系统等价变换：具有非重复不确定性的迭代学习控制的鲁棒收敛性
系统与控制
2019-10-24 v1 系统与控制
摘要
对于迭代学习控制（ILC），尚待解决的基本问题之一是如何解决输出跟踪误差与输入信号（或误差）收敛条件之间的矛盾。本文考虑了该问题，针对存在非重复不确定性的 ILC 系统进行了鲁棒收敛性分析。提出了一种用于 ILC 的系统等价变换（SET），使得对于任意给定的期望参考轨迹，一般非方多输入多输出（MIMO）系统的输出跟踪问题均可等价地转化为具有相同输入输出通道的特定类方 MIMO 系统的相应问题。作为 SET 的一个好处，仅需一个统一条件即可同时保证所有系统信号的均匀有界性与输出跟踪误差的鲁棒收敛性，从而避免了在对 ILC 采用双动态分析方法时引发条件矛盾问题。文中给出了仿真示例以证明我们所建立的鲁棒 ILC 结果的有效性。
引用
@article{arxiv.1910.10305,
title = {System Equivalence Transformation: Robust Convergence of Iterative Learning Control with Nonrepetitive Uncertainties},
author = {Deyuan Meng and Jingyao Zhang},
journal= {arXiv preprint arXiv:1910.10305},
year = {2019}
}
备注
Submitted