摘要：针对未知相对度系统,提出了一种一阶D型迭代学习控制律的设计方法。通过对具有未知相对度的被控系统串连和并联一个一阶子系统,可构造一个相对度为1的虚拟系统。该虚拟系统在一阶D型迭代学习控制律的作用下,能够完全跟踪期望轨迹。从而实现被控系统在一定误差范围内给定轨迹的渐近跟踪,D型迭代学习控制律的增益不依赖于被控系统的参数。仿真实例验证了方法的可行性与有效性。

摘要：对一类具有高相对度的非正则离散抛物型分布参数系统的迭代学习控制问题进行了研究.首先将集中参数系统高相对度的定义相应的推广到离散分布参数系统.基于本文的非正则离散分布参数系统,设计了一类带有相对度为p的离散分布式迭代学习控制算法.然后由偏差分方程解的一般形式,将该分布参数系统降维处理为一般的离散线性系统,给出了在适当初边值条件下迭代跟踪误差沿迭代轴收敛的充要条件.用线性系统稳定性理论证明了本文所设计的分布式学习控制算法的收敛性.数值例子说明了所给算法的有效性.

摘要：传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.

摘要：针对不同相对度的离散线性重复过程,研究有限频域范围的动态迭代学习控制问题.对于零相对度和高相对度的控制对象,结合二维(2D)系统理论,分别设计有限频域的动态迭代学习控制器;然后,运用广义Kalman-Yakubovich-Popov (KYP)引理,以线性矩阵不等式(LMI)的形式给出控制器存在的充分条件以及控制器的增益矩阵;最后,在弹簧阻尼系统和桁架机器人模型的仿真中,与静态迭代学习控制算法进行比较,验证所提算法的优越性和可行性.