迭代学习控制有限精度下优化设计与实现及其应用研究

As one of the important modern control techniques, iterative learning control (ILC) has been well established during the last four decades. However, it is far away being complete as the study of ILC in the presence of non- repetitive noises still needs more efforts and research in-depth, and the issues regarding the effects of finite precision implementation of ILC algorithms have been rarely investigated. The objectives of this project are i) to investigate the optimal design of learning filters in a generalized ILC scheme (GILCS); ii) based on system structure theory, to study the optimal realization of the learning filters for finite precision implementation; 3) to apply the theories developed to active noise control (ANC) systems. The specific topics include: to investigate the tractability and convergence of the GILCs in the presence of non-repetitive disturbances and hence to propose new design criteria for learning filter design and the corresponding optimization algorithms; to analyze the effects of quantization errors which occur in the learning filters on an GILCs and to study the module-based sparse system structures and optimization techniques, which are used to search for robust and sparse learning filter structures; to investigate the application in ANCs, where a novel scheme, which combines the developed GILC theory and the classical feedback control, will be derived.

迭代学习控制(ILC）经过近四十年的发展，已成为重要的现代控制技术之一。然而，对非重复性噪声环境下相关的ILC理论还有待完善，ILC有限精度实现的研究还尚未展开。本课题以全局优化思想为指导，研究广义迭代学习控制（GILCS）中学习滤波器最优设计理论；以系统结构理论为基础，研究迭代学习滤波器有限精度最佳实现结构；作为理论与应用研究的结合，将ILC理论及优化实现方法应用在旋转机械的主动噪声控制(ANC)，探讨新型ANC系统的设计及实现。主要内容包括：研究在（非重复性）干扰下广义迭代学习控制的跟踪性能及收敛性,提出学习滤波器优化设计准则及优化算法；分析学习滤波器实现量化误差对广义迭代学习控制性能的影响，研究基于模块简洁系统结构集合理论及优化方法，寻找学习滤波器高鲁棒性简洁实现结构；提出基于GILCS和反馈控制复合型的ANC系统的整体优化设计思想及实现方法，为未来新型ANC系统开发提供重要理论依据

迭代学习控制(ILC)是一种以迭代方式产生优化控制信号的控制方法，十分适用于解决非线性、复杂性、难以建模的控制问题，已成为一种重要的现代控制技术。然而对非重复性噪声环境下相关的迭代学习控制理论还有待完善，迭代学习控制有限精度实现的研究还尚未展开。本课题以全局优化思想为指导，研究广义迭代学习控制(GILCS)中学习滤波器最优设计理论；以系统结构理论为基础，研究迭代学习滤波器有限精度最佳实现结构；作为理论与应用研究的结合，将ILC理论及优化实现方法应用在信号处理、运动系统控制和多智能体安全等方面，内容与成果可概括为四个方面：.1.提出了一种新的压缩感知(CS)系统，所提出的CS系统采用了包含多个词典的新颖框架，减少字典学习的计算负担，提高重建精度。.2.基于能量成形方法和无源性控制方法，推导出用于三维(3-D)欠驱动桥式起重机的增强耦合控制方法，提高运输效率并确保起重机系统的安全性。.3.针对恶意攻击下连续时间网络化多智能体系统的安全共识问题，提出了一种基于迭代学习控制(ILC)策略的新方法，以解决有向网络中的攻击容忍有限时间共识问题。.4.通过结合晶格结构和误差反馈技术推导出一种新的滤波器结构，该技术包含用于结构优化的自由参数。.本项目在信号信号处理、运动系统控制和多智能体安全等方向的研究成果是对迭代学习控制理论的丰富与发展，对现代控制技术的提高有着积极的作用。