数据驱动鲁棒固定次迭代学习控制OA
针对现有迭代学习控制方法中迭代次数依赖初始跟踪误差及系统不确定性影响控制精度等问题,提出一种数据驱动鲁棒固定次迭代学习控制方法.首先,通过构造沿迭代轴的双曲正切型趋近律,设计固定次迭代学习控制器,推导出跟踪误差的稳态误差带并移除迭代次数上界依赖初始误差这一限制,保证系统跟踪误差在固定迭代次数内收敛.在此基础上,基于系统输入输出数据设计沿迭代轴更新的参数自适应律与扩张状态观测器,估计未知参数并补偿系统中未知干扰,进而提高系统的鲁棒性与跟踪精度.理论分析和仿真结果验证了所提方法的有效性.
王守勤;陈强;成云;何熊熊
浙江工业大学信息工程学院,杭州310023 浙江省复杂系统智能感知与控制重点实验室,杭州310023 绿色化学合成与转化技术全国重点实验室,杭州310023浙江工业大学信息工程学院,杭州310023 浙江省复杂系统智能感知与控制重点实验室,杭州310023 绿色化学合成与转化技术全国重点实验室,杭州310023浙江工业大学信息工程学院,杭州310023 浙江省复杂系统智能感知与控制重点实验室,杭州310023 绿色化学合成与转化技术全国重点实验室,杭州310023浙江工业大学信息工程学院,杭州310023 浙江省复杂系统智能感知与控制重点实验室,杭州310023 绿色化学合成与转化技术全国重点实验室,杭州310023
信息技术与安全科学
固定次迭代学习控制参数自适应律扩张状态观测器趋近律
《自动化学报》 2026 (7)
P.1438-1448,11
国家自然科学基金(U25A20452,62222315,62233016,62503427)浙江省自然科学基金(LZ26F030004)浙江省属高校基本科研业务费专项资金(RF-C2024001)浙江省重点研发计划项目(2026C02A1213)资助。
评论