文章摘要
具有固定初始偏移的线性广义迭代学习控制系统的状态跟踪算法
  
DOI:
中文关键词: 线性广义系统  迭代学习控制  固定初始偏移
英文关键词: 
基金项目:
作者单位
顾盼盼 傅 勤 吴健荣  
摘要点击次数: 326
全文下载次数: 
中文摘要:
      本文研究线性广义系统存在固定初始偏移时的迭代学习控制问题. 利用矩阵奇异值分解的方法, 将广义系统转化为微分代数系统, 再根据微分代数系统的性质, 构建得到一种新的迭代学习控制算法, 该算法由部分PD型算法和部分P型算法混合而成. 利用压缩映射原理, 证明在这种学习算法的作用下, 系统的状态跟踪误差渐近收敛于零. 为消除固定初始偏移的影响, 本文进一步将初始修正策略应用到广义系统上, 并由此构建得到相应的学习算法. 证明在这种学习算法的作用下, 可实现状态轨迹在预定有限时间区间上对期望轨迹的完全跟踪, 且与初始偏移量的大小无关. 仿真算例验证了算法的有效性.
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭

请关注应用数学微信