基于双迭代学习-交叉耦合的双轴误差控制

在双轴高精度轮廓加工中,单轴的跟踪误差和双轴间运动不协调产生的轮廓误差都会影响加工精度。文章提出了一种基于双迭代学习-交叉耦合的双轴运动控制策略,将单轴的迭代学习控制(iterative learning control,ILC)与双轴的交叉耦合控制(cross-coupled control,CCC)以及轮廓误差的ILC相结合。单轴的ILC用来改善单轴的跟踪性能,减小单轴的跟踪误差;双轴的CCC用以增加各轴之间的匹配程度,减小轮廓误差;轮廓误差的ILC可以提高轮廓的跟踪性能,进一步削减轮廓误差。仿真结果表明,双迭代学习-交叉耦合控制系统不仅能够有效降低单轴的跟踪误差,而且能显著减小轮廓误差。

基于误差迭代PI和改进重复控制的APF补偿电流控制

针对电网谐波污染日益严重的情况,为提高有源电力滤波器(APF)的稳态补偿精度和动态响应性能,从谐振控制器的角度出发,对传统重复控制进行改进,并针对控制对象优化得到最优重复控制参数。同时,为了克服重复控制延时一个周波响应的动态性能缺陷,提出了一种误差迭代比例—积分(PI)控制法,在提高系统动态响应速度的基础上尽可能保证稳态精度。最后,对重复控制的嵌入形式加以改进,通过设置指令前馈通道优化控制结构,得到了改进复合控制的优化结构,实验和仿真结果验证了所提出控制策略的准确性和有效性。

计及动态频率响应约束的高比例风电电力系统日前-日内联合调度策略

高比例风电电力系统具有转动惯量低、调频能力弱等特征,容易引发频率安全问题。现有计及频率安全约束的调度策略研究中,调频手段主要为惯性响应与一次调频,鲜见在单机故障等大功率扰动下考虑系统旋转备用与紧急功率支撑的动态响应作用。对此,在日前-日内联合调度模型中引入预想小功率扰动及大功率扰动下的系统动态频率响应约束。首先,分别构建两种预想功率扰动下的系统动态频率响应模型,采用阶梯备用等方法进行模型降阶,并进一步推导两种模型下的频率指标解析式。其次,提出计及动态频率响应约束的日前-日内联合调度架构,并分别构建日前及日内调度模型。进而,针对调度模型中最大频差约束导致的非线性问题,采用两阶段迭代方法求解。最后,开展算例分析,结果表明,所提联合调度策略能够兼顾系统运行经济性要求与频率安全性要求。

Φ-伪压缩型映象的具误差的Ishikawa和Mann迭代程序的收敛性问题

引入Φ＿ 伪压缩型映象的概念，并研究了此类映象的具误差的Ｉｓｈｉｋａｗａ 和Ｍａｎｎ 迭代程序的收敛性问题· 本文结果改进和发展了许多人的最新结果·

φ-强伪压缩映像带误差隐迭代过程的收敛性分析

在任意Banach空间讨论了有限个φ-强伪压缩映射族隐迭代过程的收敛性问题.利用φ的性质和迭代过程本身的特性,得到了具有误差的隐迭代过程收敛于公共不动点的若干结果.研究了误差项为γnun和un的隐迭代过程.

关于Φ-伪压缩型映象的具误差的Ishikawa和Mann迭代过程的收敛性问题

往Ｂａｎａｃｈ空间中．研究了多值Φ－伪压缩型映象的具误差的Ｉｓｈｉｋａｗａ和Ｍａｎｎ迭代过程的收敛 性问题，所得结果改进、发展和统一了许多人的最新结果．

φ-半压缩映象带误差的迭代逼近

在实Banach空间中研究了φ-半压缩映象带误差的Ishikawa和Mann迭代逼近问题,并且提供了更为一般的收敛率的估计.

多值φ-伪压缩映象带混合型误差的Ishikawa和Mann迭代程序的收敛性问题

引入带混合型误差的广义Ishikawa和Mann迭代程序,在不要求D是有界集的较弱条件下,在实Ba- nach空间中研究了φ-伪压缩映象不动点的带混合型误差的Ishikawa和Mann迭代程序的逼近问题,使用新的分析技巧,建立了一个强收敛定理,从而统一和发展了谷峰,Chidume等许多人的最新结果。

-半压缩映象带误差的Ishikawa迭代的稳定性

目的在任意实Banach空间中,研究非线性映象不动点迭代程序的稳定性.方法ψ-半压缩映象带误差Ishikawa序列的逼近法.结果给出了ψ-半压缩映象带误差的Ishikawa迭代序列的收敛及稳定性定理.结论改进和发展了文献[2,4～6]的相关结果.

Φ-伪压缩映象具误差的Ishikawa迭代过程

使用新的分析技巧 ,在没有条件δ =inf Φ(‖xn+1-x ‖ )‖xn+1-x ‖2 >0 ,‖ηn - ζn+1‖ → 0(n →∞ ) 和 ∑∞n =0γn <∞之下 ,研究了一致光滑Banach空间中Φ 伪压缩映象不动点的具误差的Ishikawa迭代过程的收敛性

非线性Φ-伪压缩映象不动点的具误差的迭代过程

该文的目的是要引入比重要的-强伪压缩映象更一般的Φ -伪压缩映象 ,并且在更一般的假设下 ,用具误差的 Ishikawa和 Mann迭代过程去研究这类映象不动点的迭代逼近问题 .研究结果表明 :Φ -伪压缩映象 T的一致连续性保证了在任意实 Banach空间 E中 ,Ishikawa迭代序列强收敛于 T的唯一不动点 ;进一步 ,如果 E是一致光滑的则 T的连续性是不必要的 .

广义Lipschitz Φ-增生算子的带误差项的Ishikawa迭代序列的收敛性及应用

在一致光滑Banach空间中,证明了广义LipschitzΦ-增生算子的带误差项的Ishikawa迭代序列强收敛于方程Tx=f的解,其结果改进和扩展了近期许多相关结果.并由此得出了Ishikawa迭代序列稳定性的一些结果.

含有初始误差的线性连续系统的一种迭代学习控制方法

针对线性连续系统迭代学习控制中含有固定初始误差的情形 ,利用二维系统理论给出了一种带有初始误差修正的迭代学习控制方案和这种迭代学习控制规律收敛的条件 ,并说明由此设计的迭代学习控制器简单有效 ,可实现在初始时间段以外部分对期望轨迹的完全跟踪 .

一致光滑Banach空间中φ-半压缩算子的具有混合型误差的迭代逼近问题

引入混合型Ishikawa和Mann迭代程序,在一致光滑Banach空间中研究了φ-半压缩算子的带混合误差的Ishikawa和Mann迭代的逼近问题,使用新的分析技巧,在较弱条件下,建立了几个强收敛定理,从而统一和发展了有关已有结果.

带误差项的φ-强拟增生算子方程的迭代解

设 X是一致光滑实 Banach空间 ,对足够大的正数 s,T:D(T) X→X在 D(T)∩ Bs(0 )上是有界的和φ-强拟增生算子 ,证明了 Mann和 Ishikawa迭代过程强收敛于 T的零点 。

Banach空间中φ-强增生变分包含问题解的带误差的Ishikawa迭代逼近

引入并研究了 Banach空间中 φ-强增生变分包含解的存在性 ,唯一性及带误差的 Ishikawa迭代过程收敛问题 ,所得结果改进和推广了这一领域内的一些相关结果。

q-致光滑Banach空间中带误差项的Mann迭代过程

在q(>2)一致光滑实Banach空间中,运用新的数学分析技巧,给出一类非Lipschitz及非值域有界的Φ强增生映射和Φ强伪压缩映射的带误差项Mann迭代序列的收敛定理,推广并概括了目前一些相应结果.

一致光滑Banach空间中Ф-半压缩映射具误差Mann迭代收敛定理的注释

文章在一致光滑Banach空间,获得了广义LipschitzΦ-半压缩映射带误差的Mann迭代收敛定理.该结果改进并拓广了文献[1,7,10-12]中相应的结果.

一类新的φ-强增生算子方程的带误差的Ishikawa迭代程序(英文)

设X是任一实Banach空间,H:X→X是一致连续算子,且H+T:X→X是一强增生算子,证明了,在适当条件下,带误差的Ishikawa迭代程序强收敛到方程Hx+Tx=f的唯一解,还给出了讨论一次压缩算子不动点的逼近问题的结果。

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分(PID,Proportional Integral Derivative)控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足,提出一种基于PID型迭代学习控制(ILC,Iterative Learning Control)的列车自动驾驶(ATO,Automatic Train Operation)曲线跟踪算法。通过迭代学习控制,优化跟踪过程,减小跟踪误差,缩短收敛时间;设置典型场景对所设计的算法进行仿真试验,并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明,PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度,能够在有限的迭代次数内实现精确跟踪,验证了所提算法的有效性。