非线性系统开闭环PID型迭代学习控制算法的鲁棒性

针对非线性时变系统的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,并证明了系统满足收敛条件时,具有开闭环PID型迭代学习律的一类非线性时变系统在动态过程存在干扰的情况下控制算法的鲁棒性问题。分析表明,系统在状态干扰、输出干扰和初态干扰有界的情况下跟踪误差有界收敛,在所有干扰渐近重复的情况下可以完全地跟踪给定的期望轨迹。

线性时变系统闭环PID型迭代学习算法的仿真分析

对闭环PID型迭代学习算法进行了收敛分析,并针对一类线性时变系统,分别运用开环和闭环PID型迭代学习算法进行了仿真研究。仿真结果表明,闭环比开环PID型迭代学习算法更能较快地跟踪期望轨迹,而且很少出现不稳定的现象,在收敛速度方面显示了该算法的优越性。

非线性系统开闭环PID型迭代学习控制的收敛性分析

针对一类参数未知非线性的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,这种迭代学习律同时利用了系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,给出了迭代学习控制算法收敛的充分性条件.分析表明,所给出的迭代学习控制律推广了现有的结果.