基于数据驱动的范数最优迭代学习控制

许万 肖迪 陈婷薇

［摘要］ 在系统模型确定的前提下，传统的范数最优迭代学习控制（NOILC）可以有效提高伺服系统的跟踪精度。但是在实际控制过程中，系统模型参数往往是变化的，从而导致控制器性能的下降。为此，提出了一种基于数据驱动的范数最优迭代学习控制方法。以系统的输入输出为依据，建立系统估计模型的代价函数，对代价函数进行偏微分处理，得到一种基于数据驱动的非参数模型辨识方法，最后将此模型辨識方法和NOILC相结合。实验结果表明：针对时变系统，此控制方法的跟踪误差为NOILC（Norm optimal iterative learning control，NOILC）的57.1%，并且相比NOILC提前5次收敛。因此，提出的方法能有效改善时变系统的跟踪性能。

［关键词］ 迭代学习； 数据驱动； 范数最优； 运动控制

［中图分类号］ TP273.1［文献标识码］ A