非线性迭代学习控制系统理论研究

关于一般非线性系统，含状态时滞系统以及部分非正则系统的结果拓宽了ILC的适用范围。给出了在干扰环境下运行的ILC系统迭代误差更为精确的渐近界估计。提出了带有初始输出误差修正的学习律在一定意义上解决了初始条件问题。开发并分析了双线性，两层以及开闭环配合学习律。给出了闭环学习律中学习增益的一种自整定算法。针对模型算法ILC和神经网络ILC，得出了平滑t1模递推辨识和神经网络学习算法。提出描述受限机器人动力学特性的非线性系统及描述选择学习方案的学习律。提出了鲁棒收敛性的概念。关于高阶部分非正则系统的讨论揭示了ILC理论的主要本质。提出了迭代学习辨识这一新的研究领域，并成功地将ILC应用于外弹道气动系数曲线的提取。完成了专著。