非线性动力学系统开闭环D型迭代学习控制器设计及其应用

对迭代学习控制算法进行了研究，针对非线性动力学模型，提出一种开闭环D型迭代学习律，给出了迭代学习控制算法收敛的充分性条件。计算机仿真结果表明，该方法具有优良的跟踪精度，可以用于机器人高精度轨迹控制。     

受限状态下的高速列车迭代学习控制方法研究

针对受限状态下的高速列车自动驾驶系统的跟踪控制问题,基于列车动力学模型,提出一种带饱和函数的迭代学习控制算法。根据Lyapunov稳定性原理,利用列车运行过程中的状态偏差,推导出基于迭代学习控制的列车自动运行控制律。建立类Lyapunov的复合能量函数,通过在迭代域的差分,证明了其差分负定性和有界性,所设计的算法能够控制列车在迭代域对期望运行轨迹达到渐近收敛。采用本文提出的迭代学习控制算法对列车的跟踪性能进行验证,并与PID控制和D型迭代学习控制算法进行比较,结果表明:相较于其他两种算法,本文提出的算法在第3次迭代中就能控制列车精确跟踪期望轨迹,说明算法具有较快的收敛速度和较高的跟踪精度,且能够将控制输入约束在允许范围内。     

高速列车曲线通过迭代学习半主动控制研究

高速列车通过曲线时,车辆动力学性能恶化。为改善高速列车通过不同曲线的动力学性能,研究了抗蛇形减振器半主动控制对高速列车曲线通过时动力学性能的影响。根据列车运行具有重复性等特点,结合大数据,设计了PD型迭代学习控制算法,并进行控制算法和多体动力学软件的半主动控制仿真,将结果与无控制的仿真结果进行对比。结果显示:经过10次迭代控制后,列车过曲线时的平稳性指标、脱轨系数、轮重减载率、轮轨横向力指标都有所改善。     

基于数据驱动的列车智能驾驶算法研究

结合数据驱动控制理论和司机驾驶经验,提出数据驱动推理控制算法.考虑到列车运行控制的复杂性,在推理控制算法的基础上引入了牛顿迭代学习法以减小运行误差.在MATLAB环境构建了在线仿真模型,并运用实际线路进行了仿真比较,与PID控制算法的结果对比表明,该算法优于PID控制算法,基本符合驾驶经验,提高了舒适度、降低了能耗,同时满足停车精度和运行时间要求.     

非线性系统开闭环PD型迭代学习控制及其在机器人中的应用

针对一类非线性时变系统的迭代学习控制问题提出了一种开闭环PD型迭代学习控制律.这种迭代律同时利用系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,即在开环迭代学习控制的基础上引入一反馈环形成反馈-前馈迭代学习控制律,提高系统的跟踪性能.文中给出了使此迭代学习算法收敛的充分条件和必要条件.最后,本文结果在机器人系统中的仿真应用表明了本文方法的可行性和有效性.     

非线性动力学系统的闭环模糊迭代学习控制器设计

结合模糊逻辑和迭代学习控制的基本思想,针对非线性动力学模型,设计一种闭环模糊迭代学习控制器;计算机仿真结果表明,该方法具有良好的鲁棒性,可用于机器人高精度轨迹控制.     

列车自动运行迭代学习控制算法的研究

针对列车自动运行系统,提出了新的迭代学习控制方案.为避免列车超速引发制动停车,在迭代初期设置低于计划速度曲线的期望轨迹,随着迭代次数增加,控制精度与稳定性逐渐提高,设置的期望轨迹将快速接近并保持为计划速度曲线,实现控制目标.在学习律中引入期望轨迹变化信息,实现变轨迹路径跟踪的迭代学习控制.仿真结果表明,该迭代学习控制方案能够实现变期望轨迹的跟踪,具有很快的学习速度与良好的控制性能,能够有效避免迭代初期列车速度波动导致超速紧急制动.     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足，提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制，优化跟踪过程，减小跟踪误差，缩短收敛时间；设置典型场景对所设计的算法进行仿真试验，并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明，PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度，能够在有限的迭代次数内实现精确跟踪，验证了所提算法的有效性。     

非线性系统开闭环PD型迭代学习控制及其在机器人中的应用

针对一类非线性时变系统的迭代学习控制问题提出了一种开闭环PD型迭代学习控制律，这种迭代律同时利用系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用，即在开环迭代学习控制的基础上引入一反馈环形成反馈－前馈迭代学习控制律，提高系统的跟踪性能，文中给出了使此迭代学习算法收敛的充分条件和必要条件，最后，本文结果在机器人系统中的仿真应用表明了本文方法的可行性和有效性。     

非线性动力学系统的闭环模糊迭代学习控制器设计

结合模糊逻辑和迭代学习控制的基本思想，针对非线性动力学模型，设计一种闭环模糊迭代学习控制器；计算机仿真结果表明，该方法具有良好的鲁棒性，可用于机器人高精度轨迹控制．