期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
输入增益未知非参数不确定系统的准最优学习控制
1
作者
严求真
柳向斌
+1 位作者
朱胜
蔡建平
《自动化学报》
EI
CSCD
北大核心
2020年第5期1051-1060,共10页
为解决一类非参数不确定系统在任意初态且输入增益未知情形下的轨迹跟踪问题,提出准最优误差跟踪学习控制方法.该方法综合准最优控制和迭代学习控制两种技术设计控制器,在构造期望误差轨迹的基础上,根据控制Lyapunov函数及Sontag公式给...
为解决一类非参数不确定系统在任意初态且输入增益未知情形下的轨迹跟踪问题,提出准最优误差跟踪学习控制方法.该方法综合准最优控制和迭代学习控制两种技术设计控制器,在构造期望误差轨迹的基础上,根据控制Lyapunov函数及Sontag公式给出标称系统的优化控制,以鲁棒方法和学习方法相结合的策略处理非参数不确定性.闭环系统经过足够次迭代运行后,经由实现系统误差对期望误差轨迹在整个作业区间上的精确跟踪,获得系统状态对参考信号在预设的部分作业区间上的精确跟踪.仿真结果表明所设计学习系统在收敛速度方面快于非优化设计.
展开更多
关键词
准最优
非
线性控制
迭代学习控制
初值问题
误差跟踪学习控制
非参数不确定系统
下载PDF
职称材料
具有死区输入的非参数不确定系统误差跟踪迭代学习控制
2
作者
陈凯杰
施卉辉
陈强
《高技术通讯》
CAS
2022年第7期719-726,共8页
本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制(ILC)算法。首先,构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次,利用微分中值定理将非对称死区转换为线性形式,并利用径向基...
本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制(ILC)算法。首先,构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次,利用微分中值定理将非对称死区转换为线性形式,并利用径向基函数(RBF)神经网络对系统不确定性和死区参数进行估计和补偿。在此基础上,设计误差跟踪迭代学习控制器和组合自适应律,实现系统在指定区间对期望轨迹的高精度跟踪。最后,基于Lyapunov-Like理论进行稳定性分析,并通过仿真验证了本文所提方法的有效性。
展开更多
关键词
迭代学习控制(ILC)
误差跟踪
非
对称死区
组合自适应律
非参数不确定系统
下载PDF
职称材料
一类非参数不确定系统的自适应神经网络重复学习控制
3
作者
许昌源
谢树宗
陈强
《高技术通讯》
CAS
2022年第8期859-865,共7页
本文针对一类非参数不确定系统提出一种自适应神经网络重复学习控制方法。利用期望轨迹的周期特性,构造周期性期望控制输入,并设计重复学习律估计未知期望控制输入并补偿系统周期不确定,实现系统对期望轨迹的高精度跟踪。在此基础上,利...
本文针对一类非参数不确定系统提出一种自适应神经网络重复学习控制方法。利用期望轨迹的周期特性,构造周期性期望控制输入,并设计重复学习律估计未知期望控制输入并补偿系统周期不确定,实现系统对期望轨迹的高精度跟踪。在此基础上,利用神经网络估计系统未知状态和补偿非周期性不确定,进而提高系统鲁棒性。与已有的部分限幅学习律相比,本文提出的全限幅重复学习律可以保证估计值的连续性且能够被限制在指定的界内。最后,基于Lyapunov方法分析误差的收敛性能,并给出仿真结果验证了本文所提方法的有效性。
展开更多
关键词
重复学习控制
非参数不确定系统
神经网络
LYAPUNOV方法
下载PDF
职称材料
题名
输入增益未知非参数不确定系统的准最优学习控制
1
作者
严求真
柳向斌
朱胜
蔡建平
机构
浙江水利水电学院信息工程学院
北京交通大学电子信息工程学院
浙江大学城市学院信息与电气工程学院
浙江水利水电学院电气工程学院
出处
《自动化学报》
EI
CSCD
北大核心
2020年第5期1051-1060,共10页
基金
国家自然科学基金(61573322,61673050)
浙江省教育厅科研项目(Y201635861)
浙江省高等学校访问学者专业发展项目(FX2017078)资助。
文摘
为解决一类非参数不确定系统在任意初态且输入增益未知情形下的轨迹跟踪问题,提出准最优误差跟踪学习控制方法.该方法综合准最优控制和迭代学习控制两种技术设计控制器,在构造期望误差轨迹的基础上,根据控制Lyapunov函数及Sontag公式给出标称系统的优化控制,以鲁棒方法和学习方法相结合的策略处理非参数不确定性.闭环系统经过足够次迭代运行后,经由实现系统误差对期望误差轨迹在整个作业区间上的精确跟踪,获得系统状态对参考信号在预设的部分作业区间上的精确跟踪.仿真结果表明所设计学习系统在收敛速度方面快于非优化设计.
关键词
准最优
非
线性控制
迭代学习控制
初值问题
误差跟踪学习控制
非参数不确定系统
Keywords
Suboptimal nonlinear control
iterative learning control
initial condition problem
error-tracking learning control
nonparametric systems
分类号
TP13 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
具有死区输入的非参数不确定系统误差跟踪迭代学习控制
2
作者
陈凯杰
施卉辉
陈强
机构
浙江工业大学信息工程学院
出处
《高技术通讯》
CAS
2022年第7期719-726,共8页
基金
国家自然科学基金面上项目(61973274)
浙江省自然科学基金(LY17F030018)
高端装备先进感知与智能控制教育部重点实验室开放课题(GDSC202010)资助项目。
文摘
本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制(ILC)算法。首先,构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次,利用微分中值定理将非对称死区转换为线性形式,并利用径向基函数(RBF)神经网络对系统不确定性和死区参数进行估计和补偿。在此基础上,设计误差跟踪迭代学习控制器和组合自适应律,实现系统在指定区间对期望轨迹的高精度跟踪。最后,基于Lyapunov-Like理论进行稳定性分析,并通过仿真验证了本文所提方法的有效性。
关键词
迭代学习控制(ILC)
误差跟踪
非
对称死区
组合自适应律
非参数不确定系统
Keywords
iterative learning control(ILC)
error tracking
non-symmetric dead-zone
combined adaptive law
non-parametric uncertain system
分类号
TP13 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
一类非参数不确定系统的自适应神经网络重复学习控制
3
作者
许昌源
谢树宗
陈强
机构
浙江工业大学信息工程学院
出处
《高技术通讯》
CAS
2022年第8期859-865,共7页
基金
国家自然科学基金面上项目(62222315,61973274)
浙江省自然科学基金(LZ22F030007)
高端装备先进感知与智能控制教育部重点实验室开放课题(GDSC202010)资助项目。
文摘
本文针对一类非参数不确定系统提出一种自适应神经网络重复学习控制方法。利用期望轨迹的周期特性,构造周期性期望控制输入,并设计重复学习律估计未知期望控制输入并补偿系统周期不确定,实现系统对期望轨迹的高精度跟踪。在此基础上,利用神经网络估计系统未知状态和补偿非周期性不确定,进而提高系统鲁棒性。与已有的部分限幅学习律相比,本文提出的全限幅重复学习律可以保证估计值的连续性且能够被限制在指定的界内。最后,基于Lyapunov方法分析误差的收敛性能,并给出仿真结果验证了本文所提方法的有效性。
关键词
重复学习控制
非参数不确定系统
神经网络
LYAPUNOV方法
Keywords
repetitive learning control
non-parametric uncertain system
neural network
Lyapunov approach
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP13 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
输入增益未知非参数不确定系统的准最优学习控制
严求真
柳向斌
朱胜
蔡建平
《自动化学报》
EI
CSCD
北大核心
2020
0
下载PDF
职称材料
2
具有死区输入的非参数不确定系统误差跟踪迭代学习控制
陈凯杰
施卉辉
陈强
《高技术通讯》
CAS
2022
0
下载PDF
职称材料
3
一类非参数不确定系统的自适应神经网络重复学习控制
许昌源
谢树宗
陈强
《高技术通讯》
CAS
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部