具有反馈信息的PD~α-型迭代学习控制律在Lebesgue-p范数意义下的收敛性分析

发布时间：2018-01-04 22:04

  本文关键词：具有反馈信息的PD~α-型迭代学习控制律在Lebesgue-p范数意义下的收敛性分析　出处：《西北工业大学学报》2017年02期 　论文类型：期刊论文

  更多相关文章： 迭代学习控制 分数阶 Lebesgue-p范数 收敛性

【摘要】：针对一类分数阶线性时不变系统,提出了具有反馈信息的PD~α-型分数阶迭代学习控制律,在Lebesgue-p范数意义下,利用卷积的推广Young不等式,对控制律单调收敛性进行分析,推导出单调收敛的充分条件。分析表明,具有反馈信息的PD~α-型迭代学习控制律的收敛性不仅取决于控制律的学习增益,而且依赖于系统自身的属性;同时,若选用适当的反馈增益,可加快迭代学习控制律的收敛速度。仿真实验验证了理论的正确性和控制律的有效性。
[Abstract]:For a class of fractional order linear time invariant system, proposes a learning control law of feedback PD~ alpha type fractional iteration, in the sense of Lebesgue-p norm, using the generalized Young inequality of convolution, the control law of monotone convergence analysis, deduced the sufficient conditions for monotone convergence. The results show that, with the feedback information the alpha PD~ type iterative learning control law convergence depends not only on the control law of learning gain, but also depends on their own property system; at the same time, if the selection of appropriate feedback gain, can accelerate the convergence speed of the iterative learning control law. Simulation results verify the correctness and validity of the control law theory.

【作者单位】： 西北工业大学理学院;徐州工程学院数理学院;
【基金】：国家自然科学基金青年项目(61201323)资助
【分类号】：TP13;TP18
【正文快照】： 迭代学习控制[1](iterative learning control,简称ILC)是人工智能与自动控制相结合的学习控制技术,它是一种无模型控制,不需要具体的模型参数,只需利用自身重复性的特性,进行足够多次的学习,便可使被控对象完全跟踪理想输出。正是由于这一特性,迭代学习控制自提出以来就受到，

本文编号：1380271