基于数据驱动的非线性网络系统自适应迭代学习控制
CSTR:
作者:
作者单位:

南京工业大学~电气工程与控制科学学院,南京~211800)

作者简介:

通讯作者:

E-mail: shenmouquan@njtech.edu.cn.

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61403189).


Data driven adaptive learning control of nonlinear network system
Author:
Affiliation:

(College of Electrical Engineering and Control Science,Nanjing Tech University,Nanjing 211800,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非线性网络控制系统中测量数据的量化及随机丢包问题,给出一种基于数据驱动的自适应迭代学习控制算法.该算法能够保证系统在数据量化、随机丢包以及不确定迭代学习长度等因素的影响下,经过有限次迭代后输出轨迹跟踪误差收敛到零;借助伪偏导线性化方法,将非线性系统转换为线形时变系统形式;在线性系统框架下利用前一批次的系统输出信息更新自适应学习增益.与传统迭代学习控制算法不同的是,该算法无需预知迭代长度的先验信息和控制系统模型信息.最后通过Matlab仿真实验验证所提出算法的有效性.

    Abstract:

    Aiming at the quantization of measurement data and random packet loss problems in nonlinear network control systems, this paper presents a data-driven based adaptive iterative learning control algorithm. This algorithm can ensure that the output tracking error can converge to zero after a limited number of iterations, although the system suffers from factors such as data quantification, random packet loss, and uncertainties. Resorting to a pseudo partial derivative based linearization method, the nonlinear system is converted into a linear time-varying system form. Under the framework of linear systems, the adaptive learning gain is updated by the previous batch outputs. Different from the traditional iterative learning control algorithm, the proposed one has no need to predict a priori iteration length and the control system model. Finally, the effectiveness of the proposed algorithm is verified by simulations.

    参考文献
    相似文献
    引证文献
引用本文

刘红霞,史玄玄,沈谋全.基于数据驱动的非线性网络系统自适应迭代学习控制[J].控制与决策,2021,36(6):1523-1528

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2021-05-10
  • 出版日期: 2021-06-20
文章二维码