迭代学习控制器参数的数据驱动自适应整定方法

Data-Driven Adaptive Tuning of Iterative Learning Control

于瀛祯 ¹林娜 ¹池荣虎¹

扫码查看

作者信息

1. 青岛科技大学自动化与电子工程学院,山东青岛 266061
折叠

摘要

针对PID型迭代学习控制(iterative learning control,ILC)方法,提出了两种数据驱动自适应整定(data-driven adaptive tuning,DDAT)方法.首先采用紧格式迭代动态线性化(compact form iterative dynamic linearization,CFIDL)方法将原始的非线性系统转化为等价的线性数据模型,设计了一个目标函数来动态地调整 PID型 ILC 的学习增益.其次,通过对设计的目标函数进行优化,提出了一种基于 CFIDL 的 DDAT 方法.该方法只使用实际的 I/O 数据,而不需要任何机理模型信息.进一步,引入偏格式迭代动态线性化(partial form iter-ative dynamic linearization,PFIDL)方法对结果进行扩展,提出了一种基于PFIDL的DDAT方法.所提出的两种DDAT方法都可以提高 PID 型 ILC 对不确定性的鲁棒性.最后,通过仿真验证了两种方法的有效性.

Abstract

In this paper,we propose two data-driven adaptive tuning(DDAT)approaches of PID-type ILC.First,we use a compact form iterative dynamic linearization(CFIDL)method to transfer the original nonlinear system into a equivalent linear data model,and we design an objective function to dynamically tune the learning gains of ILC law.Then,by optimizing the designed objective function,a CFIDL based DDAT method is proposed.This DDAT method only uses the real I/O data and doesn't need to know any mathematical model infor-mation.On this basis,we introduce a partial form iterative dynamic linearization(PFIDL)method to extend the research results,and propose a PFIDL based DDAT method.Both the proposed DDAT methods can help the PID-type ILC have a better robustness against to the uncertainties.Finally,the effectiveness of the two proposed DDAT-based ILC methods is verified by the simulations.

关键词

数据驱动方法/参数的自适应整定/迭代学习控制/优化

Key words

data-driven methods/adaptive tuning of learning gains/iterative learning con-trol/optimizing

引用本文复制引用

基金项目

国家自然科学基金项目(61833001)

国家自然科学基金项目(61873139)

出版年

2024

青岛科技大学学报(自然科学版)

青岛科技大学

青岛科技大学学报(自然科学版)

CSTPCD

影响因子：0.297

ISSN：1672-6987

参考文献量2

段落导航