目标轨迹更新的点到点鲁棒迭代学习控制

为了获得更快的算法收敛速度,提出易于操作的插值法来更新目标轨迹.该方法易于选择参数,有更好的泛化性能并为控制算法的设计提供灵活性.采用有更广泛收敛域、能够更好地抵消噪声影响的P型闭环迭代学习控制.对于有初始状态扰动的情况,新算法结合了P型闭环迭代学习控制与插值法轨迹更新,收敛性和鲁棒性得到理论证明.数值仿真验证了新算法比固定目标轨迹算法和P型开环迭代学习控制更有优势.