死区非线性输入系统的自适应迭代学习控制

针对一类含有非对称死区输入和任意初态的非线性系统,本文提出了一种实现有限作业区间跟踪控制的神经网络迭代学习控制(ILC)算法。构造新的修正函数形式设计校正参考轨迹,放宽了迭代学习控制初值一致要求。利用径向基函数(RBF)神经网络估计和补偿系统的不确定性及死区参数,从而设计迭代学习控制器。引入一级数收敛序列用于处理重构误差对系统跟踪性能的影响,并给出了未知参数的微分-差分学习律。理论分析表明,该控制器能够实现系统状态在预指定作业区间上对参考轨迹的零误差跟踪。最后的仿真结果验证了所提控制算法的有效性。