网络控制系统中迭代学习控制算法的鲁棒收敛性分析

摘要：

针对网络控制系统中受输入扰动和初态干扰的非线性系统,提出了一种迭代学习控制算法,讨论了输出数据丢失情况下系统输出对期望轨迹的跟踪问题.采用一个概率已知的随机贝努利序列来描述网络控制系统中的数据丢失现象,即如果输出数据没有丢失,则利用跟踪误差来修正上一次迭代学习时的控制量,从而获得系统当前控制量;如果存在输出数据丢失现象,则系统当前控制量保持上一次迭代时的控制量不变.给出了保证算法收敛的充分条件.从理论上证明了系统满足给定的收敛条件时,在数据丢失网络环境下具有输入扰动、初态扰动的被控系统随迭代学习次数的增加,系统输出除初始点以外都能够收敛于期望轨迹.通过仿真算例进一步验证了所提方法的有效性.

关键词：网络控制系统、迭代学习控制、数据丢失、鲁棒收敛性

所属期刊栏目：32

分类号：TP273(自动化技术及设备)

资助基金：国家自然科学基金61672304,71803095;黑龙江省教育厅基本业务专项理工面上项目135109240,135209527;齐齐哈尔市科学技术工业攻关项目GYGG-201620

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15-22