一类非线性不确定系统的自抗扰迭代学习控制理论研究

Both active disturbance rejection control (ADRC) and iterative learning control (ILC) are independent of the accurate mathematic model of controlled plants. The former with high efficiency of data utilization can deal with system uncertainties explicitly. This project introduces ADRC technique into ILC to enhance the control performance of ILC algorithms and presents a new method named active disturbance rejection based iterative learning control (ADRILC) for a class of nonlinear uncertain systems. ADRC can only be applied in the time-domain, but ILC has to perform the same tasks over a finite interval by iteration. Therefore, it is necessary to study the active disturbance rejection based ILC methods in iteration domain. For the initial state problem of ILC, a method of arranging transition process is studied using finite time tracking differentiators. The initial state problem is transformed in a unified way into the problem of rectifying desired trajectory with zero initial error. The trajectory shape can be adjusted according to the practical operation requirements of the controlled plants. As extended state observer (ESO) is not suitable for applications in perfect tracking problem during finite-time interval because of its nonzero convergence time, a new estimation method of the extended state is studied by combining clockwise estimation and non-causal counter-clockwise estimation of ESO according to offline data of iterative process. New types of iterative ESO which can be used directly in iteration domain are studied. These iterative ESO can express explicitly the estimator of the system uncertainty according to the tracking error during the process of iterations. This explicit estimator can improve remarkably the iterative convergence rate. This project will accomplish the testing, improvements and preliminary applications of the new ADRILC methods in the laboratory.

自抗扰控制和迭代学习控制都不依赖被控对象的精确数学模型，但前者具有高效数据利用率并能高效显示地处理系统的不确定项. 本项目在迭代学习控制中引入自抗扰控制技术，针对一类非线性不确定系统，提出自抗扰迭代学习控制新方法. 自抗扰控制只适合在时间域中应用，而迭代学习控制是在有限时间周期内循环迭代工作，因此需要研究适合迭代域工作的自抗扰理论. 针对迭代学习控制的初始值问题，研究适合安排过渡过程的有限时间跟踪微分器，把初始值问题转化为零初始误差问题，并能根据实际工艺过程要求灵活调节过渡轨迹形状；针对扩张状态观测器需要收敛时间而不适合有限时间区间的完全跟踪问题，研究把顺时估计和非因果的逆时估计相结合的扩张状态估计新方法；研究新型的适合迭代域的迭代扩张状态观测器，在迭代域中用跟踪误差显式表示系统不确定项，从而大幅度提高迭代收敛速度. 本项目还将在实验室完成自抗扰迭代学习控制方法的试验、改进和初步应用.

项目把两种不同工作区间的处理不确定性系统控制方法（自抗扰控制和迭代学习控制）结合起来，提出了自抗扰迭代学习控制方法，提出了提高数据利用率、提高控制效率和控制质量的具体算法，完成了自抗扰迭代学习控制理论体系的主要内容，并推广到迭代学习辨识的研究中，在开关磁阻电机的降低转矩脉动和无线UWB定位与路由中得到应用。主要完成内容包括：构建了自抗扰迭代学习控制理论框架；在控制系统的整个工作区间研究了不变性原理的多种控制算法特别是ADRC的表现形式；提出了PID控制的表现形式与ADRC的不同形式的对应关系和参数整定方法；提出了自抗扰迭代学习控制在开关磁阻的转矩脉动中多种控制算法；提出用自抗扰迭代学习辨识在智能体UWB定位和通信路由中的具体算法；提出了自抗扰控制在水稻机器人中的应用算法等等。项目的主要成果包括：标注基金的SCI/SCIE/IE文章30余篇、相关专利9项、相关人才培养14人，未来二年内将有更多的研究成果，除了文章、专利和培养人才之外，还包括大范围直接驱动调速（40RPM至12000RPM 调速范围不需要齿轮变速）的开关磁阻自抗扰迭代学习控制方法将在家用电器中得到初步应用，《自抗扰迭代学习控制》和《自抗扰迭代学习辨识在UWB定位和路由中的应用》两个专著出版。项目的完成深化了对ILC和ADRC的理论研究，揭示了它们的内在联系和相互补充，同时为ADR-ILC在不同应用领域提供理论基础和应用案例。

内容获取失败，请点击重试