非仿射非线性系统的迭代学习辨识与控制

《非仿射非线性系统的迭代学习辨识与控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江T业火学硕士学位论文非仿射非线性系统的迭代学习辨识与控制摘要迭代学习控制适合于具有重复运行性质的被控对象，它利用系统以前的控制经验来修正当前的控制输入，从而实现对期望轨迹的完全跟踪，其主要特点是无需精确已知系统的模型。迭代学习控制的研究成果主要集中于线性系统和仿射非线性系统，而对于非仿射非线性系统的迭代学习控制尚不多见。针对非仿射非线性系统，本文利用压缩映射分析方法，讨论这类系统的迭代学习辨识以及迭代学习控制问题。主要工作包括以下几个方面：第一，首先介绍了两种非线性迭代学习控制方法，即牛顿学习律和正割学习律。

2、给出了两种非线性学习律的收敛性充分条件。第二，针对离散时间非仿射非线性系统和非仿射非线性时滞系统，讨论牛顿迭代学习律和正割学习律。为提高系统的动态性能，对系统的控制输入引入饱和函数，构造出饱和形式的非线性学习律。理论分析了具有饱和限幅的非线性学习律的收敛性条件。第三，针对非仿射非线性系统，讨论迭代学习控制的初始定位问题。已有文献在讨论迭代学习控制问题时，大多假设在每次迭代过程开始时，初始状态与理想初态重合或者固定于某确定的值。这种严格的精确定位要求在实际操作中难以实现。本文讨论了关于非仿射非线性系统的初态学习方法

3、，同时进行控制输入的迭代学习和初态的迭代学习。理论分析了初态学习下开环学习律、闭环学习律、开闭环学习律的收敛性条件。第四，讨论含时变参数的非仿射非线性系统的迭代学习辨识问题。依据迭代学习控制理论，讨论了P型迭代学习辨识基本方法以及非线性迭代学习辨识方法。论文将迭代学习辨识应用于混沌保密通信中，将有限长度信息信号的保密通信归结为迭代学习辨识问题，并以迭代学习辨识技术完全重建信息信号。论文给出了非线性N．shift加密新方法，该方案在一定程度上增强了混沌通信的保密性能。关键词：迭代学习控制，非仿射非线性系统，牛顿学习

4、律，正割学习律，迭代学习辨识，混沌保密通信浙江工业大学硕上学位论文ITERATIVELEARNINGIDENTIFICATIoNANDCONTRoLFoRNoN．AFFINENONLINEARSYSTEMSABSTRACTIterativelearningcontrol0LC)algorithmissuitableforrepetitivesystemsoverafiniteinterval．Inordertofollowthedesiredtrajectorycompletely,thesysteminputi

5、supdatedfromthepreviousinputexperiences．ThemajorfeatureofILCalgorithmsisthattheexactsystemmodelisnotnecessary．MostofILCresearchesfocusedonlinearsystemsandaffinenonlinearsystems．Onthebaseofcontractionmappinganalysis，thisthesispresentsnonlinearILCalgorithmsandi

6、terativelearningidentification(ILI)algorithmsfornon-affinenonlinearsystems．ThisthesismainlyCOVerSthefollowingaspects．Firstly,twononlinearILCalgorithmsarepresentedforthenon—affinenonlinearcontinuoussystems，namelytheNewton-typeILCalgorithmandtheSecant-typeILCal

7、gorithm．Sufficientconditionsaregivenfortheconvergenceanalysisofthetwoalgorithms．Secondly,thethesisextendstheNewton-typeandtheSecant-typeILCalgorithmstonon．．affinenonlineardiscretetimesystemsandnon·-affinenonlinearsystemswithtimedelay．Thefully-saturatedleaming

8、algorithmisproposedtoenhancethesystemperformance，ofwhichthesufficientconditionsfortheconvergenceanalysisarederived．Thirdly,theproblemofinitialrepositioningisdiscussedfornon—affinenonlinea