基于数据驱动的非线性网络系统自适应迭代学习控制
作者:
作者单位:

南京工业大学

作者简介:

通讯作者:

中图分类号:

TP1

基金项目:

国家自然科学基金项目(面上项目,重点项目,重大项目)


Data driven adaptive learning control of nonlinear network system
Author:
Affiliation:

Nanjing Tech University

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非线性网络控制系统中测量数据的量化及随机丢包问题,给出一种基于数据驱动的自适应迭代学 习控制算法. 该算法能够保证系统在数据量化,随机丢包,以及不确定迭代学习长度等因素的影响下,经过有 限次迭代后输出轨迹跟踪误差收敛到零. 借助伪偏导线性化方法,将非线性系统转换为线形时变系统形式. 在线 性系统框架下利用前一批次的系统输出信息更新自适应学习增益. 与传统迭代学习控制算法不同的是该算法无 需预知迭代长度的先验信息和控制系统模型信息. 最后通过Matlab 仿真实验验证所提算法的有效性.

    Abstract:

    This paper considers the problem of data driven iterative learning control (DDILC) for a class of nonaffine nonlinear systems with random iterative lengths, data quantization and random packet dropouts. Resorting to pseudopartial derivative dynamic technique, such systems fall into time varying linear form. The adaptive learning gain is updated only using the information of former iteration input and incomplete information of system output caused by random iterative lengths, data quantization and random packet dropouts. The prior information of randomly varying iteration lengths and the dynamic information of ILC systems is not required. This design guarantee the the mathematical expectation of tracking errors converge to zero as iteration increases. An illustrative example verifies the effectiveness of the proposed design.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-08-19
  • 最后修改日期:2021-03-10
  • 录用日期:2019-11-28
  • 在线发布日期:
  • 出版日期: