学位论文 > 优秀研究生学位论文题录展示

迭代学习控制系统设计及应用

作 者: 刘山
导 师: 吴铁军
学 校: 浙江大学
专 业: 控制科学与工程
关键词: 迭代学习控制 最优化指标 梯度下降法 非最小相位系统 稳定逆 鲁棒收敛性 不确定系统 输入输出干扰 初始状态偏移 期望轨迹慢变 H∞优化控制 结构奇异值 μ综合方法 小波逼近 张减过程 壁厚控制
分类号: TP273.5
类 型: 博士论文
年 份: 2002年
下 载: 1370次
引 用: 15次
阅 读: 论文下载
 

内容摘要


迭代学习控制针对具有重复运行性质的被控对象,利用对象以前运行的信息,通过迭代的方式修正控制信号,实现在有限时间区间上的完全跟踪任务。传统的迭代学习控制以其简单的算法形式和精确的跟踪效果引人注目,但也存在着学习律参数选择比较盲目和算法抗干扰能力不强的缺陷。而对于一个实用的控制技术,这两个问题都必须很好地解决。 本文着重研究了迭代学习控制系统设计中的最优性和鲁棒收敛性问题。为了加强算法的鲁棒性,重点采用同时具有反馈与前馈作用的开闭环综合迭代学习控制结构,旨在给出同时兼顾收敛性和跟踪性能的鲁棒迭代学习控制律的设计方法,避免学习律参数选择的盲目性,拓宽迭代学习控制的应用范围,加强迭代学习控制的实用性。针对确定的线性系统,主要研究能够提高算法的收敛速度和跟踪精度的迭代学习控制技术;针对不确定的线性和非线性系统,主要考虑系统的特性、各种干扰、初始状态偏移和不确定的未建模动态以及缓慢变化的期望轨迹对迭代学习控制过程收敛性和跟踪性能的影响。本文分析了各种开闭环综合迭代学习控制保证收敛性和鲁棒收敛性的充分条件,并依据这些条件,利用时域和频域上的优化和鲁棒技术,提出了一系列迭代学习律的设计方法。每种迭代学习律的有效性都得到了理论分析和仿真验证的双重保证。本文还将迭代学习控制技术应用于无缝钢管张减过程的壁厚控制中,取得了很好的实际应用效果。 本文的主要成果有: 1、在开闭环综合迭代学习控制结构的基础上,分析了利用梯度下降法设计前馈迭代学习控制器时,为保证算法的收敛性,闭环控制系统应该满足的充分条件,并依据提高算法收敛速率的优化条件,给出了基于LQR、H2和H∞等优化控制技术的迭代学习控制算法的设计方法。进而,得到了基于最优线性二次型无限时间输出调节器的迭代学习控制律,并分析了其收敛和鲁棒收敛的充分条件。 2、针对迭代学习控制在非最小相位系统上应用效果差的缺点,根据非因果的稳定逆理论,提出了一种基于稳定逆的最优开闭环综合迭代学习控制,分析了学习律的收敛性并给出了这种非因果的学习律在实际应用中的运用方式。 3、对于线性时变系统,提出了一种改进的基于最优化指标的迭代学习控制算法。该算法的收敛速度是指数级的,其输出误差序列和控制信号序列的收敛性能够得到保证。对于任意给定的系统期望轨迹,该方法保证迭代控制信号能够收敛于系统的一个线性二次型最优控制解。 4、针对具有乘性不确定性的线性系统,提出了基于二自由度控制的一种开闭环综合的迭代学习控制结构,并给出了系统存在输入输出扰动和初始状态偏移11 摘要时,该迭代学习控制能够使得迭代输出轨迹收敛到期望轨迹邻域内的频域充分条件。依据此频域条件,利用结构奇异值理论和鲁棒性能的p综合方法得到了抗扰动和初态偏移的鲁棒迭代学习控制算法。 5、根据通用的开闭环综合迭代学习控制结构,给出了在期望轨迹‘慢变时,抗扰动和初态偏移的迭代学习控制鲁棒收敛的频域充分条件。依据此条件,针对具有乘性不确定性的线性系统,利用线性分式变换,结构奇异值理论和鲁棒性能的八综合方法,给出了将反馈作用与前馈作用一体化计算和分步计算的两种鲁棒迭代学习控制设计方法。 6、针对具有乘性不确定性的线性系统,同时考虑系统不确定性对反馈闭环控制和前馈迭代学习控制的影响,给出了保证开闭环迭代学习控制的输出轨迹误差在有限时间段上鲁棒收敛的充分条件。根据此充分条件,提出了一种分步设计鲁棒开闭环综合迭代学习控制律的算法。该算法利用Hco优化方法设计反馈控制器和采用固定步长的梯度下降法设计前馈控制器。由于前馈作用在时域上考虑,克服了在频域上迭代学习控制收敛条件苛刻的缺点。 7、针对存在扰动的未知非线性系统,利用小波逼近将系统参数化,结合变结构控制技术,提出了一种鲁棒迭代学习控制算法。该算法采用迭代学习的方式修正小波逼近的系数,利用具有死区的滑模变结构技术保证算法的鲁棒收敛性。收敛性分析表明,每次迭代学习都将减小所得到的逼近系数与最佳系数的差异,因此,期望轨迹变化后,该算法针对以前轨迹的学习结果仍然可以起作用,部分克服了传统迭代学习控制的学习结果仅对某一特定轨迹有效的缺点。 8、利用无缝钢管张减过程周期重复生产的特点,基于迭代学习控制思想,根据张减过程轧制前后钢管壁厚的实测数据和钢管的特征数据,提出了无缝钢管张减过程的平均壁厚控制和管端增厚控制的迭代学习控制算法。该控制技术在张减轧制过程中在线自适应调整各轧制机架的稳态转速分布和动态转速分布,补偿由物理参数的时变不确定性和建模误差造成的轧辊转速分布参数误差,以减少钢管平均壁厚偏差和管端增厚段长度,从而达到提高钢管产品的质量和生产收得率的目的。该算法不依赖张减机的数学模型,简单实用,避免了复杂的模型计算,可以满足实际生产实时任务调度系统快速性的要求。该技术在宝钢钢管分公司张减机上的实际应用的?

全文目录


中文摘要  4-6
英文摘要  6-10
致谢  10-12
目录  12-16
第一章 绪论  16-32
  1.1 迭代学习控制概述  16-19
  1.2 迭代学习控制律的研究现状  19-25
  1.3 鲁棒迭代学习控制设计研究现状  25-28
  1.4 迭代学习控制在工业过程中的应用  28-29
  1.5 本文的研究内容  29-32
第二章 基于优化设计的梯度型最优迭代学习控制  32-52
  2.1 引言  32-33
  2.2 同时具有反馈与前馈作用的开闭环迭代学习控制  33-34
  2.3 基于优化设计的梯度型开闭环综合迭代学习控制  34-42
  2.4 基于最优无限时间输出LQR的迭代学习控制  42-47
    2.4.1 迭代学习律  42-43
    2.4.2 算法收敛性分析  43-45
    2.4.3 算法鲁棒收敛性分析  45-47
  2.5 仿真研究  47-51
  2.6 小结  51-52
第三章 非最小相位系统的最优迭代学习控制  52-64
  3.1 引言  52-53
  3.2 问题描述  53-55
  3.3 基于稳定逆的迭代学习控制  55-59
    3.3.1 基于稳定逆的迭代学习控制设计  55-57
    3.3.2 迭代学习算法收敛性分析  57-58
    3.3.3 迭代学习律的实际控制方式  58-59
  3.4 仿真研究  59-62
  3.5 小结  62-64
第四章 基于改进优化指标的最优迭代学习控制  64-78
  4.1 引言  64
  4.2 最优迭代学习算法  64-67
    4.2.1 问题描述  64-66
    4.2.2 基于最优化性能指标的迭代学习律  66-67
  4.3 算法收敛性分析  67-71
  4.4 连续线性系统的迭代学习律  71-75
  4.5 仿真研究  75-77
  4.6 小结  77-78
第五章 抗扰动和初态偏移的鲁棒迭代学习控制  78-96
  5.1 引言  78-79
  5.2 问题描述  79-81
  5.3 基于二自由度控制的迭代学习控制  81-89
    5.3.1 基于H∞标准问题的迭代学习控制  81-86
    5.3.2 采用低通滤波器的迭代学习控制  86-88
    5.3.3 改进的广义H∞控制对象  88-89
  5.4 鲁棒迭代学习控制  89-93
  5.5 仿真研究  93-95
  5.6 小结  95-96
第六章 期望轨迹慢变的鲁棒迭代学习控制  96-114
  6.1 引言  96-97
  6.2 问题描述  97-98
  6.3 基于H∞标准问题的迭代学习控制设计  98-102
  6.4 鲁棒迭代学习控制  102-105
  6.5 分步设计的鲁棒迭代学习控制  105-107
  6.6 仿真研究  107-112
  6.7 小结  112-114
第七章 基于H∞控制的鲁棒迭代学习控制  114-126
  7.1 引言  114-115
  7.2 同时具有反馈与前馈作用的迭代学习控制  115-116
  7.3 具有鲁棒收敛性的迭代学习算法  116-120
  7.4 基于H∞控制的鲁棒迭代学习算法  120-122
  7.5 仿真研究  122-124
  7.6 小结  124-126
第八章 基于小波逼近的非线性系统鲁棒迭代学习控制  126-140
  8.1 引言  126-127
  8.2 问题描述  127-128
  8.3 基于小波逼近的迭代学习控制  128-131
  8.4 鲁棒迭代学习控制设计  131-136
  8.5 仿真研究  136-138
  8.6 小结  138-140
第九章 无缝钢管张减过程壁厚迭代学习控制  140-162
  9.1 引言  140-142
  9.2 无缝钢管张减过程描述  142-148
    9.2.1 无缝钢管张减过程的工艺  142-143
    9.2.2 张减过程的形式化描述  143-145
    9.2.3 轧制工作直径与轧辊转速的关系  145-148
  9.3 壁厚控制的迭代学习算法  148-154
    9.3.1 壁厚迭代学习控制  148-149
    9.3.2 平均壁厚迭代学习控制算法  149-151
    9.3.3 管端增厚迭代学习控制算法  151-154
  9.4 生产应用试验研究  154-161
    9.4.1 壁厚迭代学习控制模块的实现  154-155
    9.4.2 平均壁厚迭代学习控制试验  155-158
    9.4.3 管端增厚迭代学习控制试验  158-161
  9.5 小结  161-162
第十章 结束语  162-166
  10.1 本文的研究成果  162-164
  10.2 研究展望  164-166
参考文献  166-174
附录  174-175

相似论文

  1. 基于多项式参数依赖Lyapunov函数的鲁棒滤波器设计,TP13
  2. 聚合物片材加热过程的温度分布与控制技术研究,TQ320.6
  3. 系统控制理论及其在水下机器人系统中的应用研究,TP13
  4. 基于混合驱动智能仿生腿的设计与控制,TP242
  5. 不确定时滞系统的保性能滤波研究,TP13
  6. 直线电机XY平台控制策略的研究,TP273
  7. 直线电机XY平台交叉耦合迭代学习控制,TM359.4
  8. 基于TRNSYS的一类VAV系统模糊控制仿真研究,TU831.3
  9. 不确定时滞系统的鲁棒H_∞控制,TP13
  10. 基于VC的自动配料系统的研究与设计,TP311.52
  11. 迭代学习控制在活塞异型加工中的应用研究,TG659
  12. 城市加油站空间布局优化研究,F426.22
  13. 金华电业局无功电压分布式二级控制系统的建设与实施,TM761.1
  14. 中国武术产业结构体系研究,G852
  15. 非线性时滞系统的保性能控制研究,TP13
  16. 时滞不确定系统的保成本控制,TP13
  17. SDH光传输网络后期优化分析与应用,TN929.1
  18. 两类非线性系统自适应模糊控制器的设计,O231
  19. 国华定洲电厂协调控制系统优化控制策略与实施,TM621.6
  20. 电站控制优化系统在600MW火电机组中的应用,TM621.6
  21. HR生态养殖示范基地建设项目进度计划与控制研究,F326.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统 > 计算机控制、计算机控制系统
© 2012 www.xueweilunwen.com