非标准条件下的迭代学习控制器设计研究

针对重复运行的被控系统，采用兼具反馈与前馈作用的开闭环综合迭代学习控制结构，着重研究在各种非标准条件下迭代学习控制器的设计问题。通过分析系统的特性、各种干扰、初始状态偏移和不确定的未建模动态以及变化的期望轨迹对学习控制过程收敛性、收敛速度和跟踪性能的影响，得到保证迭代学习控制鲁棒收敛的条件，并依据收敛速度与系统模型及控制律参数的关系，将迭代学习技术与反馈控制中的鲁棒优化技术相结合，期望给出兼顾收敛速度和跟踪性能的鲁棒迭代学习控制的设计方法。将系统的结构参数化，结合变结构控制和自适应控制技术，设计系统参数学习的鲁棒迭代学习律，期望避免常规迭代学习控制的学习结果不能用于其它期望轨迹跟踪的缺陷。采用非因果的迭代学习律形式，期望改进迭代学习控制在非最小相位系统上的应用效果。旨在避免传统迭代学习控制学习律参数选择的盲目性，拓宽迭代学习控制的应用范围，加强迭代学习控制的实用性。