线性多时滞系统的开闭环PID型迭代学习控制

针对线性多时滞系统讨论了开闭环PID型迭代学习控制算法的收敛性和鲁棒性0利用λ范数和Bellman-Gronwall定理,获得了算法收敛的判定条件.仿真结果表明,这种算法是有效的.同时,从仿真实例也可看出,在收敛速度方面,开闭环算法优于开环算法.

基于2-D系统理论的D型开闭环迭代学习控制

对于具有重复运动性质的系统,迭代学习控制是一种行之有效的控制方法。开闭环迭代学习控制能同时利用系统前次运行和当前运行的信息,因而性能优于单纯的开环迭代学习控制。针对线性连续系统,设计了D(Differential)型开闭环迭代学习控制器,利用2-D(Two-Dimensional)系统理论建立系统的2-D连续—离散Roesser模型,并给出了保证控制器收敛的充分必要条件。最后通过一个仿真实例,证明了该方案的有效性。

线性时滞系统开闭环PID型迭代学习控制

针对线性时滞系统讨论了开闭环PID型迭代学习控制算法。对于初始状态函数渐近重复的情形,给出了这类系统的极限轨迹和迭代输出收敛于该极限轨迹的较弱的充分条件。仿真结果表明,这种算法是有效的。同时,从仿真实例也可看出,在收敛速度方面,开闭环算法优于开环算法。