论文部分内容阅读
许多的工业生产过程是受输入或输出范围限制的,针对此类受限系统,本论文提出了基于数据的受限最优迭代学习控制(constrained-DDOILC)方案,论文的主要工作及创新点如下:1)对传统的受限最优迭代学习控制(OILC)方法进行了分类整理,受限范围分为输入受限、输出受限和输入输出受限三方面,同时讨论了当控制系统中存在不确定参数时所采用的控制方法。2)针对一类带输入输出约束的非线性离散时间系统提出了constrained-DDOILC控制方案,该方案不需要任何的模型信息,仅仅利用I/O数据。通过引入一种新的迭代动态线性化方法,利用二次规划的最优控制工具,考虑I/O受限条件来进行设计。由于所提方案是数据驱动的,无需建模,因而设计过程中不存在未建模动态等问题,同时可以保证被控系统的鲁棒性,本文首先提出基于Lifted的技术进行控制设计,利用控制实例对其进行了仿真验证。3)针对同样的带输入输出约束的非线性离散时间系统,把基于Lifted技术的控制方案推广到Non-lifted技术上,并进行了相应的收敛性证明和仿真验证。4)针对工业生产过程中存在的多点跟踪问题,论文提出了基于数据的受限最优点对点迭代学习控制(constrained-DDOPTPILC)方案,该方案只需利用特定点的误差信息,跟踪给定系统期望的某一个或某几个点。此种方案大大减小了计算量,减轻了产业成本,提高了工作效率。通过与传统方法的仿真对比,进一步验证了所提方法的控制有效性。