摘要：根据沿着重复轴的一种新动态 linearization 技术，双阶段的最佳的反复的学习控制为非线性、非仿射的分离时间的系统被介绍。双阶段显示二个最佳的学习阶段分别地被设计反复地改进控制输入顺序和学习获得。主要特征是控制器设计和集中分析仅仅取决于动态系统的 I/O 数据。换句话说，没有知道系统的任何另外的知识，我们能容易选择控制参数。模拟学习沿着重复轴说明介绍方法的几何集中，在哪个马路的一个例子控制为它的内在的工程重要性是引人注目的交通反复的学习。

摘要：这份报纸为反复的学习控制(ILC ) 论述一种新反馈前馈控制配置与反馈设计，它由反馈和一个前馈控制部件组成。反馈积分控制器稳定系统，并且在操作，和前馈控制 ILC 期间起主导的作用补偿可重复的非线性 / 未知的变化时间的动力学和骚乱，从而提高性能独自由反馈控制完成了。作为这控制策略的最有利的点，没有作努力到前馈控制 / 反馈获得的 reconfigurate 或重新调律，前馈控制 ILC 和反馈控制能独立地或联合工作。与严密分析，建议学习控制计划沿着重复轴保证 asymptotic 得到集中。

摘要：用在分离时间轴和反复的学习轴之间的类比，一条新分离时间的适应反复的学习控制(AILC ) 途径被开发与变化时间的参量的无常探讨非线性的系统的一个班。类似于适应控制，新 AILC 能合并一个设计算法，因此，学习获得能沿着学习的轴反复地被调节。当起始的状态是随机的，参考轨道是变化重复的时，新 AILC 能沿着反复的学习轴 asymptotically 在有限时间间隔上完成 pointwise 集中。

摘要：本文针对机理模型未知的非线性非仿射多入多出(MIMO)离散时间系统,研究了系统同时存在未知时滞和迭代变化运行时间区间的预测迭代学习控制(PILC)问题.首先利用未知时滞的上下界信息建立了一种新型的动态线性化(DL)模型,理论分析表明该模型能够等价描述本文所考虑的存在未知时滞的未知非线性系统.同时,设计一种新的数据补偿机制用以处理由于系统运行时间区间迭代变化而引起的数据丢失问题.基于所建立的DL模型和数据补偿机制,设计了能够同时处理未知时滞和迭代变化运行时间区间的预测迭代学习控制方法.通过严格的理论分析同时给出了建模误差和跟踪控制误差的收敛性质.最后,通过仿真进一步验证了所提方法的有效性.

摘要：提出一种基于无模型自适应控制的自动泊车方案.首先,通过车载传感器采集车周环境信息用于规划期望路径;然后,将自动泊车跟踪问题转化为预瞄偏差角跟踪问题,通过设计相应的无模型自适应控制算法实现自动泊车.该方案设计的优点是仅使用自动泊车过程中生成的前轮转角输入数据和预瞄偏差角输出数据,没有使用任何被控车辆的信息,因此可适用于不同车型.Matlab仿真以及与PID控制方案和Fuzzy控制方案的对比仿真结果验证了所提出方案的可行性.

摘要：针对快速路交通系统复杂时变以及难以建模的特点,首先,本文设计了基于无模型自适应预测控制的快速路入口匝道控制方案.其次,根据快速路交通系统具有重复性特点,本文在无模型自适应预测控制方法的基础上引入开环迭代学习控制,提出一种带有迭代学习前馈外环的无模型自适应入口匝道预测控制方案.相比无模型自适应预测控制方案,该方案可以利用迭代学习前馈控制器补偿系统可重复扰动,实现系统的完全跟踪.值得说明的是,预测控制器和学习控制器可以独立工作也可以联合工作.最后,文章给出了控制方案的收敛性分析,并通过交通流仿真验证了所提控制方案的有效性.

摘要：给出了无模型控制的定义,并对已存在的无模型控制方法进行了分类．综述了无模型自适应控制理论和方法的现状和进展．讨论了无模型自适应控制与其他控制方法的主要区别,提出了两种无模型自适应控制方法与已有基于模型的控制方法优势互补的模块化设计方案,提出了有待于进一步研究的问题．

摘要：针对二维直线电机运动系统存在的非线性、多变量、不确定性以及强耦合作用对控制精度的影响,提出一种无模型高阶滑模解耦控制方法。以紧格式动态线性化无模型控制技术为基础,设计一种数据驱动滑模面并验证滑模面的渐进稳定性;利用高阶滑模控制思想设计高阶滑模控制律,对二维直线电机XY轴进行整体控制,减小位置跟踪误差,并进行稳定性和收敛性证明。采用自适应解耦控制策略,设计离散扩张状态观测器对系统两轴间耦合、未建模动态和未知外部干扰进行估计和补偿,进一步实现系统的解耦。仿真和实物实验结果表明,所提方案能够有效提高二维直线电机的位置控制精度。

摘要：针对具有可重复性的一般离散时间非线性系统,在已存在的PID控制系统的基础上,利用重复性的特点,给出了一种学习增强型PID控制方法,严格证明了收敛性,并通过快速路交通系统的仿真验证了该方法的有效性和优越性。该种方法的主要特点是,不需要对已有的PID控制装置和系统做任何改动,只需在PID控制器的外环加上迭代学习控制器即可,是一种模块化的设计。该方法实现了PID与迭代学习控制的优势互补。

摘要：提出一种基于神经网络的模糊非参数模型自适应控制方案。该方案仅用受控系统的I/O数据来设计控制器,综合了模糊控制、神经网络与非参数模型学习自适应控制各自的优点。仿真表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。