对一类非严格重复系统的两种基于二阶内模的迭代学习控制器设计

通过对系统中的不确定参数建立迭代域上的二阶内模来研究一类非线性连续时间系统的非严格重复性,并依照内模原理提出了两种基于二阶内模的参数迭代学习控制器:二阶迭代学习控制器和平行迭代学习控制器.本文分别使用不同的Lyapunov函数,证明了两种控制器在各自的可行范围内都可以保证系统的跟踪误差收敛.通过对这两种学习机制的比较分析,说明了平行迭代学习控制设计的合理性.两个数值仿真不仅证实了两种算法的有效性,也展示了平行迭代学习控制器更好的收敛特性.

非严格重复逆变器系统自抗扰学习控制

控制器中,误差是生成控制量的主要信息来源,其所含信息质量直接决定当前时刻的控制效果.本文利用误差有效值来反映周期误差能量的变化,通过设定其变化强度阈值对非严格重复信息进行选择和剔除,从而提高学习控制的信息品质.将学习控制简化为仅含有一个2N阶滤波器的单位正反馈环节,通过分析学习控制周期收敛条件,并结合逆变系统运行基波以及各次谐波频带,给出了滤波器截止频率的确定方法.抗扰环节则利用扩张状态观测器对负载电流等非严格重复扰动进行估计,并将其影响提前在控制端抵消,使得学习过程免受非严格重复的负面影响. MATLAB/Simulink仿真验证表明,该方法对抑制短时扰动造成的输出电压周期波动有良好效果,逆变器稳定性得到进一步提高.

一类复杂非线性系统的迭代学习控制算法

针对一类可重复运行的复杂非线性系统,考虑系统中未知变量的变化模式为时域-迭代域变化并满足高阶内模规律,设计一种复杂非线性系统迭代学习控制算法。当系统中还存在非严格重复规律未知的初态定位和跟踪参考轨迹时,充分利用实际系统中未知变量的已知边界条件和高阶内模规律,将最小二乘法与已知边界条件结合,解决系统中的多种非严格重复问题。研究结果表明,在系统同时具有未知控制增益和扰动的情况下,所设计的控制律能保证跟踪误差的渐近收敛,以及控制输入、状态变量和参数估计矩阵的有界性。多个仿真实例进一步验证了所设计算法的有效性。

带遗忘因子迭代学习控制最优增益研究

针对一类含非严格重复扰动的单输入单输出(SISO)离散线性时不变系统(LTI)的收敛特性最优化问题,提出带遗忘因子迭代学习控制(ILC)算法的最优控制增益设计方法。根据迭代矩阵理论和Toeplitz矩阵特性得到含非严格重复扰动的系统收敛充要条件,并运用算子理论证明收敛。根据最优化理论给出系统的单调收敛条件,求解出算法最优控制增益的精确解,得到遗忘因子与最优控制增益之间的关系式,实现系统快速收敛,从而达到改善系统收敛特性的目的。该方法改进了传统最优控制增益在带遗忘因子ILC算法中应用的不足,放宽了系统收敛条件,有效加快系统收敛速度,抑制系统输出跟踪误差波动,同时也为含非严格重复扰动的LTI系统提供了一个更优的解决方案。仿真结果验证了控制策略的有效性。

基于高阶内模的鲁棒自适应迭代学习控制

针对一类带有非严格重复的未知参数的离散时间非线性系统跟踪迭代域变化的参考轨迹问题,考虑系统中存在未知时变控制增益和时变外部扰动的情况,提出了一种鲁棒自适应迭代学习控制算法。迭代域变化的未知参数由高阶内模产生。系统中还存在迭代域任意有界变化的状态初值问题。采用设计迭代轴观测器的方法,对产生未知参数的高阶内模的基函数进行估测。严格的理论推导证明了跟踪误差在有限时间区间上沿迭代轴的渐近收敛性。多个仿真实例表明了基于高阶内模的鲁棒自适应迭代学习算法的有效性。

中医诊疗设备应该具有的特点

分析了中医症状的5个特点,提出功能检测不同于结构检测,认为中医设备应具有功能性、整体性、非严格重复性和节律性4个特点,应注重体现和改善人体的功能状态,应关注人体生物信号、新陈代谢和神经内分泌免疫调节网络的检测与改善。