朱胜 作品数:23 被引量:88 H指数:7 供职机构: 浙江大学城市学院 更多>> 发文基金: 国家自然科学基金 浙江省自然科学基金 浙江大学城市学院教师科研基金 更多>> 相关领域: 自动化与计算机技术 理学 文化科学 更多>>
齿隙非线性输入系统的迭代学习控制 被引量:10 2011年 针对一类具有输入齿隙特性的非线性系统,提出一种实现有限作业区间轨迹跟踪的迭代学习控制方法.在系统不确定项可参数化的情形下,基于类Lyapunov方法设计迭代学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.对未知时变参数进行泰勒级数展开,参数估计采用微分学习律,并在控制器设计中,采用双曲函数处理级数展开后的余项以及齿隙特性里的有界误差项,以保证控制器可导,且可抑制颤振.引入一级数收敛序列确保系统输出完全跟踪期望轨迹,且闭环系统所有信号有界. 朱胜 孙明轩 何熊熊关键词:迭代学习控制 齿隙 非线性时变系统 多变量非线性系统的变阶采样迭代学习控制 被引量:1 2013年 针对存在初态误差的情形,提出多变量非线性系统的变阶采样迭代学习控制方法.相对固定阶迭代学习算法,变阶算法可有效降低跟踪误差.对变阶采样迭代学习算法进行了收敛性分析,推导出收敛充分条件.给出了变阶学习的两种实现策略-DD(Direct division)和DIP(Division in phases)策略.数值仿真表明,基于DIP策略的变阶采样迭代学习算法在获得较高的控制精度的同时,具有较快的收敛速度. 孙明轩 李芝乐 朱胜关键词:多变量系统 采样系统 输入死区非线性系统的自适应鲁棒重复控制 针对一类输入含死区非线性特性的周期时变系统+在系统非线性项不可参数化的情形下设计自适应鲁棒重复控制器。当系统输出跟踪理想周期轨迹时,将非参数化不确定项转化为含周期时变参数的多项式形式,利用全饱和与部分饱和周期学习律估计周... 朱胜 王雪洁 李艳君 刘炜关键词:非参数化 文献传递 若干类非线性系统的学习控制 从上世纪中叶逐步形成的非线性控制方法主要包括自适应控制、滑模变结构控制、鲁棒控制、神经网络与模糊系统控制。学习控制发展至今才二十余年,是一个崭新的研究领域。学习控制理论的提出启发于机器人控制,其核心思想是人为给定规则,让... 朱胜关键词:非线性系统 迭代控制 重复控制 文献传递 一种基于状态空间目标曲线的过饱和交通路口最优控制方法 本发明涉及一种基于状态空间目标曲线的过饱和交通路口最优控制方法,包括如下步骤:1)、通过交通路口的传感器采集路口排队情况;2)、将各个路口的排队状态转移到排队空间中,将整个路口控制问题转化为排队论问题,计算出当前排队状态... 刘泓 臧泽林 朱胜文献传递 一种鲁棒自适应重复控制器设计方法 本发明涉及一种鲁棒自适应重复控制器设计方法,包括:步骤1)针对系统,给定理想轨迹;步骤2)定义滤波误差,对滤波误差求导;步骤3)提出控制器设计方法。本发明的有益效果是:提出在重复控制的参数估计律中加入开关σ修正的方法,参... 朱胜 孙明轩 刘泓 刘玮 肖铎 戚伟文献传递 不确定非线性系统的变结构重复控制 被引量:1 2010年 针对周期作业下的不确定非线性系统的跟踪控制问题,在系统不确定性界函数已知情形下,提出形式简单的变结构重复控制算法.该算法将变结构控制与重复控制相结合,以弥补单一控制方式的缺陷.其中,变结构控制部分采用断续函数连续化处理,可有效消除系统"抖振",同时保证闭环系统中所有变量有界;重复控制部分通过重复作业,可有效消除系统跟踪误差,改善系统跟踪性能,在存在非重复不确定性情形下实现系统沿整个周期完全跟踪.基于Lyapunov-like方法,给出闭环系统稳定性及学习收敛性的分析,数值仿真结果用于验证该算法的有效性. 刘利 孙明轩 朱胜关键词:重复控制 变结构控制 稳定性 收敛性 初态学习下非仿射非线性系统的迭代学习控制 被引量:9 2010年 针对非仿射非线性系统,提出初态学习律,并给出关于初态学习的收敛性充分条件.初态学习使得系统在每次迭代开始时,不严格要求其初态与期望初态重合或者固定于某一具体位置上,而是允许存在一定的定位偏差.利用压缩映射分析方法,推导出在初态学习下的开环学习律、闭环学习律、开闭环学习律的收敛性充分条件,证明了迭代学习控制系统关于初始定位误差的鲁棒收敛性.依据此收敛性条件,可确定输入学习律及初态学习律的学习增益.理论分析与数值仿真表明初态学习下迭代学习算法的有效性. 李世平 孙明轩 朱胜关键词:非仿射非线性系统 迭代学习控制 初态学习 收敛性 具有未知死区输入非线性系统的迭代学习控制 被引量:16 2009年 针对一类具有死区输入非线性系统,提出一种实现有限作业区间轨迹跟踪控制的神经网络迭代学习算法.基于Lyapunov-like方法设计学习控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.为处理输入死区,利用神经网络逼近这种强非线性特性;同时,通过对神经网络逼近误差界的估计并在控制器中设置补偿作用以消除其影响,从而提高系统的跟踪性能. 朱胜 孙明轩关键词:迭代学习控制 神经网络 非线性系统 严格反馈非线性时变系统的迭代学习控制 被引量:22 2010年 针对一类含未知时变参数的严格反馈非线性系统,提出一种实现有限作业区间轨迹跟踪控制的迭代学习算法.基于Lyapunov-like方法设计控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.以反推设计(Backstepping)方法设计控制器,为使得虚拟控制项可导,引入一级数收敛序列;将时变参数展开为有限项多项式形式,在控制器设计中采取双曲正切函数处理余项对于系统跟踪性能的影响.理论分析表明,闭环系统所有信号有界,并能够实现系统输出完全收敛于理想轨迹. 朱胜 孙明轩 何熊熊关键词:迭代学习控制 时变系统