非线性系统在初态误差下的2D迭代学习算法下载

weixin_39822095 2020-10-02 03:31:02

针对一类具有重复运动特性的非线性离散系统,提出了一种开闭环迭代学习控制算法,基于2D Roesser理论,得到存在初态误差情况下的收敛条件,证明算法能够收敛到一个关于初态误差的邻域内,提高了系统的响应速率,理论分析与仿真验证了算法的有效性。
相关下载链接：//download.csdn.net/download/weixin_38653878/12519398?utm_source=bbsseo

...全文

7 回复打赏收藏举报

写回复

切换为时间正序

请发表友善的回复…

发表回复

传感器故障非线性系统的快速抑制初态误差迭代学习控制

我们将通过两个迭代完成学习，一个小迭代和一个大迭代。

1）第1次迭代：需求分析挑战之旅
用半天的时间，通过“疯狂的订餐系统”全程实战需求分析与需求变更管理，通过实例掌握需求分析与管理的基本技巧。

2）第2次迭代：需求分析四阶段全程实战 + 综合演练
这部分内容约2.5天时间，你将会学习UML建模等知识，学会商业流程重组（BPR）等实战技巧，从本质上提升你的需求分析能力。

知识产权保护的需要，不提供PPT下载，本课程可以不辅以PPT学习。

针对非仿射非线性系统,提出初态学习律,并给出关于初态学习的收敛性充分条件.初态学习使得系统在每次迭代开始时,不严格要求其初态与期望初态重合或者固定于某一具体位置上,而是允许存在一定的定位偏差.利用压缩映射分析方法,推导出在初态学习下的开环学习律、闭环学习律、开闭环学习律的收敛性充分条件,证明了迭代学习控制系统关于初始定位误差的鲁棒收敛性.依据此收敛性条件,可确定输入学习律及初态学习律的学习增益.理论分析与数值仿真表明初态学习下迭代学习算法的有效性.

提出一种新的初态学习律,以放宽常规迭代学习控制方法的初始定位条件.它允许一定的定位误差,在迭代中不需要定位在某一具体位置上,使得学习控制系统具有鲁棒收敛性.针对二阶LTI系统,给出了输入学习律及初态学习律的收敛性充分条件.依据收敛性条件,学习增益的选取需系统矩阵的估计值,但在一定建模误差下,仍能保证算法的收敛性.所提出的初态学习律本身及其收敛性条件均与输入矩阵无关.