非严格重复连续时间系统的迭代学习控制方法及应用研究

For most of the existing studies on iterative learning control, the systems, desired output trajectories and other factors involved with system’s dynamics are always required to be invariant in the iteration domain, that is, they must satisfy repetitiveness assumption. Nevertheless, this assumption can not be met in the real world due to various uncertainties, disturbance and noise in practical plants at different iterations (trials). In such circumstance, the development and wide applications of iterative learning control are restricted. From the angle of relaxing the repetitiveness assumption, design and analysis of non-repetitive iterative learning controller for continuous-time systems are studied in this project covering following contents. (1) Theoretical basis of iterative learning control for non-repetitiveness continuous-time systems is established by comparing with existing research framework for discrete-time systems; especially the existence and uniqueness of desired control input for non-repetitive systems are analyzed. (2) For the systems with non-repetitive factors described by different kinds of high-order internal models, a series of design and analyzing methods for internal-model-based iterative learning control are studied. (3) For the systems with iteration-varying dynamics, learning controller based on iteration-switched mechanism is developed and rigorously analyzed. (4) Various iterative learning controllers proposed for non-repetitiveness problems are applied to coal gasification batch process control in order to verify theoretical results. The studies in this project include both theoretical analysis and specific topics for applications. Hence, this work is of significant importance for academic research and has certain merit for practical applications.

在已有的迭代学习控制研究中，大多要求被控系统和期望输出轨迹在迭代域是不变的，即满足严格重复假设。然而由于在实际系统中各种不确定性因素、扰动、噪声的存在，这种严格重复的假设无法得到满足，也就限制了迭代学习控制方法的发展和应用。本项目从放松该假设的角度出发，针对连续时间系统研究非严格重复的迭代学习控制器设计和分析，主要研究内容包括：通过和已有离散时间下的研究框架进行比较，初步建立连续时间下非严格重复系统迭代学习控制研究的理论基础，特别是分析期望控制输入的存在唯一性；针对不同高阶内模刻画的非严格重复系统，给出一套内模学习控制器的设计和分析方法；针对系统结构随迭代变化的问题，提出基于迭代切换机制的学习控制算法并给出严格的理论分析；各种针对非严格重复问题设计的迭代学习控制算法在煤造气过程控制中的仿真验证。本项目的研究既包含理论分析工作，同时也是面向实际应用的课题，具有重要的学术意义和一定的应用价值。

对于可重复运行的实际系统，在应用传统的迭代学习控制时多数情况需要假设系统是严格重复的。从实际出发，考虑系统参数、扰动、噪声等可能存在的非严格重复特性，以对这类严格重复因素在迭代域上建模和学习辨识为基础，再使用迭代学习控制方法才会取得更好的效果。本项目结合间歇式气化过程具有的重复批次运行和含有非严格重复因素的特点，对实际工业过程采集的输入输出数据进行深入挖掘，通过多种思路设计和应用迭代学习控制器以解决实际问题。. 本项目的主要研究内容包括：1）从控制输入非严格重复的角度出发设计分析具有迭代可变增益的迭代学习控制算法。2）针对参数化非严格重复系统在每次迭代中会产生不同输入输出数据，设计非严格重复参数的迭代学习辨识算法，在此基础上提出同步动态建模－迭代学习控制方法，实现基于模型的与数据驱动的迭代学习控制器间的转换。3）将切换控制算法与迭代学习控制算法相结合，设计基于迭代切换机制的学习型控制器以处理简单的系统结构动态迭代变化问题。4）对间歇式气化过程进行数据驱动建模，并将迭代学习控制方法与数据驱动控制方法结合以解决这类工业实际中的过程控制问题，利用现场采集的数据仿真说明有效性，还将所提出的研究思路推广应用到解决道路交通领域中的多个问题中。. 课题组完成了计划的研究内容，取得了一系列研究成果，获国家发明专利授权1项，发表录用相关学术论文共9篇，包括IEEE神经网络汇刊和IET Control Theory and Applications上发表SCI论文2篇。通过本项目的研究，培养了4名博士和1名硕士。此外通过课题组成员出国参会2次、邀请国外学者访问1次以及协助举办国内学术会议3次等方式加强了与国内外同行的交流和合作。本项目的研究成果丰富了迭代学习控制理论体系，为针对如间歇式气化过程的实际非严格重复迭代系统设计有效的学习控制器建立了一定的理论基础，具有一定的实际意义。