输入限幅下的迭代学习控制

金 奎，孙明轩

（浙江工业大学 信息工程学院，浙江 杭州 310023）

输入限幅下的迭代学习控制

金 奎，孙明轩

（浙江工业大学 信息工程学院，浙江 杭州 310023）

基于Lyapunov-like方法，提出在有限作业区间上实现跟踪的带限幅的迭代学习控制器设计.针对含有非参数化及部分参数化不确定性的非线性系统，设计鲁棒迭代学习控制器，但该方法不要求已知不确定特性的范数界.针对参数化不确定非线性系统，设计自适应迭代学习控制器.在系统满足有界输入有界状态（BIBS）假设条件及控制输入饱和限幅作用下，统一对上述三类系统进行分析.理论分析结果表明：该方案可保证闭环系统中所有变量的有界性，并且跟踪误差能够在整个作业区间上收敛到零，实现完全跟踪.仿真验证了该算法的有效性.

迭代学习控制；输入限幅；有界输入有界状态

迭代学习控制（ILC）适于有限区间［0，T］上完成重复作业的被控对象，利用系统先前的控制经验和输出误差修正当前的控制作用，使系统在［0，T］上实现输出完全跟踪期望的控制任务［1］.二十多年来，因其能达到常规反馈控制所不能的控制品质，已越来越多地受到人们的关注.早期的迭代学习控制理论以压缩映像方法进行收敛性分析.近年来兴起的基于Lyapunov-like方法的学习控制，能有效结合其他主流控制方法.到目前为止，已发表文献大多要求非线性不确定动态特性能够被参数化.Sadegh N 和 Kuc T 等［2－3］较早引入 Lyapunov-like函数，将满足全局Lipschitz连续条件放宽为局部Lipschitz连续条件；……