一类非参数不确定运动系统的自适应空间重复学习控制

针对一类在空间区间内重复运行的非参数不确定运动系统,本文提出一种基于李雅普诺夫方法的自适应空间重复学习控制(SRLC)策略。首先,引入空间微分算子将系统从时间域转换到空间域形式,并将系统非参数不确定性划分为空间周期不确定和非周期不确定两部分。其次,设计全饱和空间重复学习律估计和补偿空间周期非参数不确定部分,同时保证被估计值的连续性和有界性。此外,将非周期不确定部分转换为参数化不确定形式,并设计其上界参数的空间自适应更新律用以补偿系统非周期不确定。最后,设计控制器确保系统输出能够精确跟踪空间周期性期望信号。仿真结果验证了所提方法的有效性。

全柔性空间机器人运动振动一体化输入受限重复学习控制

探究基座、臂、关节全柔性影响下空间机器人动力学模拟、运动控制及基座、臂、关节三重柔性振动主动抑制的问题,设计了不基于系统模型信息的运动振动一体化输入受限重复学习控制算法.将柔性基座与关节等效为线性弹簧与扭转弹簧,柔性臂视为欧拉-伯努利梁模型,利用拉格朗日方程与假设模态法建立动力学模型,然后,用奇异摄动理论将模型分解为包含刚性变量与臂柔性振动的慢变子系统,包含基座、关节柔性振动的快变子系统,并分别设计相应的子控制器,构成了带关节柔性补偿的一体化控制算法.针对慢变子系统,提出输入受限重复学习控制算法,由双曲正切函数,饱和函数与重复学习项构成,双曲正切函数与饱和函数实现输入力矩受限要求,重复学习项补偿周期性系统误差,以完成对基座姿态、关节铰周期轨迹的渐进稳定追踪.然而,为了同时抑制慢变子系统臂的柔性振动,运用虚拟力的概念,构造同时反映臂柔性振动与系统刚性运动的混合轨迹,提出了基于虚拟力概念的输入受限重复学习控制器,保证基座、关节轨迹精确追踪的同时,对臂的柔性振动主动抑制.针对快变子系统,采用线性二次最优控制算法抑制基座与关节的柔性振动.仿真结果表明:控制器适用于一般柔性非线性系统,满足输入力矩受限要求,实现对周期信号的高精度追踪,有效抑制基座、臂、关节的柔性振动,证实算法的可行性.

基于输出信息的空间互联系统迭代学习控制

针对一类具有周期性互联特性的状态不可测空间互联系统,提出了一种基于输出信息的有限频域迭代学习控制算法.通过对多个子系统耦合的离散空间模型变量的提升,将二维空间互联系统转化为一维等效模型.进而利用输出信息构建迭代学习控制律,将被控系统转换为等价的重复过程模型,然后基于广义KYP引理,将保证离散重复过程在不同频率区间内沿批次稳定和跟踪误差单调渐近收敛的性能指标条件转化为线性矩阵不等式.最后通过有源梯形电路的控制仿真验证了本文所提算法的有效性.