高相对阶连续时间系统的间接迭代学习控制

本文提出了一类高相对阶线性连续时间系统的间接迭代学习控制算法,该算法相对独立于系统局部控制器,因此可以应用于已有局部反馈控制器的系统.采用具有极点配置的H∞鲁棒控制器作为系统的内环控制,而在外环通过迭代学习控制调整内环系统的指令信号.通过引入拉氏变化,构建了迭代学习系统的2-D Roesser模型,推导了系统渐近收敛条件,并研究了存在有界初始条件偏移和迭代变化外部干扰时算法的鲁棒性能.最后,利用空中加油对接控制的算例进一步验证了算法的有效性.

基于迭代策略的自适应ADRC磁轴承控制仿真

针对磁悬浮轴承位置控制过程中存在非线性耦合、内外部扰动不确定性的问题,提出了一种基于自抗扰控制的四自由度磁轴承迭代学习控制策略。首先依据四自由度磁悬浮轴承系统模型搭建自抗扰控制器,其次将估计的总扰动通过间接迭代控制在线调整扩张状态观测器的带宽,实现不同增益下观测器参数的自适应整定。Simulink仿真实验数据表明:系统约在0.14 s处达到稳定,加入干扰后约0.05 s恢复稳定;基于迭代控制的自适应ADRC四自由度磁悬浮轴承控制性能好,同时调节速度快,具有较强的抗干扰能力。经比例-微分型间接迭代学习控制律在线更新带宽后,超调量小且跟踪目标误差积分性能指标小。

基于间接迭代-热辐射边界处理新算法的典型MTPS结构缝隙热短路效应研究

针对一般热传导中的非线性辐射边界条件问题,运用线性有限元热传导分析手段,提出了一种简单的间接迭代方法(Indirect Iteration Method,IIM),通过引入松弛因子改善其数值稳定性,并编制了相应的分析计算程序.建立了一系列不同缝隙尺寸、不同涂层辐射率的典型MTPS蜂窝夹芯结构的热短路网格模型,采用上述IIM方法分析了各中网格模型稳态温度场分布.探讨了缝隙和涂层辐射率对热短路效应的影响,结果表明考虑热短路效应MTPS的结构动力学特性会发生改变,建议金属热防护系统设计时应将隔热板之间的间隙控制在3mm以内.

BLUP中混合模型方程组的间接解法

混合模型方程组间接迭代法可以省去建立混合模型方程组的繁杂过程,而直接根据观察值数据文件和系谱文件进行迭代求解,因而计算速度很快,编程方法也非常简单。本文用直观的事例详述了混合模型方程组的Gauss-Seidel间接解法,使该方法更容易被领会。

内模强化学习型模型预测控制及其在人工胰脏上的应用(英文)

在学习型模型预测控制的框架里,迭代学习控制器被用来更新模型预测控制器的设定点.在已经发表的研究成果里,学习型模型预测控制用到的是比例型的学习率,这种学习率的学习能力有限,而且怎样设计学习增益仍然是一个开放性问题.在本文中,基于内模控制理论提出的PID型的迭代学习控制器被用来更新模型预测控制器的设定点.为了方便起见,本文提出的结合算法可称为内模强化学习型模型预测控制.本文提出的算法应用在1型糖尿病人的人工胰脏闭环控制上.仿真结果显示,本算法对比于比例学习型模型预测控制可以达到更好的收敛性能,而且对非重复干扰有很好的鲁棒性.