5nm,相对于PID控制器,分别降低了96.25%和95.62%。结果显示:提出的控制方法易于实现,无需准确的PZT迟滞和系统模型就可以获得很高的跟踪精度,能有效地满足高频和复频轨迹跟踪的精度要求。

关键词：压电驱动器 PZT 开闭环迭代学习控制迟滞

在线全文

学校读者我要写书评

暂无评论

行走机器人控制策略与开闭环学习控制

东北大学学报（自然科学版） 2005年第8期26卷 722-725页

作者：王斌锐谢华龙丛德宏徐心和东北大学教育部暨辽宁省流程工业综合自动化重点实验室辽宁沈阳110004

主从式双腿协调控制用于异构双腿行走机器人可减少规划量,控制的关键是步态轨迹跟踪.仿生膝关节使机器人步态更加仿人;但仿生腿模型复杂,跟随人工腿步态控制困难.P型开闭环迭代学习控制结合开环和闭环学习控制优点,不依赖于模型,适用于... 详细信息

主从式双腿协调控制用于异构双腿行走机器人可减少规划量,控制的关键是步态轨迹跟踪.仿生膝关节使机器人步态更加仿人;但仿生腿模型复杂,跟随人工腿步态控制困难.P型开闭环迭代学习控制结合开环和闭环学习控制优点,不依赖于模型,适用于复杂机器人轨迹跟踪控制.从开闭环结合角度,证明了算法收敛性.算法在虚拟样机上的仿真表明算法有效、鲁棒性好且收敛速度优于单独开或闭环学习控制.

关键词：异构双腿行走机器人仿生膝关节开闭环学习控制收敛性虚拟样机仿真

非线性系统开闭环PD型迭代学习控制的鲁棒性

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2007年第11期29卷 1931-1934页

作者：周国鹏罗娟咸宁学院数学系湖北咸宁437100 华南理工大学数学科学学院广东广州510640

利用开闭环PD型迭代学习控制算法,对一类具有不确定性或扰动的重复非线性时变系统的鲁棒性进行研究,给出了该系统在开闭环PD型迭代学习控制律控制下的鲁棒条件,并证明了该受扰系统在干扰有界的情况下跟踪误差的一致有界收敛性,当所有干... 详细信息

利用开闭环PD型迭代学习控制算法,对一类具有不确定性或扰动的重复非线性时变系统的鲁棒性进行研究,给出了该系统在开闭环PD型迭代学习控制律控制下的鲁棒条件,并证明了该受扰系统在干扰有界的情况下跟踪误差的一致有界收敛性,当所有干扰渐近消失时,系统输出渐近跟踪给定的期望轨迹。数字仿真表明了结论的有效性。

关键词：非线性系统 PD型迭代学习控制开闭环鲁棒性

在线全文

学校读者我要写书评

暂无评论

开闭环PD型迭代学习控制及其收敛性研究

开闭环PD型迭代学习控制及其收敛性研究

作者：冯增健浙江大学

学位级别：硕士

众所周知，非线性时变系统极为难于控制，即使利用现代控制理论也难以设计适当的控制器。但对于重复跟踪相同轨迹的系统，例如机械手的操作，磁盘驱动系统等，迭代学习控制(ILC)是控制这一类系统简单而有效的方法。迭代学习控制针对具... 详细信息

众所周知，非线性时变系统极为难于控制，即使利用现代控制理论也难以设计适当的控制器。但对于重复跟踪相同轨迹的系统，例如机械手的操作，磁盘驱动系统等，迭代学习控制(ILC)是控制这一类系统简单而有效的方法。迭代学习控制针对具有重复运行性质的被控对象，利用对象以前运行的信息，通过迭代的方式修正控制信号，实现在有限时间区间上的完全跟踪任务。正因为其简单而有效，近年来受到不少研究人员的关注，研究内容包括学习律的构成、收敛性、鲁棒性、初值及学习速度等问题。本文着重分析了迭代学习控制的收敛性。文中首先介绍了迭代学习控制的一些基本知识，包括提出的历史，数学描述以及一些常用迭代学习控制律。其次分别讨论了开环、闭环和开闭环迭代学习律的收敛性，并给出各种不同迭代学习律的仿真实例加以对比：作者还特别给出了一类非线性系统的开闭环PD型迭代学习律收敛的充分条件，并使用线性算子理论加以证明。最后讨论了研究中存在的一些问题和发展方向。

关键词：迭代学习控制收敛性开环闭环开闭环迭代学习律

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于开闭环迭代学习位置调节的直线伺服系统

微电机 2010年第2期43卷 54-57页

作者：曹勇蓝和慧李华德辽宁工业大学电气工程学院锦州121001 北京科技大学信息工程学院北京100083

针对磁场定向矢量控制下的永磁直线同步电机伺服系统,提出开闭环迭代学习位置调节器,实现参考位置信号的准确跟踪控制。详细分析了开闭环迭代学习位置调节下的直线伺服系统结构与数学模型。给出直线伺服系统位置调节器结构及带有遗忘因... 详细信息

针对磁场定向矢量控制下的永磁直线同步电机伺服系统,提出开闭环迭代学习位置调节器,实现参考位置信号的准确跟踪控制。详细分析了开闭环迭代学习位置调节下的直线伺服系统结构与数学模型。给出直线伺服系统位置调节器结构及带有遗忘因子的开闭环迭代学习位置调节算法。方波位置跟踪及突加负载实验结果表明,开闭环迭代学习控制具有系统响应速度快,位置跟踪准确的特点,同时可以有效保证受扰状态下的鲁棒性能。

关键词：直线伺服开闭环迭代学习位置调节

基于2-D理论的时滞离散系统的开闭环迭代学习控制方法

在线全文

学校读者我要写书评

暂无评论

湖北大学学报（自然科学版） 2008年第4期30卷 343-345,350页

作者：王卫华陈定方湖北大学数学与计算机科学学院湖北武汉430062 武汉理工大学智能制造与控制研究所湖北武汉430063

针对一类具有状态时滞的线性系统,提出一种基于2-D离散系统的开闭环迭代学习控制器.给出控制器的收敛条件并给出了证明.该控制器既保持了以往开闭环迭代学习控制算法的优点,又减少了其收敛条件所受的限制.仿真结果验证了该控制算法的有... 详细信息

针对一类具有状态时滞的线性系统,提出一种基于2-D离散系统的开闭环迭代学习控制器.给出控制器的收敛条件并给出了证明.该控制器既保持了以往开闭环迭代学习控制算法的优点,又减少了其收敛条件所受的限制.仿真结果验证了该控制算法的有效性.

关键词： 2-D系统理论时滞系统开闭环迭代学习控制

在线全文

学校读者我要写书评

暂无评论

一类广义系统的开闭环PID型迭代学习控制

重庆工商大学学报（自然科学版） 2012年第11期29卷 1-5页

作者：李祖松陈其工魏利胜江明安徽工程大学安徽检测技术与节能装置省级实验室安徽芜湖241000

针对一类正则、无脉冲的线性连续广义系统采取迭代学习控制策略,通过λ范数给出了系统在开闭环PID型学习率下的收敛性条件;最后,通过仿真算例验证了所提方法的有效性和优越性.

关键词：广义系统开闭环 PID 迭代学习控制

在线全文

学校读者我要写书评

暂无评论

非线性系统开闭环D型迭代学习算法的鲁棒性

陕西科技大学学报（自然科学版） 2006年第4期24卷 85-89,101页

作者：张兴国林辉西北工业大学自动化学院陕西西安710072

研究了系统满足收敛条件时,具有开闭环D型迭代学习控制律的一类非线性系统在动态过程存在干扰的情况下控制算法的鲁棒性问题。理论分析表明,当系统动态过程扰动有界时,开闭环D型迭代学习控制算法是鲁棒的。当满足开闭环学习收敛条件时,... 详细信息

研究了系统满足收敛条件时,具有开闭环D型迭代学习控制律的一类非线性系统在动态过程存在干扰的情况下控制算法的鲁棒性问题。理论分析表明,当系统动态过程扰动有界时,开闭环D型迭代学习控制算法是鲁棒的。当满足开闭环学习收敛条件时,控制误差收敛到期望值的某一个邻域,其大小与相邻两次迭代运行中这些干扰的大小有关,而与初始控制输入等无关,当干扰越小时,学习控制过程越接近于期望值。

关键词：迭代学习(ILC) 鲁棒性开闭环非线性

运行区间变化的非线性系统的差分进化迭代学习控制

在线全文

学校读者我要写书评

暂无评论

运行区间变化的非线性系统的差分进化迭代学习控制

作者：雷猛涛广州大学

学位级别：硕士

迭代学习控制(Iterative Learning Control,ILC)是一种控制策略优化方法,其核心在于利用重复执行任务所积累的历史信息,通过不断迭代和修正来逐步优化控制策略,从而提高任务执行的准确性和效率。尽管迭代学习控制取得了极大的发展,但也... 详细信息

迭代学习控制(Iterative Learning Control,ILC)是一种控制策略优化方法,其核心在于利用重复执行任务所积累的历史信息,通过不断迭代和修正来逐步优化控制策略,从而提高任务执行的准确性和效率。尽管迭代学习控制取得了极大的发展,但也仍存在不足。在实际应用中,迭代学习控制常常面临运行区间随机变化的挑战,这可能导致系统性能下降或者收敛速度变慢。对于传统的迭代学习控制算法,其控制增益的选取对于系统的输出效果有着极大的影响。为改进现有算法的缺点,本文提出了一种基于差分进化(Differential Evolution,DE)算法的迭代学习控制框架,其主要目标在于提升系统的收敛速度、快速获得合适的最优控制增益,进而强化其稳定性表现。本文以运行区间随机变化的非线性系统的差分进化迭代学习控制(Differential Evolution based Iterative Learning Control,DE-ILC)为研究课题,研究内容如下:(1)在实际迭代学习控制系统中,运行区间会受外部环境和自身性能的影响,运行区间可能会在一定范围内波动,从而导致跟踪误差的累积和系统稳定性的下降。为了应对这个问题,本文在迭代学习控制算法的实际输出轨迹处引入了修正的跟踪误差,修正后的跟踪误差可以使控制系统变得更加灵活、易于操作,从而有效解决运行区间随机变化的问题。(2)在迭代学习控制过程中,由于系统模型和外部环境的不确定性,可能会导致系统不稳定,在每次迭代过程中,控制信号的更新是通过之前迭代跟踪信息为基础得到的,因此会存在信息丢失的情况。为了应对这些问题,本文设计了PD型开闭环迭代学习控制方案,这个方案可以有效地抑制这些不确定性,提高系统的稳定性。PD型控制律可以更精确地调整控制输入,使系统的实际输出更加接近期望输出,从而保证了跟踪误差在数学期望意义上的渐近收敛。与此同时,通过开环与闭环相结合,有效地利用历史信息和实时反馈信息,解决了由于外部未知干扰以及模型不确定性等因素导致的控制问题,加快了收敛过程。(3)在迭代学习控制算法的基础上引入差分进化算法,以此对初始控制增益参数进行优化,从而得到最优控制增益,有效的加快系统的收敛进程。为了验证所提出算法的实用性和有效性,本文进行了大量的系统仿真实验。研究结果表明,随着迭代次数趋于无穷,跟踪误差的数学期望将会逐渐收敛于零,验证了该方法的有效性和稳定性。这些仿真实验充分证实了运行区间随机变化的差分进化迭代学习控制方法在不同场景下的稳定性和有效性。总体而言,本文不仅在迭代学习控制算法的实际轨迹长度处引入了修正的跟踪误差来解决运行区间随机变化的问题,而且通过引入PD型开闭环迭代学习控制算法和差分进化算法提高了系统的性能和稳定性,使其在未来的控制领域中具备了广阔的应用前景。

关键词：迭代学习控制运行区间随机变化差分进化算法 PD型开闭环