大系统的非重复性迭代学习控制研究

针对大工业过程的稳态递阶优化进程，研究有效改善系统暂态品质的非重复性迭代学习控制策略。主要研究学习控制律在Lesbegue－P范数意义下的收敛性条件，从理论上解决控制律有效性的跟踪误差度量问题，统一和发展前人研究的各种度量意义下的收敛性问题；理论分析非重复性迭代学习控制律关于（子）系统的高维性，非线性性和关联性对学习算法收敛性的影响和消除途径；研究系统多次运行信息的综合技术；借鉴系统现有的动态和稳态信息，研究基于模糊规则和专家系统的优化调整学习增益方法。本项目针对大工业过程控制中的实际问题，进行应用基础理论性研究，理论分析控制策略的收敛性，数字仿真和实验验证控制策略的可行性和有效性。研究成果将解决大工业过程稳态优化进程中的动态优化问题，使得已有的一些优良的稳态优化策略能真正付诸实施。项目研究具有重要的理论价值和广阔的应用前景,研究将填补该领域的国际空白。