基于控制器動態線性化的數據驅動ILC*

徐通福，李秀英

（上海應用技術大學，上海 201418）

0 引言

迭代學習控制（iterative learning control，ILC）利用有限時間內先前迭代的信息來提高重復操作系統的跟蹤性能［1］。它已經廣泛應用于機器人、劃片機、紅外相機和列車等重復系統［2-5］。對于大多數現有的迭代學習控制方法，控制器的設計和穩定性的分析需要知道被控對象的動態模型。從這個角度來看，它們被認為是基于模型的ILC。基于模型的ILC是使用基本原理或辨識方法對被控對象建模。如果對象是復雜的，那么基于模型設計的控制律的結構也會變得復雜，這導致控制器設計耗時、低效，甚至在某些實際情況下是不可能的。

為了解決基于模型的ILC 帶來的一些問題，數據驅動的控制方法近年來吸引了越來越多的關注。李佳偉等在迭代學習控制的基礎上引入遺忘因子，減少了系統的超調和振蕩［6］。薄雨蒙等將基函數前饋調參技術和ILC 技術結合，有效地提高了對時變的期望軌跡的控制精度［7］。梁建智等利用數據驅動迭代控制大大減小了數控機床位置跟蹤誤差［8］。

數據驅動的迭代學習控制方法雖然消除了基于模型的控制方案的一些問題，但是仍然存在一些關鍵的問題。例如：學習控制器的設計通常是根據經驗或一些系統知識確定的；學習控制增益沒有精確地校準，只是采用固定的學習控制增益，該增益通常在迭代過程中啟發式地確定。對此，本文對一般的未知非線性重復系統，提出了一種新的數據驅動迭代學習控制方法。……