【技术实现步骤摘要】
一种基于误差自适应调节的迭代学习控制方法及介质
[0001]本专利技术涉及自动控制
,特别是关于一种基于误差自适应调节的迭代学习控制方法及计算机可读存储介质
。
技术介绍
[0002]大多数传统控制方法是时域上的控制方法,无法利用重复运行系统的历史信息,因而其控制精度有限,难以随着重复的进行而提高
。
迭代学习控制能赋予系统从历史运行数据中学习的能力,可以补偿未建模动态和延迟,对系统建模要求不高
。
随着系统的重复,迭代学习控制可以迭代的调整系统输入,从而提高运行性能
。
[0003]在现实中,系统运行次数不可能是无限的,所以通过较少次数的迭代以实现高精度跟踪便是迭代学习控制的重要性质之一,换言之,迭代学习控制需要有较快的收敛速度
。
在重复运行过程中,某些时刻上的误差很大,其收敛需要更多的迭代次数,成为迭代学习控制系统的短板,严重拖累系统的整体性能
。
[0004]然而,目前的迭代学习控制方法,例如经典的
P
型
(
比例型
)
控制算法,只能等待系统运行更多次数,这浪费了时间和系统资源
。
因此,需要一种提高迭代学习控制的整体收敛速度的方法
。
技术实现思路
[0005]针对上述问题,本申请的目的是提供一种基于误差自适应调节的迭代学习控制方法及计算机可读存储介质,用于加速迭代学习控制的收敛,使用更少次数实现迭代学习控制系统的高精度跟踪 ...
【技术保护点】
【技术特征摘要】
1.
一种基于误差自适应调节的迭代学习控制方法,其特征在于,所述方法包括:
S1
,针对被控系统,设置所述控制系统的目标跟踪轨迹;
S2
,设置迭代学习控制增益矩阵;
S3
,获取当前迭代批次的状态变量,以及当前迭代批次的系统输入,由所述被控系统运行得到当前迭代批次中各个离散时间点的系统输出;
S4
,根据所述当前迭代批次中各个离散时间点的系统输出和所述被控系统的目标跟踪轨迹,计算所述当前迭代批次各个离散时间点的系统跟踪误差,并根据所述迭代学习控制增益矩阵计算各个所述系统跟踪误差对应的权重;
S5
,根据当前迭代批次各个离散时间点的系统跟踪误差及其权重,以及当前迭代批次的输入,更新下一迭代批次的系统输入;
S6
,返回
S2
继续执行,直至当前迭代批次的每一个离散时间点的系统跟踪误差达到预期的精度
。2.
根据权利要求1所述的基于误差自适应调节的迭代学习控制方法,其特征在于,所述被控系统,具体描述为:其中,
t
为每一迭代批次中各个离散时间点的运行时刻;
N
为离散时间点的运行长度;
k
为迭代批次的序号,为非负整数;分别为所述被控系统的状态变量
、
系统输入和系统输出;
A(t),B(t),C(t)
分别为被控系统在时刻的状态矩阵
、
输入矩阵和输出矩阵;在所述
S1
中,设置所述被控系统的目标跟踪轨迹为
y
d
(t),t
=
1,2,...,N。3.
根据权利要求2所述的基于误差自适应调节的迭代学习控制方法,其特征在于,在所述
S2
中,按照下列条件
a
设置迭代学习控制增益矩阵;条件
a
具体表述为:存在一个正定矩阵
Θ
使得
L
=
Θ
‑1H
T
,其中,其中,其中是迭代学习控制增益矩阵
。4.
根据权利要求3所述的基于误差自适应调节的迭代学习控制方法,其特征在于,在所述
S4
中,计算公式如下:第
k
次迭代的系统输出
y
k
(t)
,
t∈{1,2,
…
,N}
;第
k
次迭代的系统跟踪误差
e
k
(t)
=
y
k
(t)
‑
y
d
(t)
,
t∈{1,2,
…
,N}
;第
k
次迭代的权重为计算方式为
:
其中
W
k,t
(i)
是对角矩阵
W
k,t
的第
i
个对角元,
d
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。