摘要：针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题。该类系统由抛物型偏微分方程构成。该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器。基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明。结果表明,所提出的控制方法在λ范数意义下跟踪误差是收敛,且相对经典迭代学习算法,所提控制算法的收敛速度更快。最后,通过数值仿真验证了所提算法的有效性。

摘要：针对时变重复系统存在执行机构故障问题,提出了一种基于非线性迭代学习的被动容错控制方法。首先对于带有执行器故障的非线性系统模型,利用迭代学习过程记忆的期望轨迹、期望控制和跟踪误差,设计批次被动容错控制器;然后基于算子理论和λ范数分析了控制器存在的充分条件,该条件实现了控制器对故障的有效抑制,使系统输出能够单调收敛于给定输出轨迹的有界邻域内,从而避免了故障的不利影响;最后将其应用于单关节机器人系统。仿真结果表明,所提控制方法具有良好的容错性能。

摘要：针对一类带有传感器故障的非线性系统提出了一种新的迭代学习控制算法,该算法在任意初态条件下,结合开环D型迭代学习律,设计一个随迭代次数增加而缩短的时间段,该时间段控制器对状态偏差进行修正,使系统跟踪误差收敛到与初态误差无关的界内,仅由系统自身不确定性和干扰决定。进而基于λ范数理论选取适当的控制增益,抑制传感器故障带来的跟踪误差,并给出控制算法的一致收敛性和误差的有界性证明。注塑机系统的速度控制仿真结果验证了该算法的有效性。