[发明专利]一种基于动态控制器的迭代学习控制方法

说明书

本发明提出了一种基于动态控制器的迭代学习控制方法，属于控制科学与工程领域。对于一般的非线性差分系统，作者首先给出了一种迭代学习动态控制器的构造方法，然后根据梯度下降法对控制器动态增益进行估计并得出动态增益估计表达式。由于受控系统的精确模型比较复杂或者是未知的，我们无法求得控制器动态增益估计表达式中系统伪偏导数(PPD)的真实值，我们提取伪梯度(PG)估计表达式当中PPD的估计值进行数值代替。这样就生了一个可以运行的无模型迭代学习控制算法。最后，举例说明了本算法在非线性系统和抓放机器人系统当中的数值仿真是有效的。因此这个算法可应用到一般的(未知的)非线性差分系统当中去。

技术领域

本发明涉及迭代学习控制技术领域，尤其涉及一种基于动态控制器的迭代学习控制方法。

背景技术

迭代学习是被控系统在有限时间区间不断吸取先前经验进行重复学习的一种控制方法。可以理解为：在被控系统进行第i次操作的时候，控制器把第(i-1)次及其之前的输入数据，输出数据和误差利用起来，使被控系统在第i次操作当中获得比较好的执行效果。按照这样的方法不断地进行控制器修正，从而使被控系统走向期望的轨迹。

我们知道，为了能够有效的控制被控系统，就必须对控制器进行合理的设计。过去三十年来，迭代学习控制取得了丰富的成果，我们就从控制器的角度来说明已有的迭代学习算法。线性系统作为最基本的系统模型，其迭代学习理论自提出伊始就得到发展和丰富，如：对于简单的可以重复的连续(或离散)线性时变系统。已经有诸如P型，D型，PI型，PD型，PID型等类型的PID型迭代学习控制器,此外还有比较普遍的高阶控制器，反馈-前馈控制器等。这些控制器的显著特色是借助于先前输入数据和误差数据来完成控制器的更新过程。对于非线性系统。例如仿射非线性系统也有着成熟的PID型,高阶控制器等类型的迭代学习控制器，也有从仿射系统本身出发借助于已有数据而设计的迭代学习控制器(参考非专利文献2：Li X D,Xiao T F,Zheng H X.Brief paper-Adaptive discrete-time iterativelearning control for non-linear multiple input multiple output systems withiteration-varying initial error and reference trajectory[J].Iet ControlTheoryApplications，2011,5(9):1131-1139.)。对于非仿射非线性系统，控制器的类型不多，但也有着类似的P型，反馈-前馈型等迭代学习控制器。由此我们可以知道，除过特殊的控制器类型，如神经网络控制器，大多数的控制器都是由先前数据组合来完成控制器的更新过程的。

因此，如何有效的利用更多的先前数据来设计非线性系统的迭代学习控制器，并且所设计的控制器能够很好地反映受控系统的(数据)模型特征以使其具有更强的适应性，是我们亟待要解决的问题。

发明内容

本发明提供了一种基于动态控制器的迭代学习控制方法，包括依次执行以下步骤：

步骤1：建立非线性差分系统的动态线性化模型,在这个模型的基础上设计迭代学习控制器，并给出控制器动态增益的更新法则；

步骤2：在系统动态线性化模型的基础上给出其伪梯度PG的估计值表达式；

步骤3：从伪梯度PG的估计表达式当中提取伪偏导数PPD的估计值来代替控制器动态增益更新法则中真实值，设计迭代学习控制方案。

上述一种基于动态控制器的迭代学习控制方法的步骤1中，系统的动态线性化和动态控制器设计如下：

第一步骤，受控系统的数学模型：

假设所要进行迭代学习控制的受控系统具有如下非线性差分方程模型：