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

• 作者: 傅勤 吴健荣 顾盼盼
• 来源期刊: 应用数学
• 学科: 工学
• 关键词: 线性广义系统 迭代学习控制 固定初始偏移
• 年，卷（期）: 2017,（1）
• 页码范围: 8-15
• 页数: 8页
• 分类号: TP13
• 字数: 3998字
• 语种: 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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅勤	苏州科技大学数理学院	67	149	7.0	10.0
2	吴健荣	苏州科技大学数理学院	58	88	5.0	7.0
3	顾盼盼	苏州科技大学数理学院	1	10	1.0	1.0