迭代学习控制理论研究的主要方法及其限制 自适应迭代学习控制的研究方法
自适应控制研究方法及其缺陷
线性自适应控制系统的设计理论和分析方法 1. 基于稳定性理论的设计和分析(Narendra, 1989, MRAC，连续时间系统) 2. 基于确定性等价原理及关键性引理和鞅理 论的设计与分析(Goodwin, 1984,STR/STC，离 散时间系统)
迭代学习控制理论及其限制
学习控制是指在控制系统的进程中估计某些信息并据以 改善控制性能的一种控制方法，以便逐步改进控制系统 的性能。迭代学习控制是一种有可靠的数学基础的学习 控制方法。下图是迭代学习控制的结构图。
控制存储器 uk+1(t) uk(t) 被控对象 yk(t)
-
r(t)
期望轨迹
学习算法

二、问题的背景及科学意义



自适应控制理论的公开问题：无法处理本质时变 问题，控制系统的动态品质无法保证。 迭代学习控制理论的限制：只能精确跟踪固定目 标。 过程工业稳态优化控制中的关键问题 ：如何确 保稳态优化中一次次动态进程具有良好性能？ 提出自适应迭代学习控制理论, 为解决上述问题 提供了一个可行的方法。
亟待解决的关键问题


对各类典型的非线性系统研究非光滑或连续自适 应迭代学习控制理论与方法，以解决系统含有饱 和非线性，滞后非线性等的全局收敛的非一致目 标跟踪自适应迭代学习控制，分析系统稳定性、 收敛性和鲁棒性。 随机系统的自适应迭代学习控制问题的提法，系 统结构和稳定性、收敛性和鲁棒性分析。
五、应用前景
二、问题的背景及科学意义



自适应控制理论的公开问题：无法处理本质时变 问题，控制系统的动态品质无法保证。 迭代学习控制理论的限制：只能精确跟踪固定目 标。 过程工业稳态优化控制中的关键问题 ：如何确 保稳态优化中一次次动态进程具有良好性能？ 提出自适应迭代学习控制理论, 为解决上述问题 提供了一个可行的方法。
问题的提出及科学意义
自适应控制和迭代学习控制结合形成自适应迭代学习控 制(简称AILC)，目前AILC主要是将自适应控制结合进迭 代学习控制，设计新型迭代学习控制系统。为了解决以 上理论上的缺陷和限制，需要我们研究以下基本问题。 问题的提出： 1）如何将自适应控制和ILC 有机结合设计新的AILC，实 现对非一致目标的精确跟踪？ 2）如何将ILC引入自适应系统的设计中,引导自适应系统 的动态过程, 解决自适应系统的公开问题? 这些问题的解决将在高智能机器人(拟人化机器人)系统、 大工业过程稳态优化以及自适应控制的应用中具有重要 的意义。
自适应控制问题

被控对象： x f ( x, u, ), x(0) x0 , y(t ) h( x(t )) ˆ ˆ ˆ ( x, ), (0) 0 , u ( x, ) 自适应控制器：ˆ 自适应控制是参数学习的控制方法，处理系统参 数的不确定性和“小”的结构不确定性。实现了 系统的渐近调节或渐近跟踪。
控制科学面临重要的机遇和挑战




机器人与智能机器（Robotics and Intelligent Machine） 拟人化机器人是高智能的人工智能系统，如何实现复杂 目标的跟踪成为关键问题之一。 宇航和交通（Aerospace and Transportation） 分子量子和微系统（Molecular, Quantum and Nanoscale systems） 生物和医学 材料和工业过程 环境科学与工程 经济和金融系统、电力系统
工业过程稳态优化中的关键问题
过渡过程示意图
ckT
ck-1 c1T
ck+1
0
T
(K-1)T
kT
(K+1)T
工业过程稳态优化中的关键问题
ILC在工业过程中的应用
优化校正
ILC
非线性工业闭环控制过程
yd
二、问题的背景及科学意义



自适应控制理论的公开问题：无法处理本质时变 问题，控制系统的动态品质无法保证。 迭代学习控制理论的限制：只能精确跟踪固定目 标。 过程工业稳态优化控制中的关键问题 ：如何确 保稳态优化中一次次动态进程具有良好性能？ 提出自适应迭代学习控制理论, 为解决上述问题 提供了一个可行的方法。
二、问题的背景及科学意义



自适应控制理论的公开问题：无法处理本质时变 问题，控制系统的动态品质无法保证。 迭代学习控制理论的限制：只能精确跟踪固定目 标。 过程工业稳态优化控制中的关键问题 ：如何确 保稳态优化中一次次动态进程具有良好性能？ 提出自适应迭代学习控制理论, 为解决上述问题 提供了一个可行的方法。

控制系统的典型结构图
扰 动 给 定 误 给 定 环 输入 + 差 节 _ 反馈 信号 输 出
控 制 器
放大 环节
执行 环节
被控 对象
反馈环 节
控制科学的发展简史

从基于物理和（或）数学模型的控制理论到基于 信息的智能控制理论，再到基于行为化方法的一 般控制理论。

经典控制理论：SISO, 数学工具：传递函数和复变函数理论。 现代控制理论：MIMO, 数学工具：线性代数, 微分方程, 随 机过程、微分几何, 变分法及泛函分析等。 智能控制理论：3C问题，基础工具：动力系统，人工智能， 知识工程，神经网络，模糊数学，进化算法、行为化理论等。

自适应控制系统的结构
干扰
控制输入 被控对象 输出 控制输入 干扰 被控对象 输出
反馈控制器
反馈控制器
校正作用 自适应控制器
参数 辨识器
模型参考自适应控制的仿真图
系统响应曲线
自适应控制的公开问题

长期存在的公开问题是：如何保证闭环自适应系 统具有良好动态性能品质？ 当参数是时变时如何设计？

自适应控制研究方法及其缺陷
非线性自适应控制系统的设计理论和分析方法 1. 基于万能逼近特性模型（如：神经网络或模糊系统） 的自适应控制 (Franklin, 1994, ANNC, or Wang, 1995, AFC), 利用稳定性理论设计和分析. 2. 基于微分几何理论的自适应控制(Isidori, 1990, AFLC; Krstic,1995， SFSAC, OFAC) 3.基于估计理论的自适应控制 (Krstic,1995 ，Passive or Swapping) 4. 非线性参数化自适应控制(Kojic等对凸或凹的非线性 参数化系统提出了一种min-max设计方法,2003；Lin等 Domination法设计分别给出了一般非线性参数化系统的 光滑自适应控制和非光滑自适应控制,2002。 )
控制科学面临重要的机遇和挑战

信息与网络(Information and Networks) 网络的控制(Control of networks)和网络环境下的控制（或 称为网络化控制）(Control over networks)。

网络的控制包括：拥塞控制、路由器设计、数据的高速缓冲存储、 信息的延迟和数据包的丢失等关键问题。 网络环境下的控制（或称为网络化控制）：网络连接被控对象和 控制器所形成的大规模复杂混合控制系统的建模、分析和综合。 建立一种分布式异步且有数据包丢失传输的控制系统理论和方法 成为一个具有挑战性的问题。
1.5 1.5
状态 x1 和目标
0.5 0 -0.5 0 15
状态 x2 和目标
50 k 100
1
1 0.5 0 -0.5 0 20
50 k
100
控制 u
5 0 -5 0
控制误差
50 k 100
10
15 10 5 0
0
5
10 15 迭代次数
20
迭代学习控制理论及其限制

ILC的缺陷：
非线性函数须满足Lipschitz条件 线性系统的第一个 Markov参数CB不为零 需要知道理想的输入 初值误差的鲁棒性问题 跟踪目标是固定的

四、亟待解决的关键问题


发展混合Lyapunov稳定性理论, 提出复合能量函数概念, 设计非一致目标跟踪的ILC 系统, 分析它的稳定性和收敛 性、鲁棒性。 ILC和自适应控制相结合, 提出非一致目标跟踪的AILC系 统, 分析它的稳定性、收敛性和收敛速度。 根据工业过程控制的递阶结构，给出对其动态阶段实施 自适应迭代学习控制的问题的提法，建立基本的递阶非 一致目标跟踪的自适应迭代学习控制结构和算法，保证 每个子系统具有较好的动态品质，论证算法的收敛性以 及系统的稳定性和鲁棒性。
自适应迭代学习控制理论及其应用
李俊民
自适应迭代学习控制理论及其应用
信息世界中的控制科学 问题的背景及科学意义 研究方法及缺陷 亟待解决的关键问题 应用前景

信息世界中的控制科学
控制指在工程系统中反馈和算法的运用 控制就是把反馈作为处理系统不确定性的 工具。 控制问题和目标: 调节问题和跟踪问题
控制科学成功应用的领域 控制曾经在过程工业、电力、通信、 交通和制造系统等起着基础性的作用。 控制已经在以下领域中取得成功的应 用：
控制科学成功应用的领域



宇航飞行器的导航和控制：如商用飞机、制导导弹、先 进的战斗机、登陆飞行器和卫星。这些控制系统提供了 在存在大的环境和系统的不确定性的情况下，保证系统 的稳定性和跟踪特性。 制造工业和过程工业的自动化：汽车制造业，机器人、 集成电路的生产、装配线、机器的精确定位，以及化工 过程等。 通信系统的控制：包括电报、电话系统和互联网中发射 器(transmitter)和中继器（repeater）的信号能量水平调 节；网络路由设备的数据包缓冲器管理以及为适应传输 线路的时变特性提供自适应去噪方法。