当前位置：首页>深圳>哈工大(深圳)吴爱国团队 | 离散时间线性系统带有可调参数的迭代学习控制算法

哈工大(深圳)吴爱国团队 | 离散时间线性系统带有可调参数的迭代学习控制算法

2026-05-08 21:22:53

研究团队

吴爱国，赵秀娟，梅杰：哈尔滨工业大学（深圳）

#迭代学习控制，#收敛速度，#线性系统

引用本文：Wu A-G, Zhao X-J, Mei J. An iterative learning control algorithm with a tuning parameter for discrete-time state-space linear systems. Sci China Inf Sci, 2026, 69(3): 132206, https://doi.org/10.1007/s11432-024-4618-0

研究意义

实际工业过程中存在着大量重复运行的系统，这些系统在有限的时间间隔内重复执行相同的工作任务。针对这类系统的跟踪控制问题，迭代学习控制是一种可行且有效的方法。保证系统跟踪误差的收敛是迭代学习控制算法设计的基本前提。此外，跟踪误差的收敛速度也是一个关键的指标。较快的收敛速度可以有效减少系统达到目标精度的迭代次数，显著降低成本和提高生产效率。因此，设计迭代学习控制算法来提高跟踪误差的收敛速度是一个重要的问题。

本文工作

为了解决上述问题，本文提出了带有一个可调参数的迭代学习控制算法，使用了更多过去迭代中的控制输入和跟踪误差的信息。通过得到的跟踪误差的迭代序列，分析了跟踪误差的收敛性，得到了一些保证跟踪误差在所提算法下收敛的充要条件，也给出了最优的可调参数的表达式。

本文的创新点如下：

(1) 基于参数引入方法，提出了带有一个可调参数的迭代学习控制算法，此算法使用了过去两次迭代中的信息；

(2) 一方面，所引入的参数为控制算法的设计增加了一个自由度，使得所提算法适用于更多类型的系统。另一方面，通过选择一个合适的可调参数，所提算法可以提高跟踪误差的收敛速度；

(3) 不仅给出了使跟踪误差收敛的可调参数的必要条件，而且给出了使跟踪误差实现最快收敛速度的最优参数的显式表达式。

实验结果

通过仿真例子对本文所提出的带有可调参数的迭代学习控制算法进行验证。仿真结果表明，在带有合适可调参数的迭代学习控制算法下，跟踪误差的收敛速度变快了；在带有最优可调参数的迭代学习控制算法下，跟踪误差实现了最快的收敛速度。另外，某些系统在原始迭代学习控制算法下的跟踪误差无法收敛，但通过选择合适的可调参数，此系统在所提算法下的跟踪误差可以收敛。