项目名称: 网络环境下的迭代学习控制及应用研究

项目编号: No.61203065

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 自动化学科

项目作者: 卜旭辉

作者单位: 河南理工大学

项目金额: 25万元

中文摘要: 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。

中文关键词: 迭代学习控制;网络控制系统;数据包丢失;二维系统理论;随机稳定

英文摘要: 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 m

英文关键词: iterative learning control;networked control systems;data dropouts;2-D system thoery;stochastic stablility

成为VIP会员查看完整内容
0

相关内容

基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
61+阅读 · 2022年3月20日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
24+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
65+阅读 · 2020年9月24日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
对抗机器学习在网络入侵检测领域的应用
微软办公环境大揭秘!
微软招聘
0+阅读 · 2021年12月24日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
35+阅读 · 2021年1月27日
Arxiv
19+阅读 · 2020年7月13日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
61+阅读 · 2022年3月20日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
基于深度神经网络的图像缺损修复方法综述
专知会员服务
25+阅读 · 2021年12月18日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
24+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
227+阅读 · 2021年5月25日
专知会员服务
29+阅读 · 2021年4月12日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
65+阅读 · 2020年9月24日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
相关资讯
对抗机器学习在网络入侵检测领域的应用
微软办公环境大揭秘!
微软招聘
0+阅读 · 2021年12月24日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员