网络环境下的迭代学习控制及应用研究

The existing contributions of iterative learning control are devoted to focusing mainly on traditional centralized point-to-point control systems. However, in many practical control systems, the configuration and operation mode of control systems are changing due to the development of network technology. Control loops that are closed over a communication network have become more and more common, which results in point-to-point control systems replaced by networked control systems in many control fields. This work considers the network-based iterative learning control and applications, and the main contents include as follows: (1) The stabilization problem of network-based iterative learning control system are studied where the focus are networked-induce delay, packet dropout and communication channel iteration varying disturbance issues. The influences of these factors for ILC systems are also analyzed. (2) The design of robust ILC controller, compensation algorithms for networked-induce delays and packet dropouts, and observers for disturbances are studied. The improved ILC schemes can enhance the robustness against network induced issues. (3) The results of stability analysis and controller design are verified through the urban express traffic iterative learning control in network-based environment with ramp metering. Hence, this work is a topic of considering both theoretical aspect and application.

迭代学习控制的研究结果主要针对点对点方式的控制系统给出的。实际系统中，控制系统的结构和运行模式正在发生较大的变化，网络技术的广泛应用使得网络控制方式在多个领域中逐步替代点对点的控制方式。本项目研究网络环境下迭代学习控制方法的分析和设计问题，主要研究内容包括：(1) 针对通信网络存在数据传输延时、数据包丢失以及信道传输随机迭代相关扰动的问题，研究迭代学习控制的理论收敛性分析方法，并分析上述因素对迭代学习控制系统的影响。(2) 研究网络环境下鲁棒迭代学习控制器的设计方法、数据传输延时和数据包丢失的补偿方法以及迭代相关扰动的观测和滤波方法，以降低网络基本参量约束对迭代学习控制系统的影响，提高控制方法的鲁棒性。(3) 通过基于网络环境实现的城市快速路交通系统入口匝道控制，验证本项目中的理论分析结果和鲁棒控制器设计方法。本项目的研究既是理论研究课题，同时也是应用问题，具有重要的学术和应用价值。

迭代学习控制是一种智能控制方法，它针对具有重复性和周期性的动态系统在不需要精确已知模型的情况下可实现高精度跟踪控制，该方法目前已在多个系统中得到应用。实际中，基于网络模式的控制架构逐步替代传统点对点控制方式，现有的迭代学习控制理论在网络控制系统中无法直接应用。.本项目研究网络基本参量约束下迭代学习控制系统的收敛性分析理论和控制器设计方法，主要研究结果包括：（1）给出了网络基本参量约束下迭代学习控制系统的收敛性理论，定义了统计意义系统的收敛速度因子，揭示了网络基本参量约束对迭代学习控制系统的影响。（2）利用Super-Vecter描述将网络参量约束下的迭代学习控制系统转换为一维随机多输入多输出系统，给出了一种满足迭代域H∞性能的鲁棒迭代学习控制器设计方法。（3）将丢包上界已知的网络参量约束过程建模为时间域任意切换的切换系统，基于压缩映射方法给出了切换系统的迭代学习控制收敛性理论，为网络参量约束的迭代学习控制系统提供一种新的分析方法。（4）建立网络参量约束下迭代学习控制系统的随机二维模型，利用二维随机李雅普诺夫函数研究了二维系统存在网络参量约束的反馈控制问题，并基于二维系统反馈控制结果实现迭代学习控制的设计。（5）将所提出的迭代学习控制算法应用于城市道路系统入口匝道控制中去，有效降低了交通数据传输对迭代学习控制方法的影响。同时，理论研究结果也推广应用到农业车辆路径跟踪控制、天车位置跟踪及防摆控制等领域。.经过了三年多的努力，本项目完成了研究计划的内容，共发表学术论文23篇，其中SCI期刊12篇，EI期刊8篇。主要发表在国际期刊《International Journal of Robust and Nonlinear Control》、《IET control Theory and Application》、《International Journal of Systems Science》以及国际会议IEEE ICCA, CCC, CCDC上。研究成果荣获河南省科技进步二等奖1项，国际期刊《International Journal of Control, Automation and Systems》优秀论文奖1篇，主要论文累计被引用200余次。本项目的研究结果丰富了迭代学习控制理论体系，为实际网络控制系统提供有效的迭代学习控制方法，具有重要理论价值和实际意义。