基于知识增强和重复学习的高效率自适应控制方法技术

本发明专利技术涉及自适应控制领域，具体涉及一种基于知识增强和重复学习的高效率自适应控制方法，包括以下步骤：S1.建立实际电机系统的数学模型；S2.判断所建立的数学模型的系统参数的类型；S3.根据系统参数的类型对所研究的实际电机系统建立自适应控制模式；S4.根据所建立的自适应控制模式对所研究的实际电机系统进行控制。本发明专利技术所提出的基于知识增强和重复学习的高效率自适应控制方法，通过判断所研究的实际电机系统的参数类型来建立自适应控制模式，所建立的控制模式不需要相同初始状态和相同参考轨迹的条件，并且能够充分利用测量的状态和已知的过程信息来增强对混合参数不确定性的实际电机系统的控制性能。

Efficient adaptive control method based on knowledge enhancement and repetitive learning

The present invention relates to the field of adaptive control, in particular relates to a high efficiency adaptive knowledge enhancement and repetitive learning control method based on S1., which comprises the following steps: establishing mathematical model of the actual system; type system parameter mathematical model is established by the S2. judge S3.; according to the type of system parameters to establish adaptive control mode of actual motor system study on the S4. according to the established; adaptive control mode to control the actual motor of the system. Efficient adaptive knowledge enhancement and repetitive learning control method based on the parameter type, the actual motor system by judging the study to establish the adaptive control mode, the control mode does not require the same initial state and the same reference trajectory, and can make full use of the state and known to process information measurement enhance the control performance of the actual system of mixing parameters uncertainties.

【技术实现步骤摘要】
基于知识增强和重复学习的高效率自适应控制方法
本专利技术涉及自适应控制领域，具体涉及一种基于知识增强和重复学习的高效率自适应控制方法。
技术介绍
迭代学习控制(ILC)(Arimoto等人，1984)最初是从机器人领域提出的，因为工业机构通常用于执行重复性任务。在这种情况下，ILC方法可以根据先前操作的误差信息来改进控制性能，已经在广泛的实际应用中进行了探讨，例如在精确运动系统(Tan等人，2001)、工业批量过程(Lee和Lee，2007)、高速交通控制(Hou等人，2007；Sun等人，2013)、列车轨迹跟踪(Hou等人，2011)和不确定的机器人系统(Tayebi，2004；Choi和Lee，2000)中均实现了较好的控制。最初提出的ILC方法利用一类PID型算法(Arimoto等人，1984；Tan等人，2001；Lee和Lee，2007；Hou等人，2007；Sun等人，2013；Hou等人)。PID-ILC方法可以直接应用于非线性不确定系统，因为它们需要很少的过程知识。在这个意义上，PID-ILC方法可以被称为“数据驱动控制”方法(Hou和Wang，2013)，由于难以本文档来自技高网...

【技术保护点】
基于知识增强和重复学习的高效率自适应控制方法，其特征在于，包括以下步骤：S1.建立实际电机系统的参数化数学模型；S2.判断所建立的数学模型的系统参数的类型；S3.根据系统参数的类型对所研究的实际电机系统建立自适应控制模式；S4.根据所建立的自适应控制模式对所研究的实际电机系统进行控制。

【技术特征摘要】
1.基于知识增强和重复学习的高效率自适应控制方法，其特征在于，包括以下步骤：S1.建立实际电机系统的参数化数学模型；S2.判断所建立的数学模型的系统参数的类型；S3.根据系统参数的类型对所研究的实际电机系统建立自适应控制模式；S4.根据所建立的自适应控制模式对所研究的实际电机系统进行控制。2.根据权利要求1所述的基于知识增强和重复学习的高效率自适应控制方法，其特征在于，在步骤S1中还包括如下步骤：如果所建立的数学模型是连续时间模型，需要将连续的时间模型进行离散化；如果所建立的数学模型如果是离散时间模型，则直接进行步骤S2。3.根据权利要求1所述的基于知识增强和重复学习的高效率自适应控制方法，其特征在于，步骤S2中系统参数的类型包括时变系统参数模型、时不变系统参数模型和混合系统参数模型。4.根据权利要求3所述的基于知识增强和重复学习的高效率自适应控制方法，其特征在于，步骤S3中对所研究的实际电机系统建立自适应控制过程时，先假设其通用数学模型为其中xn(k)∈R和un(k)∈R分别表示实际电机系统的状态和输入；和表示已知的非线性函数；是未知的时变参数向量；是时不变的；m1、m2分别与实际电机系统的时变参数和常参数的数量相对应；b(k)是未知的时变输入增益；k∈{0,Λ,T}，T是有限时间间隔的终点；n＝1,2,Λ表示迭代次数；跟踪误差为en(k)＝xr,n(k)-xn(k)；并且该数学模型满足以下假设：(1)函数和满足线性增长条件，即，其中，0<p1<∞，0<p2<∞；0<c1<∞，0<c1<∞；(2)对所有k∈{0,Λ,T}和迭代次数n，未知时变参数θ0(k)、目标轨迹xr,n(k)和初始状态值xn(0)均一致有界；(3)对所有的k∈{0,1,ΛT}，b(k)是正的(或负的)、非奇异的和有界的，并且0＜bmin≤b(k)≤bmax，其中bmin和bmax分别是b(k)已知的上限和下限。5.根据权利要求4所述的基于知识增强和重复学习的高效率自适应控制方法，其特征在于，对应步骤S2中的时变系统参数模型，通用数学模型简化为xn(k+1)＝θ0(k)ξ0(xn(k))+b(k)un(k)其中ξ0(xn(k))∈Rm表示已知的非线性函数；θ0(k)∈R1×m是未知的时变参数向量；m表示实际电机系统的时变参数的数量。则步骤S3中的自适应控制模式为：

【专利技术属性】
技术研发人员：池荣虎，孙玉梅，姚文龙，梁浩，苏凤，
申请(专利权)人：青岛科技大学，烟台南山学院，
类型：发明
国别省市：山东,37