2-D系统理论在开闭环迭代学习控制中的应用

将 2 - D线性离散系统理论应用于开闭环迭代学习控制中 ,设计出一种新型的迭代学习控制方案 ,给出并证明了其控制律及收敛条件。仿真结果表明 ,据此设计出的迭代学习控制器不仅保持了以往开闭环迭代学习控制的优点 。

考虑干扰的交通子区模糊迭代学习边界控制

针对固定增益迭代学习控制器跟踪交通子区内期望累计车辆数n^(*)的速度较慢,迭代次数过多的问题,并考虑到实际交通子区内存在的干扰对其运行状态的影响,建立了含有干扰项的交通流模型并对其进行离散化。采用开闭环比例微分(proportion differentiation,PD)型模糊迭代学习控制器,根据研究子区实际路网内的累计车辆数与期望累计车辆数n^(*)的误差及其变化率对开闭环PD型迭代学习控制器的迭代学习增益和反馈增益进行调整,使交通子区内的实际累计车辆数可以较快速地跟踪期望累计车辆数n^(*),并对开闭环PD型模糊迭代学习控制器的收敛性进行严格证明。通过对轻度和中度干扰影响下的交通子区进行仿真,结果显示,对比固定增益迭代学习控制器,开闭环PD型模糊迭代学习控制器的误差收敛速度分别提高24%和31%,平均排队长度分别减少24.52%和16.55%,平均延误分别减少21.63%和19.23%,平均停车次数分别减少23.68%和10.77%。

异构双腿机器人结构建模与迭代学习控制仿真

异构双腿行走机器人(BRHL)是一种全新的类人机器人模式。首先阐述了BRHL的概念及研究意义。基于分割建模思想,推导出BRHL运动学、动力学方程。针对高阶微分代数方程组动力学正解问题,提出了一种带误差反馈控制的预估-校正数值积分方法。最后探讨了BRHL的控制方法并进行了仿真计算。结果表明,一阶P型开闭环学习控制能够很好实现仿生腿对人工腿步态的跟踪。