一、基于未知高频增益的非线性系统自适应迭代学习控制（论文文献综述）
冯利军[1]（2021）在《阀控伺服系统的非线性模型和控制技术研究》文中认为阀控伺服系统具有功率密度大、响应速度快、抗冲击能力强等特点,在航空、军事及民用工业等各个领域广泛使用。尽管近年来机电伺服系统的性能得到了显着提升,但是在材料试验机、负载模拟器等一些大功率系统中,阀控伺服系统仍起着不可替代的作用。随着我国装备制造业水平的不断提高,对阀控伺服系统的性能提出了愈来愈加苛刻的要求,同时也促进了阀控伺服系统的理论研究发展。通过对已有文献进行归纳和整理可知,阀控伺服系统的模型非线性是制约其性能提升的关键因素。基于上述问题,本文对阀控伺服系统的非线性模型和控制技术进行了深入研究,具体研究内容包括阀控伺服系统的非线性模型、位置控制方法和加载控制方法。为了提高阀控伺服系统的模型精度,建立了基于Yang-Tobar和Trikha管路模型的系统综合模型。该模型在现有非线性简化模型的基础上引入了液压泵站、伺服阀和连接管路（包含液压泵站与伺服阀之间的管路以及伺服阀与液压缸之间的管路）的动态特性,使建立的模型能够较好地吻合实际系统。为了更好地反映系统的真实动态响应,利用MATLABSimulink、AMESim和Adams软件建立了阀控伺服系统的联合仿真模型。该模型不仅能够反映阀控伺服系统的实际工作特性,还能模拟机械平台的结构刚度以及装配间隙对系统性能的影响。最后,利用正弦信号对所建立的非线性简化模型、系统综合模型和联合仿真模型的模型精度进行了测试,精度测试结果分别为72%、84%和92%。通过分析可以得到如下结论:非线性简化模型仅适用于控制器的设计,综合模型可用于系统的定性分析和控制器的初步验证,而联合仿真模型由于具有较高的模型精度,可用于实际系统的定量分析和控制器的硬件在环测试。自适应鲁棒控制可用于处理系统存在的模型不确定性,但存在反步设计过程中的“微分爆炸”和高控制增益带来的抖振问题。因此,本文提出了基于正切跟踪微分和自适应输出滤波反馈的自适应鲁棒控制方法,在简化控制器设计过程的同时提高了位置系统的跟踪精度。为了进一步改善阀控位置系统的控制性能,提出了基于离散扰动观测器的自适应鲁棒控制方法,将难以观测和建模的干扰项作为总扰动,利用离散扰动观测器进行实时估计和补偿。所设计的控制器不仅改善了位置系统的跟踪精度,而且避免了自适应鲁棒控制在外界扰动增大时出现的控制增益激增问题,充分发挥了自适应鲁棒控制的渐近跟踪优势。三种控制方法的性能都进行了仿真分析与验证。结果表明,相较于传统的自适应鲁棒控制方法,改进后的自适应鲁棒控制方法和基于离散扰动观测器的自适应鲁棒控制方法的位置跟踪精度均得到明显提升,从而证明了所提出的控制方法的合理性和有效性。针对阀控加载系统的位置扰动和多余力问题,基于结构不变性原理设计的控制器由于只能近似物理实现而无法完全补偿。基于此,本文按照位置扰动的内部结构是否已知的情形分别设计了两种加载控制器。针对位置扰动的内部结构已知的情形,提出了基于静态增益补偿和正切跟踪微分的双回路控制器,实现了位置扰动补偿和加载控制的动态解耦,改善了系统的控制精度。针对位置扰动的内部结构未知的情形,提出了基于阻抗控制和自适应积分鲁棒控制的混合控制器,并设计了相应的切换策略。混合控制方法可以有效缓解加载过程中的多余力和机械间隙造成的换向冲击问题,并提高了系统控制精度。上述控制方法的有效性都通过仿真分析进行了验证。为了验证上述控制方法在工程应用中的实际效果,搭建了负载模拟实验平台。介绍了实验平台的基本组成以及控制器数字实现的关键技术。利用搭建的实验平台对本文所提出的位置控制方法和加载控制方法分别进行了实验测试。实验结果表明,相较于现有的控制方法,本文所提出的控制方法具有更好的动态性能和鲁棒性,达到了预期效果。
周慧[2]（2021）在《基于数据的无线通信网络功率和速率控制》文中进行了进一步梳理随着信息科学技术的进步,智能通信网络时代的到来以及网民数量的不断增长,使得数据流量不断的增加,网络通信技术面临着空前的挑战。无线通信网络模型涉及较大的不确定性,为了克服由于实际系统建模困难而导致基于模型的控制方法控制效果不好的问题,本文考虑基于数据的无线通信网络功率与速率控制方法,并在保证网络可靠连接的前提下降低发射功率以及在克服网络拥塞的情况下增大传输速率,以使网络容量和网络吞吐量最大化。无线通信网络现有的研究大多基于模型,针对系统不确定性因素较多而导致建模困难的问题,本文不需要系统的动力学模型,仅依靠输入输出数据对无线通信网络功率和速率进行跟踪,并采用不同的控制方法来设计控制器,本文的研究内容主要分为以下方面:（1）针对无时延的无线通信网络系统,本文研究无模型自适应控制算法,建立等价的动态线性数据模型,完善伪偏导数估计和控制器的设计,利用被控系统的输入输出数据来优化系统参数,实现对无线通信网络功率和速率跟踪控制,并通过MATLAB仿真验证该算法的有效性。（2）针对有时延的无线通信网络系统,本文研究自适应动态规划控制算法,将输入、输出数据和参考轨迹组成的历史数据进行无线通信网络功率和速率的数据建模,避免系统复杂动力学机理建模。利用函数近似结构来逼近动态规划方程中的性能指标函数,获得最优控制策略,实现对有时延的无线通信网络功率和速率的跟踪控制。最后,通过MATLAB仿真验证该算法的有效性。
许刘勇[3]（2021）在《基于观测器的随机分布系统故障诊断与容错控制》文中指出随着工业自动化水平的不断提高,现代控制系统的复杂程度快速增加,这也导致系统发生故障的可能性增大,一旦故障发生,将会降低系统的性能、导致系统的不稳定,甚至造成严重的财产损失和人员伤亡。因此,对系统实施故障诊断与容错控制,对提高系统的可靠性和安全性有着重要的意义。同时,受系统非线性和随机干扰的影响,随机系统中的变量大都为非高斯变量,传统的以期望和方差为优化指标的控制方法已不再适用于非高斯随机系统。为此,以输出概率密度函数（Probability Density Function,PDF）为控制目标的随机分布系统被提出。因此,本文研究了基于观测器的随机分布系统故障诊断与容错控制问题,其主要工作归纳如下:（1）针对采用线性B样条逼近输出PDF的线性随机分布系统,在考虑未知干扰的情况下,设计迭代学习观测器对故障进行估计,利用故障的估计值,设计基于PI跟踪的容错控制器实现容错控制。同时,引入H∞性能指标,以保证系统的鲁棒性能,观测器增益和控制器增益可通过求解相应的线性矩阵不等式（Linear Matrix Inequality,LMI）来获得。最后,通过数值仿真对算法的有效性进行了验证。（2）针对采用平方根B样条逼近输出PDF的非线性随机分布系统,提出了基于中间观测器的故障诊断与容错控制方法。首先引入一个中间变量,在此基础上设计中间观测器以同时估计系统的状态和执行器故障。利用B样条模型将PDF形状控制问题转化为动态权向量的控制问题,进一步设计具有PID结构的容错控制器,使得故障发生后的PDF仍然可以跟踪到期望的PDF。最后的仿真实验验证了所设计观测器和控制器的有效性。（3）针对采用有理平方根B样条逼近输出PDF的非线性随机分布系统,假设系统的非线性动态未知,首先采用神经网络函数逼近非线性动态,同时设计一个自适应观测器来估计系统的状态和执行器故障。进而设计了鲁棒PI容错控制器,保证了系统的鲁棒性和容错跟踪性能。最后,通过仿真实验,对所设计的观测器和控制器进行了验证。
李姗姗[4]（2021）在《卫星激光通信系统信号传输与识别方法研究》文中研究说明大数据和高速率通信业务的蓬勃发展,对卫星通信系统传输容量、信息传输速率等性能提出了更高的要求,具备宽带宽、高速率、高能效等优点的卫星激光通信技术弥补了微波通信在卫星通信应用中的不足。随着对卫星激光通信关键技术的研究逐渐深入,在卫星与地面间建立激光通信链路进行数据传输是未来实现星地高速数据传输的发展趋势,对激光的高速传输和可靠接收关键技术进行研究成为卫星激光通信领域的研究热点。但是,实现星地激光通信系统的高速数据传输面临如下问题:激光信号经过星地链路大气信道段时由于受到湍流效应的影响导致光束相干性的劣化,对通信质量造成不良影响;为满足不同用户和业务的需求,充分利用信道容量,卫星激光通信系统中信号调制格式的复杂性日益增加,接收端需要准确识别出信号所采用的调制格式才能正确解调。为了解决卫星激光通信系统中的上述问题,以提高激光信号的相干性和保障激光信号识别的可靠性为目标,开展卫星激光通信系统的自适应光学技术和信号识别技术研究。面向校正激光光束畸变和无需先验知识识别激光信号的需求,本文重点研究卫星激光通信中涉及的自适应光学技术、单载波信号识别技术以及多载波信号识别技术,完成对激光光束畸变的实时校正,实现激光信号的可靠识别。本论文的主要研究内容和创新点如下:（1）大气信道建模与光传输特性分析在研究大气湍流特性和柯尔莫哥洛夫湍流理论的基础上,基于功率谱反演法和子谐波补偿法完成了随机相位屏的构造,模拟了高斯光束在大气湍流多相位屏信道中的传输过程并对其相干性劣化情况进行了分析,提出了一种基于光强变化指数的湍流影响衡量方法。该方法主要通过对比光束在多相位屏信道中传输与自由空间中传输在光场强度分布上的差异计算得到光束的畸变程度,从而对所受到的湍流影响做出衡量,仿真研究了所提方法衡量湍流影响的可行性。仿真结果表明,所提方法中的光强变化指数与闪烁指数随光束波长的变化趋势基本一致,光强变化指数随湍流强度的增强而递增。（2）基于混合输入输出算法的自适应光学补偿方法在研究自适应光学技术的基础上,提出了一种基于混合输入输出算法（Hybrid Input-Output Algorithm,HIOA）的自适应光学补偿方法。该方法设计了基于混合输入输出算法的自适应光学（Adaptive Optical Based on Hybrid Input-Output Algorithm,HIOA-AO）补偿模块完成对畸变激光光束的失真补偿,仿真研究了所提方法在不同传输距离和迭代次数下对畸变激光光束的失真补偿效果。仿真结果表明,所提方法可以有效补偿湍流效应导致的畸变激光光束相位失真,提高光束的模式纯度;HIOA经过50次或50次以上的迭代可以重构得到准确的波前畸变相位信息,通过相位校正可以对畸变激光光束的高斯分布进行较好的恢复。（3）基于分区分形特征和支持向量机的单载波信号识别方法在研究大气时变信道下单载波激光信号特征的基础上,提出了一种基于分区分形特征和支持向量机的单载波信号识别方法。该方法设计了基于分区分形维数（Fractal Dimension of Region,FDR）的特征提取算法得到单载波信号星座图的分区分形特征,采用支持向量机学习算法对特征数据进行学习的基础上完成信号识别分类器的构造,从而实现单载波信号的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法构造的分类器在自由空间信道中所有信噪比范围内整体分类精度达到89.8%以上,当信噪比大于7.5dB时分类器的分类精度性能收敛,实现单载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内分类器的整体分类精度达到86.7%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在有效提高分类精度和收敛速度的同时具备对信道变化的高鲁棒性。（4）基于多特征输入和混合训练神经网络的多载波信号识别方法在研究大气时变信道下多载波激光信号特征的基础上,提出了一种基于多特征输入和混合训练神经网络的多载波信号识别方法。该方法设计了基于多特征输入的混合训练神经网络（Hybrid Training Neural Network,HTNN）结构,将正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）子载波信号的高阶统计量特征及星座图特征作为网络的双输入特征,训练HTNN自主挖掘高阶关联性特征得到学习模型,实现OFDM子载波信号间的自动调制格式识别,仿真研究了所提方法在自由空间信道和大气时变信道两种传输条件下的识别效果。仿真结果表明,基于所提方法得到的识别模型在自由空间信道中所有信噪比范围内的整体分类精度达到93.37%以上,当信噪比大于7.5dB时学习模型的分类精度性能收敛,实现OFDM子载波信号100%的精确识别;在大气时变信道弱湍流条件下,在所有湍流强度和信噪比范围内学习模型的整体分类精度达到73.5%以上,随着信噪比增加而递增随后收敛;与其他识别方法相比,所提方法在保证分类精度的基础上降低了对信道变化的敏感性,提高了收敛速度,实现了大范围信噪比下对OFDM子载波信号的可靠识别。
刘恒[5]（2021）在《一类非线性系统的自适应迭代学习容错控制》文中进行了进一步梳理作为一种智能控制方法,迭代学习控制由于其显着的优点和良好的控制性能,已成为非线性控制领域的热点问题之一,愈发受到众多研究人员的高度重视,并得到了广泛应用。本文以迭代学习控制方法为主要手段,研究了一类非线性参数化系统的自适应迭代学习容错控制问题,在此基础上,将提出的控制器设计方法推广到多智能体系统中,研究了一类多智能体系统的一致性问题。论文的主要工作包括:（1）针对一类包含时滞项和执行器故障的非线性参数化系统,研究了自适应迭代学习容错控制问题。首先,针对单输入单输出（SISO）系统,考虑到系统中存在的时变时滞、非线性化参数以及执行器故障等非线性项,利用参数分离技术,对这些非线性项进行分离转化,在此基础上,构造了自适应迭代学习容错控制器以及迭代域上的参数更新律;其次,将上述SISO系统的迭代学习控制器的设计思想拓展到多入多出（MIMO）系统中,设计了相应的自适应迭代学习可靠控制策略来处理由时滞项和执行器故障所引起的非线性干扰,并且利用矩阵的相关知识处理系统输出信息间的耦合性影响;然后,利用复合能量函数（CEF）分别证明了SISO和MIMO系统的状态跟踪误差沿迭代轴的渐进收敛性和闭环信号有界性;最后,通过数值仿真验证了所提出的控制策略的正确性和有效性。（2）针对一类包含时滞项、输入饱和项和执行器故障的多智能体系统,在系统重复运行的背景下,研究了一致性问题。首先,通过定义多智能体的扩展跟踪误差,并针对多智能体系统中由各类约束条件所引起的不确定性问题,构建了一种具有完全饱和参数更新规律的分布式自适应迭代学习容错控制器。然后,通过构造一种新的复合能量函数,证明了多智能体系统跟踪误差的收敛性。最后,利用典型的迭代学习控制器与本文设计的控制器做对比,验证所提出的控制方案的有效性和正确性。结果表明,本文所提出的自适应迭代学习容错控制器可以有效减少迭代次数和系统跟踪误差。
耿直[6]（2021）在《下肢辅助运动装置控制系统研究》文中认为下肢辅助运动装置是一种便携式可穿戴智能设备,它将人的下肢与机器结构巧妙的结合起来,能够为人体提供支持保护,同时也能够辅助人体完成步行等行为。按照功能的不同,可以分为:致力于解决下肢运动能力丧失或者严重损伤患者的运动问题的康复类型的辅助运动装置和增强人体负载能力的辅助运动设备。本课题围绕下肢辅助运动装置控制系统进行研究,主要做了以下工作:（1）通过研究有关人体下肢辅助机器人文献资料,总结了下肢辅助运动装置研究背景,目的和研究意义,总结了国内外现有下肢辅助运动装置的结构以及控制方法,展望下肢辅助运动装置发展趋势。（2）结合人体解剖学的知识,分析人体下肢关节生理结构,研究下肢各个关节的运动机理。分析人体运动步态规律,并划分步态周期。通过Open Sim软件绘制下肢关节的运动状态曲线,导出关节运动角度,拟合关节运动函数,为关节跟踪提供理论基础。按照下肢辅助运动装置舒适性、安全性以及适应性的原则,对下肢辅助运动装置进行结构设计。（3）结合坐标变换,建立下肢辅助运动装置的D-H模型,利用机器人运动学和动力学理论建立下肢辅助运动装置的运动学和动力学模型,运用拉格朗日方法求解人体下肢各关节的动力学参数,为研究关节控制算法提供参考模型。（4）分析人体辅助运动装置的不同控制算法,对传统PID控制,鲁棒控制、自适应控制以及模糊控制的优劣进行比较。通过模糊控制的逼近特性对人体辅助运动装置运动过程中的摩擦进行自适应逼近补偿。在设计控制器时,考虑模糊系统逼近会造成系统误差,加入鲁棒控制来消除逼近误差,提高系统的稳定性。（5）因为辅助运动装置系统模型存在不确定性与时变性等问题导致建立准确地数学模型模困难。提出无模型自适应迭代学习控制算法,该算法实现过程是根据无模型自适应方法对下肢辅助运动装置系统的动态性能方程进行转换线性化,设计控制器结合最优方法并引入参数的估计值,能够根据输出的误差信息迭代地调节系统参数,实现对关节轨迹的跟踪。
李晓慧[7]（2021）在《状态时滞不确定系统有限频域迭代学习控制》文中提出在一些化工间歇如注塑机注塑速度控制过程中,通常需要在有限的运行时间内执行一些重复性操作,近年来如何利用系统重复运行的信息改善系统性能的控制问题引起了广泛关注。迭代学习控制是有效解决此类控制问题的方法之一,其关键思想是通过先前批次的误差信息不断优化控制输入从而实现高精度跟踪的控制目的。针对实际生产中常见的状态时滞系统,本文进一步考虑系统运行中存在的不确定性对跟踪性能的影响,通过建立状态时滞不确定模型,展开迭代学习控制器的设计和系统的稳定性问题研究。本文主要在有限频域范围内对状态时滞不确定系统进行迭代学习控制器的设计,通常系统工作在一定的频率范围,在讨论系统的稳定性问题时,合理的利用其频率特性将有助于改善系统性能并降低系统的保守性,因此,在有限频域范围内对状态时滞不确定系统的研究具有一定的理论和实践意义。本文在线性重复过程模型和重复过程稳定性理论框架的理论基础上,基于广义Kalman-Yakubovich-Popov（KYP）引理讨论了系统在有限频域范围的稳定性问题,并给出系统在线性矩阵不等式约束下的误差单调收敛条件,主要研究内容如下（1）针对一类多状态时滞不确定离散系统,在有限频域范围内设计一种PD型迭代学习控制器。通过定义系统的跟踪误差设计PD型控制律,并获得系统沿批次方向的跟踪误差传递函数。将传递函数拆分后获得一组并联的重复过程模型,因此,系统的稳定性问题转换为并联重复过程的稳定性问题,实现在有限频域范围内讨论系统稳定性的目的,基于重复过程的稳定性结论给出标称系统和不确定系统误差单调收敛的线性矩阵不等式。最后,通过数值仿真及与P、D型算法对比,验证提出的PD型算法的有效性。（2）针对一类具有非重复扰动的状态时滞不确定系统,结合状态反馈和P型控制设计迭代学习控制律。分别考虑重复性扰动和非重复性扰动对系统的影响,在有限频域范围内设计迭代学习控制器,基于广义KYP引理讨论了具有重复性扰动的状态时滞不确定系统的稳定性条件,基于提升技术和鲁棒技术实现在有限频域范围内设计的控制目的,并给出系统满足鲁棒衰减抑制指标和跟踪误差单调收敛的充分条件。最后,通过对注塑机注塑速度进行控制,验证提出算法的有效性。（3）针对一类状态时滞不确定系统,提出一种高阶型迭代学习控制器。系统的迭代学习控制律由状态反馈和先前多个批次运行的跟踪误差信息构成,获得非单元存储的重复过程模型。通过提升技术将系统转换为单元存储的重复过程模型。基于广义KYP引理实现在频域范围内稳定性分析的目的,并给出时滞标称系统和时滞不确定系统误差单调收敛的充分条件。最后,以注塑过程为模型分别设计不同阶次的迭代学习控制器,对系统采用不同的控制律时的跟踪性能进行分析。
曹明生[8]（2021）在《迭代学习控制在基因测序工件台系统中的应用研究》文中研究指明基因测序是生命科学研究最重要的技术手段之一。随着基因测序技术在医学、生命科学和药物研发等领域应用的快速发展,现有的测序仪器已经无法满足对测序通量的需求,有必要发展新一代高通量基因测序仪。工件台系统是高通量基因测序仪的核心子系统之一,其运动速度关系到测序仪的通量,控制精度则关乎测序数据的质量,因此,要求高通量基因测序仪工件台系统具有行程大、速度快和轨迹跟踪精度高的性能。本论文以高通量基因测序仪工件台为应用背景,采用迭代学习控制对无铁芯永磁同步直线电机高精度控制系统进行了深入的研究。在存在非重复性扰动和变轨迹跟踪的任务中,通过克服迭代学习控制的缺点,改善迭代学习控制的性能,提高了工件台轨迹跟踪精度,减少了工件台控制系统的调节时间,增强了系统的抗干扰能力。论文的研究内容如下:论文首先分析了无铁芯永磁同步直线电机的结构特点,建立了电机的数学模型;然后采用矢量控制和空间矢量脉冲宽度调制方法,设计了电流环并进行了原理性仿真;根据二质弹簧阻尼系统建立了工件台系统模型,在此基础上,基于闭环电流环对工件台系统进行了模型参数辨识,并分析了参数变化和外部扰动对系统的影响,为后续设计控制算法进行扰动抑制提供理论基础。针对迭代学习控制容易受非重复性扰动影响的不足,提出了基于输出数据的自适应非线性复合迭代学习控制算法,并证明了算法的稳定性。首先,设计了多伺服周期二阶迭代学习控制,通过多次重复运动消除跟踪误差中随迭代变化的非重复性信号,并根据相邻两次迭代的定位误差自适应调整遗忘因子,以增强学习的鲁棒性;其次,设计了自适应迭代估计律在迭代域对扰动进行估计补偿,并通过引入时变的边界层克服初始定位误差对学习控制的影响;最后,结合工件台运动特点,在上述控制器基础上引入非线性函数,在步进运动的不同阶段自适应地调整控制器增益大小,在Actuation运动阶段采用较大的增益,提高系统的动态响应能力,加快迭代学习收敛速度;在Dwell停留阶段,采用较小增益,抑制高频扰动的影响。研究表明,该算法有效抑制了时变扰动对迭代学习控制的影响,提高了系统的轨迹跟踪精度和鲁棒性,并有效缩短了调整时间。迭代学习控制只能用于固定的参考轨迹,当轨迹发生变化时需要重新学习,为解决上述问题,提出了基于二阶非线性迭代参数整定的前馈控制算法,通过引入反映系统动力学行为的基函数将控制器参数化,通过迭代学习对参数进行优化,得到的控制器能够适用于不同的运动轨迹。为了抑制直线电机的推力波动等扰动对匀速运动的影响,在上述控制器基础上提出了一种基于迭代参数整定的前馈控制和抗干扰控制复合控制策略。通过迭代学习,将前馈控制和抗干扰控制的优点结合起来,利用前馈控制提高系统响应速度,使得工件台快速进入匀速运动状态,利用抗干扰控制提高系统的抗干扰能力。在切换不同的工作速度时,控制系统可以始终保持高控制精度和鲁棒性。此外,控制器设计不需要被控对象的模型或灵敏度函数,整个设计过程都是数据驱动的。最后,在无铁芯永磁同步直线电机驱动的工件台系统进行了轨迹跟踪实验。通过对比实验,验证了所提出的自适应非线性复合迭代学习控制和基于迭代参数整定的前馈控制和抗干扰控制算法的有效性和优越性。
张霄[9]（2021）在《双线性状态空间系统的递推参数与状态估计》文中研究说明双线性系统广泛存在于实际工业过程中,如流体热交换、核裂变等都可以用该类系统来描述.论文考虑实际中存在的一些不确定因素,如状态不可测、时延等,研究双线性状态空间系统的参数与状态联合估计方法,具有重要的理论意义和实际价值,主要研究内容如下.1.针对双线性状态空间系统的状态估计问题,借助系统的特殊结构,将其看作线性时变参数模型,基于Kalman滤波原理,推导了双线性系统的状态估计器.此外,通过极小化状态估计误差协方差阵,提出了基于delta算子的双线性系统状态估计算法.通过理论分析和数值仿真表明了算法的有效性.2.针对白噪声干扰的双线性状态空间系统,辨识的困难是系统包含了未知参数、未知状态,以及二者与控制变量的乘积项（双线性项）.针对该问题,利用交互估计理论,在辨识系统参数时,将算法中未知状态用其估计代替,利用得到的参数估计构造双线性状态观测器,提出了基于双线性状态观测器的多新息随机梯度辨识算法,从而实现了递推参数与状态联合估计.3.针对有色噪声干扰的双线性状态空间系统,为减少有色噪声对参数和状态估计的影响,利用数据滤波技术,通过建立滤波器对系统的输入输出进行滤波处理,提出了基于双线性状态观测器的滤波多新息增广随机梯度算法,提高了参数估计的精度.通过数值仿真说明了所推导算法的有效性.4.针对大规模双线性状态空间系统,其维数高、变量多,导致辨识算法计算量大的问题,运用递阶辨识原理将原系统分解为低维子系统,通过设计状态观测器估计未知状态,提出了基于状态观测器的多阶段广义增广最小二乘算法,提高了计算效率.并运用鞅收敛定理,在持续激励的条件下,分析了算法的收敛性能.5.针对时延双线性状态空间系统,考虑未知时延问题,将原辨识模型扩展为增广辨识模型,提出了基于双线性状态观测器的递推最小二乘算法和递阶最小二乘算法,从而获得增广参数估计.然后通过设置阈值,确定系统的时延,从而实现系统的参数、状态和时延的联合估计.最后,通过蒙特卡洛仿真实验验证了算法的有效性.论文对提出的递推参数与状态联合估计算法进行了数值仿真,对部分算法进行了计算量的比较,并基于鞅收敛定理对部分算法进行了收敛性能分析.
张秀赟[10]（2021）在《非线性系统变增益迭代学习控制研究》文中研究说明迭代学习控制广泛应用于具有重复运动特性的被控对象的轨迹跟踪问题,其利用先前批次的输入以及误差信息,不断修正当前批次的输入信号,经过足够多的批次后能够实现准确跟踪。实际中被控系统一般都是非线性系统,因此,将迭代学习控制理论应用于非线性系统的跟踪控制问题具有重要研究价值。在传统的迭代学习控制研究中,学习律的增益大多是固定不可变常数,增益固定系统收敛速度一般也固定,初始参数的设定决定了系统的运行状况。变增益学习律的提出,弥补了传统固定增益的不足,能够改善系统的动态调节性能,因此,针对具有非线性、时滞特性的对象,变增益迭代学习控制能够有效解决这类复杂系统的跟踪问题,进一步加强与完善这方面的研究很有意义。本文研究了一类非线性系统的变增益迭代学习控制,对于状态时滞、控制时滞的问题进行了探讨。具体的研究内容包括如下:（1）针对一类满足利普希茨条件的非线性系统,在传统固定增益的迭代学习控制律基础之上,利用PID控制的优势,提出了一种增益系数随时间与批次变化的学习算法。首先,给出了该系统满足收敛时的条件,其次,使用算子引理对该系统在经过多次迭代学习之后,系统的实际输出能够有效跟踪上给定曲线,进行了严格的理论证明,能够保证系统收敛。对注塑机的注射速度进行建模与仿真实验,并且和传统的固定增益型的算法作了比较,验证了所提出的控制策略的优点和有效性。（2）针对一类满足利普希茨条件的非线性系统,在具有状态时滞问题时,研究了增益系数可变的PD型学习律。利用系统运行过程中的期望输出、期望控制输入以及误差信息,设计了变增益控制器。借助算子引理和Bellman-Gronwall不等式引理,证明了该状态时滞系统的收敛性,并对具有状态时滞的CSTR反应温度模型建模仿真实验,仿真结果表明了该算法对于状态时滞系统的有效性。（3）研究了一类非线性系统在含有状态时滞和控制时滞的问题,给出了一种给定超前的变增益PID型迭代学习控制策略。首先,利用系统在迭代学习过程中的期望给定、期望控制输入以及误差量,设计了该变增益型的学习控制器。其次,用Bellman-Gronwall不等式引理以及算子引理从数学角度证明了该系统的收敛性。最后继续对CSTR模型建模仿真验证了该方法可行,并与固定增益的算法进行对比,表明了该变增益型学习律有更好地动态调节性能,其收敛速度更快。
二、基于未知高频增益的非线性系统自适应迭代学习控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于未知高频增益的非线性系统自适应迭代学习控制（论文提纲范文）
（1）阀控伺服系统的非线性模型和控制技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源、研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 阀控伺服系统模型研究综述 |
| 1.2.1 融合机理模型 |
| 1.2.2 软件仿真模型 |
| 1.3 阀控伺服系统控制方法综述 |
| 1.3.1 线性控制方法 |
| 1.3.2 非线性控制 |
| 1.3.3 智能控制 |
| 1.4 基于模型的自适应鲁棒控制 |
| 1.4.1 基于模型的控制方法 |
| 1.4.2 自适应和鲁棒控制 |
| 1.5 论文结构和主要内容 |
| 2 阀控伺服系统的非线性模型 |
| 2.1 引言 |
| 2.2 系统组成 |
| 2.3 简化非线性模型 |
| 2.4 基于YANG-TOBAR和 TRIKHA管路模型的综合模型 |
| 2.4.1 液压泵站 |
| 2.4.2 直驱伺服阀 |
| 2.4.3 液压缸及负载 |
| 2.4.4 液压管路 |
| 2.4.5 综合模型 |
| 2.5 联合仿真模型 |
| 2.5.1 联合仿真基础 |
| 2.5.2 联合仿真模型建立 |
| 2.6 本章小节 |
| 3 阀控伺服系统的位置控制研究 |
| 3.1 引言 |
| 3.2 控制器设计难点 |
| 3.2.1 时变参数 |
| 3.2.2 非线性特性 |
| 3.2.3 负载扰动 |
| 3.3 自适应鲁棒控制 |
| 3.3.1 自适应鲁棒控制原理 |
| 3.3.2 阀控位置系统的自适应鲁棒控制器设计 |
| 3.3.3 自适应鲁棒控制器的改进 |
| 3.3.4 仿真研究 |
| 3.4 基于离散扰动观测器的自适应鲁棒控制 |
| 3.4.1 数学模型简化 |
| 3.4.2 非线性自适应鲁棒控制器设计 |
| 3.4.3 仿真研究 |
| 3.5 控制器性能评价 |
| 3.6 本章小结 |
| 4 阀控伺服系统的加载控制研究 |
| 4.1 引言 |
| 4.2 多余力分析及解决方法 |
| 4.2.1 多余力的产生机理 |
| 4.2.2 结构不变性补偿 |
| 4.3 阀控加载系统的双回路控制 |
| 4.3.1 双回路控制原理 |
| 4.3.2 基于双回路的自适应鲁棒控制器设计 |
| 4.3.3 双回路自适应鲁棒控制器的改进 |
| 4.3.4 仿真研究 |
| 4.4 非线性混合自适应积分鲁棒控制 |
| 4.4.1 混合控制原理 |
| 4.4.2 阻抗控制器设计 |
| 4.4.3 控制切换策略和自适应积分鲁棒控制器设计 |
| 4.4.4 仿真研究 |
| 4.5 本章小结 |
| 5 实验验证与控制方法性能分析 |
| 5.1 引言 |
| 5.2 实验平台组成 |
| 5.2.1 机械平台 |
| 5.2.2 液压系统 |
| 5.2.3 控制系统 |
| 5.3 控制器数字实现关键技术 |
| 5.3.1 高精度定时技术 |
| 5.3.2 多线程数据采集技术 |
| 5.3.3 控制器代码生成技术 |
| 5.4 控制器实验验证和性能分析 |
| 5.4.1 位置控制器实验验证 |
| 5.4.2 加载控制器实验验证 |
| 5.4.3 性能分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）基于数据的无线通信网络功率和速率控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 无线通信网络研究背景 |
| 1.1.2 数据驱动控制的研究背景 |
| 1.1.2.1 无模型自适应控制的研究背景 |
| 1.1.2.2 自适应动态规划的研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 无线通信网络的研究现状 |
| 1.2.2 数据驱动控制的研究现状 |
| 1.2.2.1 无模型自适应控制的研究现状 |
| 1.2.2.2 自适应动态规划的研究现状 |
| 1.3 研究内容 |
| 第二章 无线通信网络的理论基础 |
| 2.1 无线通信网络理论及模型 |
| 2.1.1 无时延的无线通信网络模型 |
| 2.1.2 有时延的无线通信网络模型 |
| 2.2 数据驱动控制理论基础 |
| 2.2.1 无模型自适应控制 |
| 2.2.2 自适应动态规划 |
| 2.3 本章小结 |
| 第三章 无时延无线通信网络无模型自适应控制 |
| 3.1 问题描述 |
| 3.2 无线通信网络的无模型自适应控制算法 |
| 3.2.1 动态线性化 |
| 3.2.2 无模型自适应控制器设计 |
| 3.3 仿真分析 |
| 3.4 本章小结 |
| 第四章 有时延无线通信网络系统的自适应动态规划控制 |
| 4.1 问题描述 |
| 4.2 无线通信网络的自适应动态规划控制算法 |
| 4.2.1 无线通信网络的数据模型 |
| 4.2.2 无线通信网络的自适应动态规划控制 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 研究展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（3）基于观测器的随机分布系统故障诊断与容错控制（论文提纲范文）
| 摘要 |
| Abstract |
| 本文使用的主要符号及说明 |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障诊断研究现状 |
| 1.2.2 容错控制研究现状 |
| 1.2.3 随机分布系统研究现状 |
| 1.3 本文研究特点及优势 |
| 1.4 本文研究内容及框架 |
| 第二章 预备知识 |
| 2.1 随机分布系统的概率模型 |
| 2.2 线性矩阵不等式 |
| 2.3 径向基函数神经网络 |
| 2.4 系统鲁棒性能 |
| 2.5 本章小结 |
| 第三章 基于迭代学习观测器的随机分布系统鲁棒故障诊断与容错控制 |
| 3.1 问题描述 |
| 3.2 基于迭代学习观测器的鲁棒故障诊断 |
| 3.3 鲁棒容错控制器设计 |
| 3.4 数值仿真 |
| 3.5 本章小结 |
| 第四章 基于中间观测器的随机分布系统故障诊断与PID容错控制 |
| 4.1 问题描述 |
| 4.2 基于中间观测器的故障诊断 |
| 4.3 PID容错控制器设计 |
| 4.4 数值仿真 |
| 4.5 本章小结 |
| 第五章 基于自适应观测器的随机分布系统鲁棒故障诊断与容错控制 |
| 5.1 问题描述 |
| 5.2 基于自适应观测器的鲁棒故障诊断 |
| 5.3 鲁棒容错控制器设计 |
| 5.4 数值仿真 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（4）卫星激光通信系统信号传输与识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星激光通信发展现状 |
| 1.2.2 卫星激光通信传输保障性技术现状 |
| 1.2.3 信号调制格式识别技术现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织结构 |
| 第二章 大气湍流特性与信道建模方法 |
| 2.1 引言 |
| 2.2 大气湍流特性概述 |
| 2.2.1 大气湍流产生原理 |
| 2.2.2 柯尔莫哥洛夫湍流理论 |
| 2.3 基于多相位屏的湍流信道建模方法 |
| 2.4 激光的光强分布模型 |
| 2.4.1 Log-Normal模型 |
| 2.4.2 Gamma-Gamma模型 |
| 2.5 本章小结 |
| 第三章 大气激光传播特性与自适应光学补偿方法 |
| 3.1 引言 |
| 3.2 大气激光传输特性 |
| 3.2.1 光的波动方程与菲涅尔衍射 |
| 3.2.2 高斯光束的传输特性 |
| 3.2.3 基于光强变化指数的湍流影响衡量方法 |
| 3.3 基于HIOA的自适应光学补偿方法 |
| 3.3.1 设计思路 |
| 3.3.2 基于HIOA的波前相位重构原理及实现 |
| 3.4 基于HIOA的自适应光学补偿方法性能分析 |
| 3.4.1 仿真设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小节 |
| 第四章 基于分区分形特征和支持向量机的单载波信号识别 |
| 4.1 引言 |
| 4.2 基于分区分形特征和支持向量机的单载波信号识别方法 |
| 4.2.1 设计思路 |
| 4.2.2 基于FDR的特征提取算法 |
| 4.2.3 基于支持向量机的分类器设计 |
| 4.3 基于分区分形特征和支持向量机的单载波信号识别方法性能分析 |
| 4.3.1 仿真设置 |
| 4.3.2 自由空间信道中的识别性能 |
| 4.3.3 大气时变信道中的识别性能 |
| 4.4 本章小节 |
| 第五章 基于多特征输入和混合训练神经网络的多载波信号识别 |
| 5.1 引言 |
| 5.2 基于多特征输入和混合训练神经网络的多载波信号识别方法 |
| 5.2.1 设计思路 |
| 5.2.2 OFDM信号模型及特征 |
| 5.2.3 基于多特征输入的混合训练神经网络结构设计 |
| 5.2.4 基于多特征输入的混合训练神经网络训练过程 |
| 5.3 基于多特征输入和混合训练神经网络的多载波信号识别方法性能分析 |
| 5.3.1 仿真设置 |
| 5.3.2 自由空间信道中的识别性能 |
| 5.3.3 大气时变信道中的识别性能 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 缩略语 |
| 致谢 |
| 攻读学位期间发表的学术论文目录和其他成果 |
（5）一类非线性系统的自适应迭代学习容错控制（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 迭代学习控制发展现状 |
| 1.3 研究动机 |
| 1.4 本文结构与组织结构 |
| 2 一类具有时滞与执行器故障的非线性系统的迭代学习容错控制 |
| 2.1 引言 |
| 2.2 一类具有时滞与执行器故障的SISO非线性系统的迭代学习控制 |
| 2.2.1 问题描述 |
| 2.2.2 控制器设计 |
| 2.2.3 收敛性分析 |
| 2.2.4 仿真研究 |
| 2.3 一类含时滞与执行器故障的MIMO非线性系统的迭代学习控制 |
| 2.3.1 问题描述 |
| 2.3.2 控制器设计 |
| 2.3.3 收敛性分析 |
| 2.3.4 仿真研究 |
| 2.4 本章小结 |
| 3 一类含饱和、时滞和执行器故障的多智能体的一致性问题 |
| 3.1 引言 |
| 3.2 预备知识 |
| 3.3 一类含饱和、时滞和执行器故障的同构多智能体的AILC控制 |
| 3.3.1 问题描述 |
| 3.3.2 控制器设计 |
| 3.3.3 收敛性分析 |
| 3.3.4 仿真研究 |
| 3.4 本章小节 |
| 4 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 攻读学位期间完成的学术论文目录 |
（6）下肢辅助运动装置控制系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 第二章 人体下肢运动分析 |
| 2.1 人体坐标系研究 |
| 2.2 人体下肢步态周期规划 |
| 2.3 人体下肢步态模型分析 |
| 2.3.1 Open Sim软件介绍 |
| 2.3.2 下肢关节运动曲线 |
| 2.3.3 膝关节的运动模型 |
| 2.3.4 踝关节的运动模型 |
| 2.3.5 髋关节的运动模型 |
| 2.4 下肢辅助运动装置结构设计 |
| 2.4.1 总体设计要求 |
| 2.4.2 下肢辅助运动装置机械结构设计 |
| 2.5 本章小结 |
| 第三章 下肢辅助运动装置运动学与动力学分析 |
| 3.1 运动学与动力学分析的方法 |
| 3.2 下肢辅助运动装置运动学分析 |
| 3.2.1 正运动学分析 |
| 3.2.2 逆运动学分析 |
| 3.3 下肢辅助运动装置动力学分析 |
| 3.3.1 下肢辅助运动装置拉格朗日动力学模型 |
| 3.3.2 下肢辅助运动装置拉格朗日函数的建立 |
| 3.3.3 下肢辅助运动装置拉格朗日动力学方程建立 |
| 3.4 本章小结 |
| 第四章 基于模糊补偿的下肢辅助运动装置系统自适应控制 |
| 4.1 下肢辅助运动装置控制算法介绍 |
| 4.1.1 传统PID控制 |
| 4.1.2 鲁棒控制 |
| 4.1.3 模糊控制 |
| 4.1.4 自适应控制 |
| 4.2 下肢辅助运动装置系统模糊补偿原理 |
| 4.3 摩擦补偿的自适应控制律设计 |
| 4.4 下肢辅助运动装置系统模糊补偿仿真 |
| 4.5 本章小结 |
| 第五章 下肢辅助运动装置无模型自适应迭代学习控制 |
| 5.1 无模型自适应迭代学习介绍 |
| 5.2 下肢辅助运动装置动态性能方程动态线性化 |
| 5.3 无模型自适应迭代学习控制器设计 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 在学期间研究成果 |
| 致谢 |
（7）状态时滞不确定系统有限频域迭代学习控制（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 不确定系统 |
| 1.1.2 迭代学习控制 |
| 1.1.3 有限频域理论 |
| 1.2 国内外研究动态及发展趋势 |
| 1.2.1 国内研究动态 |
| 1.2.2 国外研究动态 |
| 1.3 本文的主要研究工作 |
| 第二章 多时滞不确定系统的PD型迭代学习控制 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 PD型迭代学习控制设计 |
| 2.3.1 等价模型 |
| 2.3.2 多时滞系统有限频域范围稳定性 |
| 2.4 多时滞系统有限频域的迭代学习控制方案 |
| 2.4.1 时滞标称系统的迭代学习控制器设计 |
| 2.4.2 时滞不确定系统的迭代学习控制器设计 |
| 2.5 仿真结果 |
| 2.6 小结 |
| 第三章 具有非重复扰动时滞系统的迭代学习控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 迭代学习控制律设计 |
| 3.3.1 等价模型 |
| 3.3.2 单时滞系统有限频域范围稳定性 |
| 3.4 时滞系统有限频域迭代学习控制方案 |
| 3.4.1 重复性扰动时滞不确定系统的控制器设计 |
| 3.4.2 非重复性扰动时滞不确定系统的鲁棒ILC控制器设计 |
| 3.5 注塑机注塑速度控制仿真结果 |
| 3.6 小结 |
| 第四章 时滞不确定系统的高阶迭代学习控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 等价模型 |
| 4.4 时滞系统有限频域高阶迭代学习控制方案 |
| 4.4.1 时滞标称系统的高阶迭代学习控制器设计 |
| 4.4.2 时滞不确定系统的高阶迭代学习控制器设计 |
| 4.5 注塑机注塑速度控制仿真结果 |
| 4.6 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间发表的论文 |
（8）迭代学习控制在基因测序工件台系统中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 基因测序技术及发展现状 |
| 1.3 基因测序仪中的控制问题及工件台控制方法 |
| 1.3.1 基因测序仪中的控制问题 |
| 1.3.2 工件台控制方法 |
| 1.3.3 迭代学习控制算法研究综述 |
| 1.4 论文的研究内容 |
| 第2章 工件台系统分析与建模 |
| 2.1 引言 |
| 2.2 无铁芯永磁同步直线电机结构及数学模型 |
| 2.2.1 无铁芯永磁同步直线电机结构 |
| 2.2.2 无铁芯永磁同步直线电机数学模型 |
| 2.3 无铁芯永磁同步直线电机矢量控制方法 |
| 2.3.1 矢量控制原理及坐标变换 |
| 2.3.2 空间矢量脉冲宽度调制技术 |
| 2.3.3 电流环控制策略 |
| 2.3.4 电流环仿真结果 |
| 2.4 工件台系统动力学模型及扰动分析 |
| 2.4.1 工件台Y轴伺服系统数学模型 |
| 2.4.2 工件台Y轴伺服系统频率特性辨识 |
| 2.4.3 工件台系统扰动分析 |
| 2.5 本章小结 |
| 第3章 工件台连续步进扫描控制算法研究 |
| 3.1 引言 |
| 3.2 工件台连续步进扫描轨迹和控制指标 |
| 3.3 多伺服周期二阶迭代学习控制 |
| 3.3.1 控制问题描述 |
| 3.3.2 迭代学习控制基本原理 |
| 3.3.3 多伺服周期二阶迭代学习控制 |
| 3.3.4 收敛性分析 |
| 3.4 自适应非线性复合迭代学习控制 |
| 3.4.1 自适应迭代估计补偿 |
| 3.4.2 自适应非线性复合迭代学习控制算法 |
| 3.4.3 收敛性分析 |
| 3.5 仿真分析 |
| 3.6 本章小结 |
| 第4章 工件台变轨迹匀速扫描控制算法研究 |
| 4.1 引言 |
| 4.2 时间延迟积分扫描成像技术原理及控制系统评价指标 |
| 4.2.1 时间延迟积分扫描成像技术原理 |
| 4.2.2 时间延迟积分扫描成像控制系统评价指标 |
| 4.3 基于迭代参数整定的前馈控制与抗干扰控制算法设计 |
| 4.3.1 问题描述 |
| 4.3.2 迭代前馈参数整定 |
| 4.3.3 基于二阶非线性迭代参数整定的前馈控制算法设计 |
| 4.3.4 基于迭代参数整定的抗干扰控制算法设计 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第5章 工件台运动控制实验 |
| 5.1 引言 |
| 5.2 实验装置 |
| 5.3 基于自适应非线性复合迭代学习控制的步进扫描实验 |
| 5.4 基于迭代参数整定的前馈控制和抗干扰控制匀速扫描实验 |
| 5.5 本章小结 |
| 第6章 结论和展望 |
| 6.1 论文研究内容总结 |
| 6.2 论文主要创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（9）双线性状态空间系统的递推参数与状态估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出与研究意义 |
| 1.2 双线性系统的数学描述与研究现状 |
| 1.3 状态空间系统的参数与状态估计方法综述 |
| 1.4 论文主要研究内容简介 |
| 第二章 双线性系统的状态估计方法 |
| 2.1 引言 |
| 2.2 基于Kalman滤波的双线性系统状态估计算法 |
| 2.3 基于delta算子的双线性系统状态估计算法 |
| 2.4 仿真例子 |
| 2.5 本章小结 |
| 第三章 双线性系统的多新息参数与状态估计 |
| 3.1 引言 |
| 3.2 白噪声干扰下双线性系统的多新息参数与状态估计 |
| 3.2.1 系统描述与辨识模型 |
| 3.2.2 基于双线性状态观测器的随机梯度算法 |
| 3.2.3 基于双线性状态观测器的多新息随机梯度算法 |
| 3.2.4 仿真例子 |
| 3.3 有色噪声干扰下双线性系统的多新息参数与状态估计 |
| 3.3.1 系统描述与辨识模型 |
| 3.3.2 基于双线性状态观测器的多新息增广随机梯度算法 |
| 3.3.3 基于双线性状态观测器的滤波多新息增广随机梯度算法 |
| 3.3.4 仿真例子 |
| 3.4 本章小结 |
| 第四章 双线性系统的递阶参数与状态估计 |
| 4.1 引言 |
| 4.2 白噪声干扰下双线性系统的递阶参数与状态估计 |
| 4.2.1 系统描述与辨识模型 |
| 4.2.2 基于双线性状态观测器的二阶段递阶最小二乘算法 |
| 4.2.3 基于双线性状态观测器的多阶段递阶最小二乘算法 |
| 4.2.4 仿真例子 |
| 4.3 有色噪声干扰下双线性系统的递阶参数与状态估计 |
| 4.3.1 系统描述与辨识模型 |
| 4.3.2 基于双线性状态观测器的递阶广义增广最小二乘算法 |
| 4.3.3 基于双线性状态观测器的滤波递阶广义增广最小二乘算法 |
| 4.3.4 仿真例子 |
| 4.4 本章小结 |
| 第五章 时延双线性系统的参数与状态估计 |
| 5.1 引言 |
| 5.2 时延线性系统的参数与状态估计 |
| 5.2.1 基于Kalman滤波的状态估计算法 |
| 5.2.2 基于Kalman滤波的递推最小二乘算法 |
| 5.2.3 基于Kalman滤波的递阶最小二乘算法 |
| 5.2.4 仿真例子 |
| 5.3 时延双线性系统的参数、状态与时延估计 |
| 5.3.1 基于双线性状态观测器的递推最小二乘算法 |
| 5.3.2 基于双线性状态观测器的递阶最小二乘算法 |
| 5.3.3 仿真例子 |
| 5.4 本章小结 |
| 第六章 主要结论与展望 |
| 6.1 主要结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:攻读博士学位期间发表的论文 |
（10）非线性系统变增益迭代学习控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国外研究发展概况 |
| 1.3 国内研究发展概况 |
| 1.4 本文主要内容 |
| 第二章 迭代学习控制基础理论 |
| 2.1 迭代学习控制表述 |
| 2.2 迭代学习控制的运行过程 |
| 2.3 迭代学习控制主要研究内容 |
| 2.3.1 迭代学习控制的学习律设计 |
| 2.3.2 迭代学习控制的稳定性与收敛性分析 |
| 2.3.3 迭代学习控制的初值问题 |
| 2.3.4 迭代学习控制与其它控制的结合 |
| 2.4 迭代学习控制的数学预备知识 |
| 2.4.1 向量与矩阵的范数 |
| 2.4.2 相关引理 |
| 2.5 本章小结 |
| 第三章 非线性系统的PD型变增益迭代学习控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 算法收敛性分析 |
| 3.4 基于PD型变增益的注塑机迭代学习控制 |
| 3.4.1 注塑机的组成及工艺过程 |
| 3.4.2 注塑机注射速度特点 |
| 3.4.3 注塑机注射速度的数学模型 |
| 3.4.4 仿真结果 |
| 3.5 本章小结 |
| 第四章 状态时滞系统的变增益迭代学习控制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 算法收敛性分析 |
| 4.4 基于变增益的CTSR反应温度迭代学习控制 |
| 4.4.1 CSTR的基本结构 |
| 4.4.2 CSTR的工作原理 |
| 4.4.3 CSTR动力学模型的建立 |
| 4.4.4 仿真结果 |
| 4.5 本章小结 |
| 第五章 控制与状态时滞CSTR系统PID变增益迭代学习控制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 算法收敛性分析 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录:作者在攻读硕士学位期间的成果 |
四、基于未知高频增益的非线性系统自适应迭代学习控制（论文参考文献）
- [1]阀控伺服系统的非线性模型和控制技术研究[D]. 冯利军. 北京交通大学, 2021
- [2]基于数据的无线通信网络功率和速率控制[D]. 周慧. 北方工业大学, 2021(11)
- [3]基于观测器的随机分布系统故障诊断与容错控制[D]. 许刘勇. 南京信息工程大学, 2021(01)
- [4]卫星激光通信系统信号传输与识别方法研究[D]. 李姗姗. 北京邮电大学, 2021(01)
- [5]一类非线性系统的自适应迭代学习容错控制[D]. 刘恒. 青岛科技大学, 2021(01)
- [6]下肢辅助运动装置控制系统研究[D]. 耿直. 北方工业大学, 2021(01)
- [7]状态时滞不确定系统有限频域迭代学习控制[D]. 李晓慧. 江南大学, 2021(01)
- [8]迭代学习控制在基因测序工件台系统中的应用研究[D]. 曹明生. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [9]双线性状态空间系统的递推参数与状态估计[D]. 张霄. 江南大学, 2021(01)
- [10]非线性系统变增益迭代学习控制研究[D]. 张秀赟. 江南大学, 2021(01)