迭代学习控制.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,迭代学习控制（,ILC,）的应用,某某某,延时符,目录,01,02,03,简单介绍,应用,总结,延时符,提出,人们在研究高速运动的工业机械手的控制问题时，提出了这样一个思想：不断重复一个同样轨迹的控制尝试，并以此修正控制律，可能可以得到非常好的控制效果。,Arimoto,等人于,1984,年正式提出了迭代学习控制（,iterative learning control,简称,ILC,）方法。,延迟符,数学描述,期望轨迹,输出变量,输入变量（控制量）,误差,通过对被控系统进行控制尝试，以输出信号与给定目标的偏差修正不理想的控制信号，使得系统的跟踪性能得以提高。新的控制量存入存储器，刷新旧控制量；在施加控制时，需从存储器中取出控制量。可以看到迭代学习控制算法可利用的信息要多余常规的反馈控制算法。,基本原理,实现有限区间上的完全跟踪任务，希望实现被控系统的输出零误差地完全跟踪期望轨迹,目标,具有重复运动特征的被控系统，具有较强的非线性耦合、较高的位置重复精度、难以建模和高精度轨迹跟踪控制要求的动力学系统,使用范围,勤奋务实,延时符,在倒立摆控制上的应用,在机器人中的应用,在生产机械中的应用,与其他先进控制技术的结合,延时符,在倒立摆控制上的应用,Part 1,延时符,闭环,D,型迭代学习控制,闭环,D,型迭代学习控制,01,03,04,延时符,倒立摆示意图,状态空间方程,应用效果,在机器人中的应用,Part 2,延时符,由于机器人是高度的非线性、强耦合的动力学系统，而且在许多情况下系统的动力学模型是未知的，或者不是完全己知的，因此利用传统的控制理论很难实现对机器人的高精度跟踪控制。近年来，迭代学习控制理论由于在不精确已知受控对象动力学特性的情形下具有综合结构简单、在线计算量小等特点，因此受到了控制界的广泛关注，人们针对各种机器人系统的跟踪控制提出了相应的有效算法。,针对单自由度机器人这样一类非线性时变系统讨论一种同时利用比例和微分作用的开闭环,PD,型迭代学习律。,开闭环,PD,型迭代学习控制,状态空间方程,开闭环,PD,型迭代学习误差曲线,应用效果,应用效果,采用开闭环,P,型学习律的输出曲线,采用开闭环,PD,型学习律的的输出曲线,在生产机械中的应用,Part 3,延时符,在生产机械中的应用,在机械压力机滑块位置控制中的应用：,压力机气动系统具有很强的非线性和时滞性，且很难建立精确的数学模型，而压力机滑块位置的调整具有反复性，因此适合采用迭代学习法进行控制，采用适当的迭代算法控制滑块停止位置，可以减少调整次数，提高定位精度。,强化优势,自我补课,延时符,在丝杆运动误差控制中的应用：,迭代学习控制策略结构与算法简单，參数便于确定，容易实现，不需要对误差进行显式建模，通过学习既能对丝杠运动误差进行预报，又能获取丝杠运动误差特性缓慢变化的信息，从而始终保持良好的运动误差补偿性能。,在生产机械中的应用,强化优势,在新型超细粉碎机生产过程中的应用,针对粉碎机生产过程，分析了磨机生产工况变化造成的负荷特性的非线性，提出将模糊控制与迭代学习控制相结合用于这一生产过程的控制方法，它克服了常规,PID,控制中难以适应负荷特性的非线性，不能及时克服系统扰动等缺陷。实验表明，系统的稳态精度和动态性能都得到了改善。,在注塑机控制中的应用,最优迭代学习控制应用于注塑机这样存在干扰和具有不确定初始设定值的场合，可以使系统达到较好的鲁棒性，并且保证系统的收敛性，从而使系统取得较好的效果,。,延时符,与其他先进控制技术的结合,Part 4,延时符,管理指导,与最优化原则相结合,与模糊控制相结合,迭代学习控制主要问题之一是鲁棒性问题，即实际动态过程中存在着各种不确定的扰动、偏差。,由于被控过程的非线性、高阶次、时变性以及随机干扰等因素，造成模糊控制规则或者粗糙或者不完善，而且模糊控制规则是基于人为经验，更决定其存在不完善的地方，这些都会不同程度地影响控制结果。,将迭代学习控制及模糊控制相结合以弥补相结合，既提高了鲁棒性又保证了精度。,加快迭代学习的学习速度一直是人们追寻的目标，为了使收敛速率最高，人们运用最优方法寻找最优学习律，将最优控制与迭代学习控制相结合，具有加快学习速度，提高鲁棒性等优点。,延时符,管理指导,与滑模变结构控制相结合,与神经网络控制相结合,迭代学习神经网络对非线性系统的控制可使未知的非线性特性能被线性参数化渐近仿真模型描述出来。对照早期的全球网络或本地网络，例如,RBF,神经网络在规定空间内分布的神经元，给出了一个独立的神经网络在时间轴上的轨迹。因而，通过迭代学习控制，轨迹上的每一点的跟踪性能通过多次跟踪相同轨迹能得到改善。且在设计中，每一个本地神经系统网络的学习是独立的。这种结构，使部分学习变成可能。在很多情况中部分学习是非常有用的。,变结构控制可以保证控制系统在时间轴方向的收敛性，对系统参数和外部扰动的不变性是其突出的优点，而它的一个明显的缺点是系统存在颤抖。这一明显缺点是由于采用不连续切换控制规律，系统状态会产生高频颤动，颤动的出现是变结构控制应用中的突出障碍，它将影响控制的精确性，因此系统的精度不高。因此考虑把迭代学习和滑模变结构控制方法二者结合起来，设计出一种新的控制方法，使二者充分发挥各自的优点，抑制缺点，使系统控制既保持较高的精度，又具有较强的鲁棒性。,延时符,总结,延迟符,迭代学习的优点：,可以保证控制系统在重复运行方向的收敛性，算法非常简单，精度很高，可以达到以任意精度跟踪给定。,迭代学习的缺点：,主要问题之一是鲁棒性问题，虽然已从理论上严格地证明了稳定的充分性条件，但条件与动态过程参数有关，且实际动态过程中 存在着各种不确定的扰动、偏差。,谢谢大家,延时符,