基于经验模态分解算法的直驱XY平台交叉耦合迭代学习控制

在直驱XY平台系统的交叉耦合迭代学习控制(crosscoupled iterative learning control,CCILC)过程中,由于每次运行时轮廓误差的累积,会导致系统出现收敛速度降低甚至发散的现象。针对这一问题,提出一种与经验模态分解(empirical mode decomposition,EMD)算法相结合的CCILC控制方法。首先设计CCILC控制器,直接降低轮廓误差。然后,利用EMD算法分解CCILC过程中的轮廓误差,筛选并剔除其中的发散分量,提高收敛速度和轮廓精度。仿真和实验结果表明,与传统CCILC相比,所提出的控制方法能够使直驱XY平台系统的轮廓跟踪效果更好,并且使输出轨迹在较少的迭代次数下快速且精确地收敛到期望轨迹。