针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ...针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。展开更多
文摘针对机械臂系统外部干扰的轨迹跟踪问题,提出一种无需重置初始条件的加速迭代学习控制方法。利用指数变增益加速学习控制律,结合迭代学习控制算法,无需重置机械臂每次运行时初始条件,历经多次迭代后,实现对期望轨迹的实时跟踪。并在λ范数意义下,证明了无需重置条件的比例微分(proportion differentiation,PD)型加速迭代学习控制算法的收敛性。基于二自由度(two degrees of freedom,2-DOFs)仿真实验结果验证了该方法的可行性和有效性。同时在Quanser机电一体化运动控制实验平台上完成了实验验证,表明该算法的实用性。
基金Supported by National Natural Science Foundation ot China （61203065, 61120106009）, the Program of Natural Science of Henan Provincial Education Department （12A510013）, and the Program of Open Laboratory Foundation of Control Engineering Key Discipline of Henan Provincial High Education （KG 2011-10）
文摘在这份报纸，反复的学习控制(ILC ) 与任意的切换的信号为线性分离时间的交换系统的一个类被考虑。交换系统重复地在有限时间间隔期间被操作，这被假定，然后第一个顺序 P 类型 ILC 计划能被用来完成完美的追踪在上自始至终间隔。由超级向量途径，为在重复领域的如此的 ILC 系统的一个集中条件能被给。理论分析被模拟支持。
