迭代学习型瞬时最优控制及其收敛性分析

发布时间：2018-06-27 09:55

  本文选题：瞬时最优控制 + 迭代学习控制　； 参考：《力学与实践》2015年06期

【摘要】：将传统的瞬时最优化控制和智能算法中的迭代学习控制相结合,提出了基于最优化控制算法和智能控制算法的迭代学习型瞬时最优化控制算法.该方法以线性系统为模型,以系统的响应与期望响应的差值为反馈,以二次型性能泛函为目标函数,通过迭代学习修正主动控制器的控制信号,提高主动控制的效果.针对迭代学习型瞬时最优化控制算法迭代的特性,本文采用范数方法给出了该方法收敛的充分条件.为验证方法的有效性,选取第二代基准模型作为计算模型,埃尔森特罗地震波南北分量作为输入载荷,数值仿真结果表明,迭代学习型瞬时最优控制算法较传统的瞬时最优控制算法有更好的控制效果.
[Abstract]:By combining traditional instantaneous optimal control with iterative learning control in intelligent algorithm, an iterative learning instantaneous optimal control algorithm based on optimal control algorithm and intelligent control algorithm is proposed. This method takes linear system as model, takes the difference between system response and expected response as feedback, takes quadratic performance functional as objective function, and improves the effect of active control by iterative learning to modify the control signal of active controller. According to the iterative characteristics of iterative learning instantaneous optimization control algorithm, the sufficient conditions for the convergence of this method are given by using the norm method in this paper. In order to verify the validity of the method, the second generation datum model is selected as the calculation model, and the north and south components of the Elsentero seismic wave are taken as the input loads. The numerical simulation results show that, Iterative learning instantaneous optimal control algorithm has better control effect than traditional instantaneous optimal control algorithm.
【作者单位】： 西南交通大学力学与工程学院;
【分类号】：TU311.3

【相似文献】

相关期刊论文 前10条

1 姜晓明;王岩;陈兴林;;鲁棒迭代学习控制律的优化设计方法[J];电机与控制学报;2013年03期

2 刘长良;李菲菲;贾万根;;一种基于向量图分析的迭代学习控制算法[J];电力科学与工程;2013年06期

3 余发山;岳伟超;张瑞庄;卜旭辉;;基于迭代学习的矿井提升系统跟踪控制[J];电子测量与仪器学报;2014年02期

4 肖擎纲;曾阳素;;基于误差最小化的新型迭代学习算法[J];中南大学学报(自然科学版);2008年02期

5 杨孟远;黄发均;;基于H_∞方法的鲁棒迭代学习控制器在精密工件台中的应用[J];计算机应用与软件;2009年10期

6 杨斌;王振玉;;基于迭代学习控制律的放射源取样机的研制[J];机床与液压;2013年15期

7 董辉;黄文嘉;李林鑫;;变增益反馈D型迭代学习控制系统分析与仿真[J];浙江工业大学学报;2014年02期

8 胡玉娥;翟春艳;李书臣;;时滞间歇过程迭代学习控制算法研究[J];自动化仪表;2006年01期

9 刘伟;王自强;;基于迭代学习的有限转角力矩电机控制[J];电力电子;2012年06期

10 黄浩江,樊晓平,杨胜跃;非线性动力学系统开闭环D型迭代学习控制器设计及其应用[J];长沙铁道学院学报;2003年01期

相关会议论文 前10条

1 张君海;石成英;林辉;;一种带角度修正的迭代学习控制算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

2 李政;;一类二阶D型迭代学习控制算法的收敛性[A];第二十四届中国控制会议论文集（上册）[C];2005年

3 路林吉;邵世煌;;一种可用于非线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法[A];1997年中国控制会议论文集[C];1997年

4 路林吉;邵世煌;;一种可用于非线性动态延迟控制系统的开环比例型一阶给定超前迭代学习控制算法[A];1997中国控制与决策学术年会论文集[C];1997年

5 田森平;谢胜利;;一种新的带有遗忘因子的迭代学习控制算法[A];第二十二届中国控制会议论文集（上）[C];2003年

6 龚利;王云宽;杨雁;宋英华;;基于迭代学习算法的粉末精密配给控制系统[A];2007年中国智能自动化会议论文集[C];2007年

7 简林柯;何钺;;参考输入信号的迭代学习生成及其应用[A];1998年中国控制会议论文集[C];1998年

8 翟春艳;薛定宇;李书臣;;一种基于过程模型的适应性迭代学习控制算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

9 路林吉;王树青;;一种基于输出误差的离散时间动态系统迭代学习控制算法[A];1995年中国控制会议论文集（下）[C];1995年

10 谢华英;孙明轩;金奎;;有限时间收敛迭代学习控制器设计[A];第二十九届中国控制会议论文集[C];2010年

相关博士学位论文 前6条

1 丁健;若干类鲁棒迭代学习控制算法研究[D];江南大学;2015年

2 许光伟;基于优化策略的迭代学习控制算法研究[D];大连理工大学;2014年

3 刘山;迭代学习控制系统设计及应用[D];浙江大学;2002年

4 孙何青;改进的迭代学习控制算法及其在列车运行控制应用中的几类问题研究[D];北京交通大学;2014年

5 郭毓;一类时变系统的自适应迭代学习辨识与控制[D];南京理工大学;2007年

6 于少娟;电液伺服力控系统的鲁棒迭代学习控制方法研究[D];太原理工大学;2012年

相关硕士学位论文 前10条

1 孙宇;基于大数据的高速列车车体振动迭代学习主动控制研究[D];西南交通大学;2015年

2 席珂;迭代学习模型预测控制的研究[D];华北电力大学;2015年

3 陈永强;基于综合智能的迭代学习控制算法研究[D];重庆大学;2008年

4 邹燃;迭代学习控制算法研究及其在风电控制系统中的应用[D];电子科技大学;2009年

5 柯丹;基于迭代学习的电液位置伺服系统控制的研究[D];太原科技大学;2009年

6 范杨;采样迭代学习控制算法研究[D];江南大学;2011年

7 张西宁;迭代学习控制算法的改进与应用研究[D];江南大学;2013年

8 刘远红;迭代学习控制算法的分析与研究[D];大庆石油学院;2008年

9 吴彭江;递推与迭代学习辨识算法及其应用研究[D];浙江工业大学;2008年

10 王超;迭代学习控制算法的设计与应用研究[D];燕山大学;2014年

，

本文编号：2073533