迭代學習控制器參數的數據驅動自適應整定方法

于瀛禎,林 娜,池榮虎

(青島科技大學 自動化與電子工程學院,山東 青島 266061)

自從迭代學習控制(iterative learning control,ILC)在1984年被ARIMOTO 提出之后[1],目前已經取得了許多理論成果[2-4]和成功應用[5-7]。ILC的核心思想就是利用上一次迭代的控制輸入和跟蹤誤差對當前迭代的控制輸入進行修改,從而使輸出隨著迭代次數的增加能夠很好地實現對期望軌跡的跟蹤。

PID 型ILC 包 括P 型ILC、PD 型ILC、PID 型ILC等多種組合形式,具有易于實現、具備良好跟蹤性能等諸多優點。在文獻[8]中,提出了一種改進的PD 型ILC 方法,所提方法具有良好的瞬態響應。在文獻[9]中,針對具有時變不確定性的工業間歇過程,提出了一種魯棒PI型ILC 方案。在文獻[10]中,提出了一類具有初始學習狀態的單邊Lipschitz非線性系統的開環和閉環P型ILC 算法。然而,傳統的PID 型ILC 的控制器增益一旦被選中就會被固定,當外部環境因為擾動或者不確定性而發生變化時,這些固定增益的控制器可能無法適應這些變化,從而導致系統控制性能變差。因此,如何動態地調整PID 型ILC 的學習增益引起了學者們的廣泛關注。文獻[11]提出了一種利用遺傳算法來選擇PID 型ILC 學習增益的方法。但是遺傳算法中涉及到許多參數,這些參數大多數是需要根據經驗選擇的。在文獻[12]中,作者采用粒子群優化算法對自適應PID 型ILC進行研究。然而,用粒子群算法來選擇控制增益是非常復雜繁瑣的。文獻[13]設計了一種模糊PID 型ILC的方法,該方法的基本思想是利用模糊控制來設置PID 參數從而抑制未知因素帶來的影響。……