基于鲁棒迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机高精度轨迹跟踪问题,充分考虑外部扰动等因素,提出了一种带遗忘因子的基于可变增益的前馈-反馈鲁棒迭代学习控制算法。其中,前馈迭代学习控制器采用选择迭代学习方案,弥补了传统的基于遗忘因子迭代学习控制方法的不足,且控制器学习增益可随迭代变化,可以加快算法的收敛性。反馈控制器采用比例-微分控制器,可以保持系统稳定并且加快跟踪误差收敛速度。最后通过收敛性分析和四旋翼仿真试验验证了所提出算法的有效性,所设计算法具有很好的鲁棒性和较高精度。     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。     

开闭环PD型快速迭代学习控制方法及其在直流电动机中的应用

针对一类非线性系统的学习控制问题,提出了一种开闭环PD型快速迭代学习控制方法。此学习控制方法利用了系统当前的跟踪误差信号和前次迭代控制的跟踪误差信号,以及它们的微分信号,同时采用可调比例系数,根据系统误差的变化及时地调节比例系数,从而使目标的跟踪能力得到提高。通过分析给出了此快速迭代学习算法收敛的条件,直流电动机的仿真应用说明了此学习控制方法对于非线性系统具有较强的有效性和较好的可行性。     

基于终态滑模的机械臂自适应迭代学习控制

针对带未知参数且执行重复任务的机械臂,提出一种自适应迭代学习控制算法。为了克服因重置精度低带来的重置误差,引入了终态滑模和初始状态修正吸引子,实现了跟踪误差在有限时间收敛于0,并通过迭代轴上的自适应算法来调节控制器参数。理论证明了跟踪误差的收敛性和系统中所有信号的有界性,仿真结果验证了算法的有效性。     

基于微分进化算法的航空发动机模型修正

为了提高航空发动机性能仿真模型精度,采用微分进化算法对发动机部件特性进行修正.对微分进化算法进行改进,提出折线式交叉变量变化方式,提高了算法的寻优能力.提出变步长牛顿-拉夫逊迭代算法,基于平衡方程残差范数变化趋势,改变牛顿-拉夫逊算法迭代计算步长,提高了模型的收敛性和收敛速度.在设计点,对各部件特性、引气系数、总压恢复系数进行修正,使修正后的模型输出与试验数据相匹配.仿真结果表明:改进后的牛顿-拉夫逊迭代算法收敛性更强、计算速度更快,修正后的各输出参数的最大建模误差减小到1.3762％,满足建模误差需求.     

基于改进定点二乘的重复使用助推飞行器控制分配研究

为适应重复使用助推飞行器(RBV)控制精度和控制可靠性等要求,导致多异类执行机构数量的急剧增加,而各执行机构偏转角、偏转角速率和非连续工作方式的限制影响控制效果。为满足该类飞行器控制系统实时性和控制精度等需求,需要研究计算精度、计算效率更高的控制分配(CA)方法。根据每次迭代所需的浮点运算量,在比较基于二次规划的控制分配算法计算效率的基础上,首先,利用最小代价函数关系将传统定点(FP)二乘优化算法转化为二次规划问题,并给出传统定点二乘优化方法最优解应满足的条件;然后,针对执行机构饱和情况,提出了改进定点(IFP)二乘的控制分配算法以提高计算效率,同时给予详细的推导证明,并基于迭代常数映射的特性,以相邻时刻控制量差的范数达到相关要求给出改进算法的迭代终止条件;最后,基于多种控制分配算法,对所提出的控制分配算法进行了比较仿真,验证该算法的有效性和合理性。     

对接航天器间相对位姿单目视觉测量的两阶段迭代算法(英文)

视觉敏感器常用做航天器交会对接最终逼近段的测量敏感器,针对基于光标点和单目视觉的航天器间相对状态测量问题,提出了一种基于逆投影思想的两阶段迭代求解算法。该算法包含景深恢复和绝对定向解算两阶段,在景深恢复阶段计算各特征点的景深,在绝对定向解算阶段基于绝对定向问题的解析算法计算相对位姿参数,上述两阶段迭代进行直至结果收敛。最后,对该算法的收敛性进行了理论分析,并对该算法进行了数学仿真,结果进一步验证了算法的有效性和收敛性。     

改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.     

端点误差控制刀位算法的改进

 对端点误差控制数控加工刀位算法进行了改进：采用2个端点间偏置距离代替它们的参数差值用于衡量加工带宽和进行加工误差控制，提出了一种新的采用循环迭代计算刀具旋转角度的方法，并给出了格点法对偏置方向角进行优化的过程；使得算法不受具体的曲面参数化方式影响，简化了刀具定位时计算量，刀位得到了充分的优化。利用UG二次开发技术进行的实例计算表明：设置走刀方向沿着曲面的最小主曲率方向比沿着曲面的最大主曲率方向加工带宽更宽，前者应该是该算法的最优走刀方向，而且沿着最优方向走刀的优化刀位和多点切触加工算法得到的加工刀位一致,该算法也比多点切触加工算法有更大的适应性。     

压电陶瓷驱动器的迭代学习逆补偿混合控制

由于压电驱动器具有迟滞、蠕变等非线性特征,在精密定位中存在较大的位移跟踪误差。本文对此提出了一种逆补偿和迭代学习控制算法相结合的控制方法。利用逆补偿器作为前馈,使压电陶瓷驱动器的位移跟踪误差得到一定的补偿,再利用迭代学习控制方法进行反馈,进一步减小压电驱动器的位移跟踪误差。仿真实验结果表明,该方法具有良好的控制效果,能够将驱动器的输出位移误差由37.26%减小到0.51%以内。     

一类非线性系统的D型在线学习控制

结合对初始状态的学习,给出了一类输出方程不含控制变量的时变非线性系统的D型在线学习控制算法及其收敛条件。其特点是将学习误差在线反馈,且迭代初始状态只需通过理想信号及系统的部分信息即可确定。最后,将所得结论应用于机器人系统,表明本文方法是有效的。     

星座碰撞规避的迭代学习构型保持方法CSCD

针对低轨卫星星座运行中地球引力摄动的周期特性,基于迭代学习控制(ILC)方法,提出了星座碰撞规避的迭代学习构型保持方法。该方法由反馈控制和ILC两部分构成,分别抑制卫星运行过程中的非周期摄动和周期摄动对构型保持精度的影响,进而在地球非球形引力摄动未知条件下,通过相对构型的精确保持实现对星座卫星碰撞的有效规避。仿真结果表明,在地球J摄动影响下,与传统反馈控制相比,ILC方法以更小的控制输入实现了轨道保持精度的显著提升,进而在星座卫星轨道高度相近的情形下显著降低了碰撞风险,且控制器可在保证收敛性能的前提下,实现启动时间的灵活选择。     

基于预测控制的导弹俯仰通道制导控制一体化设计

考虑制导和控制之间固有的时间尺度差异,提出基于预测控制设计制导控制一体化策略,通过对动态调节过程的合理预测,更加真实的反应控制量对系统状态的影响。利用连续时间非线性预测控制,以输出跟踪误差和控制能量的组合为性能指标,在线滚动优化得到控制指令,分析了控制律的参数选取,最后通过数值仿真验证了制导控制一体化策略的有效性。     

迭代动力缩聚法的收敛性分析

 利用Lyapunov矩阵方程和Riccati矩阵方程解的理论,对迭代动力缩聚法的收敛性进行了分析证明,并给出了迭代收敛的充分条件。揭示了动力缩聚法与经典的子空间迭代法的内在关系,阐明了各自的优缺点。迭代动力缩聚法实质上是子空间迭代法的变形,它需要人为选择主辅自由度,而子空间迭代法需要人为选定初始迭代向量。从理论上讲,只有主辅自由度选择满足收敛的充分条件要求,才能保证迭代结果收敛到理论上的精确解。给出了一个数值算例,对几种算法进行了对比,并验证了本文的论点。     

Trajectory Tracking Control for a GMM Actuator Based on a Heuristic ILC Method

A heuristic iterative learning control (ILC) method is presented and applied to the trajectory tracking control of a giant magne-tostrictive material (GMM) actuator. A GMM actuator is used as experimental equipment for micro-displacement trajectory tracking control. The advantage of the presented approach lies in quitting the model of the GMM actuator. The experimental results attest to the high efficiency of the presented method for the micro-displacement trajectory tracking control.     

迭代学习方法在PID控制器参数自动调节中的应用及收敛性分析

针对PID控制器参数在具有不确定项或输出干扰项的非线性时变系统中的调节困难,提出了应用迭代学习方法整定PID控制器参数的方法,利用系统的跟踪误差信息自动整定控制器参数,通过理论分析得到此设计方法收敛的充分条件。此方法设计简单且具有普遍性,仿真结果验证了此设计方法的有效性。