导读:本文包含了非线性迭代系统论文开题报告文献综述及选题提纲参考文献，主要关键词:迭代学习控制,收敛,非线性系统,step-by-step修正
非线性迭代系统论文文献综述
李国军,陈东杰,韩一士,许中石[1]（2019）在《任意初态下非线性不确定系统的迭代学习控制》一文中研究指出本文针对带有任意初态偏差的非线性不确定系统,提出了一种新的控制算法.在控制过程中,系统在某个指定时间内一次只修正一个初态偏差,当上一个初态偏差修正操作完成以后再开始下一个初态偏差的修正,最终实现所有任意初态偏差的完全修正,并且该方法能在某个指定区间实现对目标的完全跟踪.最后的仿真结果验证了算法的有效性.(本文来源于《应用数学学报》期刊2019年04期）
吴天庆,陈全发,廖芳芳[2]（2019）在《一类未知非线性系统中有限域最优跟踪控制的迭代DHP算法》一文中研究指出针对一类未知非线性离散时间系统,提出了一种无模型时域有限差分最优跟踪控制方案.在有限时域最优控制理论的框架下,将跟踪控制问题转化为误差动态调节器,引入迭代自适应动态规划(ADP)算法,通过双启发式动态规划(DHP)技术,分别用叁个神经网络逼近误差动力学、成本函数和控制率,结合成本函数和控制率的收敛性分析,得到有限时域最优控制器.通过仿真实例验证了跟踪控制方案的有效性.(本文来源于《湘潭大学学报(自然科学版)》期刊2019年01期）
朱长军,任静波,姚黎郇[3]（2018）在《四能级原子系统叁阶非线性极化率的迭代法研究》一文中研究指出光与原子系统的相互作用是辐射与物质相互作用最基本的课题,深入研究这种相互作用有助于揭示更为复杂系统的物理过程。在理论上,建立了四能级原子系统的叁阶非线性极化率密度矩阵元运动方程,利用微扰理论对叁阶非线性极化率密度矩阵元进行迭代求解。从初始条件出发,获得一阶非线性极化率密度矩阵元,利用迭代法,获得二阶非线性极化率密度矩阵元,继续利用迭代法,最后获得叁阶非线性极化率密度矩阵元的表达式。分别导出了级联过程和非级联过程中密度矩阵元的积分表达式。在此基础上,分别讨论了光场为单色波、高斯脉冲时对叁阶非线性极化率的影响。在原子叁能级系统中,在光场为单色波的情况下,只能实现级联过程。其叁阶极化率与光场振幅的叁次方成正比。共振吸收时,叁阶非线性极化率急剧增强。在光场为高斯脉冲的情况下,在脉冲频谱宽度很小时,产生级联过程,叁个激发态能级只能串级激发,叁阶极化率包含了3个频率,随跃迁耦极矩,纵向跃迁率以及横向跃迁率的变化而变化。在光场为高斯脉冲的情况下,在脉冲频谱宽度很大时,产生非级联过程,叁个激发态能级同时激发,叁阶极化率包含了6个频率,随跃迁耦极矩,纵向跃迁率以及横向跃迁率的变化而变化。(本文来源于《第十七届全国光学测试学术交流会摘要集》期刊2018-08-20）
高瑞,陈珺,刘飞[4]（2018）在《非线性系统在初态误差下的2D迭代学习算法》一文中研究指出针对一类具有重复运动特性的非线性离散系统,提出了一种开闭环迭代学习控制算法,基于2D Roesser理论,得到存在初态误差情况下的收敛条件,证明算法能够收敛到一个关于初态误差的邻域内,提高了系统的响应速率,理论分析与仿真验证了算法的有效性。(本文来源于《煤矿机械》期刊2018年06期）
郝晓弘,周勃[5]（2018）在《非线性系统的改进型迭代学习控制算法研究》一文中研究指出针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子(dynamic expansion compression coefficient,DECC)的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。(本文来源于《机械设计与制造》期刊2018年06期）
王蓝菁[6]（2018）在《批次变长度下连续非线性系统的采样迭代学习控制》一文中研究指出迭代学习控制(Iterative Learning Control)可以利用先前迭代的输入输出信息和跟踪信息来构造下一次迭代过程的输入信号,使得当迭代次数增加时,系统的跟踪性能逐渐提高。由于迭代学习控制需要利用历史的学习经验来修正控制输入信号,故而需要被控对象是能够重复运行的。然而,在大多数实际系统的运用中,并不能保证严格的重复性(如初始状态的变化,跟踪目标的变化等),从而限制了迭代学习控制的应用范围。为了放宽迭代学习控制中迭代长度一致的制约条件,本文主要做了以下工作:1.针对连续时间非线性系统中的批次长度随迭代变化的问题,提出了一个修正的跟踪误差,并给出了一种不需要先验知识的P型采样ILC算法以及使跟踪误差在每个采样时刻收敛的充分条件。同时,讨论了提出的ILC算法在初始状态不变和初始状态有界变化两种情况下的收敛问题。仿真试验验证了提出算法的有效性。2.针对连续时间非线性系统中的批次长度随迭代变化的问题,利用修正的跟踪误差,给出了两种不需要先验知识的PD型采样ILC算法:基于传统PD型ILC算法和基于迭代滑动平均的PD型ILC算法。以及分别给出了两种算法使跟踪误差在每个采样时刻收敛的充分条件。同时,讨论了提出的两种ILC算法在初始状态不变和初始状态有界变化两种情况下的收敛问题。仿真试验验证了两种算法的有效性。3.运用双足步行机器人模型,针对第二章中提出的具有修正跟踪误差的P型ILC算法进行仿真实验,实验结果证明了算法的有效性。(本文来源于《北京化工大学》期刊2018-05-22）
王乐,何舒平[7]（2017）在《基于Kleinman迭代算法的非线性系统自适应控制器设计》一文中研究指出应用Kleinman迭代算法,研究了一类非线性系统的在线自适应控制器设计问题.基于神经网络线性微分包含技术,对此类非线性系统进行建模描述.并在不利用系统后续参数矩阵的情况下,应用Kleinman迭代算法进行反复迭代,求解系统的Riccati方程.进而设计系统的自适应控制器,并证明了该算法的收敛性.最后通过数值仿真验证了该算法的可行性.(本文来源于《系统科学与数学》期刊2017年09期）
凌杰,明敏,冯朝,肖晓晖[8]（2017）在《多轴运动系统非线性轮廓重复跟踪的主从交叉耦合迭代学习控制》一文中研究指出针对多轴运动系统非线性轮廓的重复跟踪,传统时域交叉耦合迭代学习控制器(Cross-coupled iterative learning control,CCILC)的设计,各轴间的耦合算子计算精度要求高,计算效率低.本文提出一种主从交叉耦合迭代学习控制方法.基于主从控制设计方法,主动轴采用时域CCILC,从动轴采用位置域交叉耦合迭代学习控制(Position domain CCILC,PDCCILC).保证各轴间运动同步性,同时减轻对耦合算子精确性的依赖.因而可以引入轮廓误差矢量法估算耦合算子提高计算效率.采用Lifting的系统时域矩阵展开方法对所提出的算法进行了稳定性分析和性能分析.基于一个两轴毫米级运动平台,叁种典型非线性轮廓跟踪(即半圆、抛物线和螺旋线)的数值仿真和实验分析验证了所提出算法的有效性.(本文来源于《自动化学报》期刊2017年12期）
戈立军,程以泰,张华,王松,陶进[9]（2016）在《基于压缩感知的非线性OFDM系统迭代信道估计算法》一文中研究指出针对因非线性失真引起的正交频分复用(orthogonal frequency division multiplexing,OFDM)系统信道估计性能下降的问题,提出了一种基于压缩感知的非线性OFDM系统迭代信道估计算法。在算法实现过程中,利用信道与非线性噪声的双重稀疏性,将导频信息作为观测矩阵进行压缩感知信道估计,再将所得信道信息看作观测矩阵进行压缩感知非线性失真估计,进而对信号进行非线性补偿,并逐步循环迭代至算法收敛。仿真表明,在稀疏信道下,该算法在较少的迭代次数下即可有效减小非线性失真对信道估计的影响,且比现有方法性能更优,仿真证明了该方法在性能上的优越性。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2016年05期）
雷晓燕,吴神花,张斌[10]（2016）在《车辆-轨道非线性耦合系统交叉迭代算法及应用》一文中研究指出运用有限元法建立车辆-轨道非线性耦合系统振动分析模型,该模型包含车辆、轨道两个子系统,其中车辆子系统为附有二系弹簧的整车模型,轨道结构子系统为离散的叁层弹性梁模型。两子系统通过轮轨非线性接触力和位移协调条件实现耦合。针对车辆-轨道非线性耦合系统动力学方程提出了交叉迭代算法。为加速迭代收敛速度,引入松弛法对轮轨接触力进行修正。为证明算法的正确性,进行了算例验证。同时还给出了CRH3高速动车在有砟轨道上运行时引起车辆和轨道振动的实例,分析中考虑了轮轨线性和非线性接触及不同列车速度对车辆和轨道结构振动的影响。计算结果表明交叉迭代算法具有程序编制简单、收敛速度快、用时少、精度高的优点;采用轮轨线性接触模型得到的车辆和轨道结构的动力响应比轮轨非线性接触模型得到的结果要大,其中位移、加速度最大值和振幅增大范围约在15%以内,轮轨接触力最大值和振幅增大范围约在5%以内。(本文来源于《噪声与振动控制》期刊2016年04期）
非线性迭代系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对一类未知非线性离散时间系统,提出了一种无模型时域有限差分最优跟踪控制方案.在有限时域最优控制理论的框架下,将跟踪控制问题转化为误差动态调节器,引入迭代自适应动态规划(ADP)算法,通过双启发式动态规划(DHP)技术,分别用叁个神经网络逼近误差动力学、成本函数和控制率,结合成本函数和控制率的收敛性分析,得到有限时域最优控制器.通过仿真实例验证了跟踪控制方案的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性迭代系统论文参考文献
[1].李国军,陈东杰,韩一士,许中石.任意初态下非线性不确定系统的迭代学习控制[J].应用数学学报.2019
[2].吴天庆,陈全发,廖芳芳.一类未知非线性系统中有限域最优跟踪控制的迭代DHP算法[J].湘潭大学学报(自然科学版).2019
[3].朱长军,任静波,姚黎郇.四能级原子系统叁阶非线性极化率的迭代法研究[C].第十七届全国光学测试学术交流会摘要集.2018
[4].高瑞,陈珺,刘飞.非线性系统在初态误差下的2D迭代学习算法[J].煤矿机械.2018
[5].郝晓弘,周勃.非线性系统的改进型迭代学习控制算法研究[J].机械设计与制造.2018
[6].王蓝菁.批次变长度下连续非线性系统的采样迭代学习控制[D].北京化工大学.2018
[7].王乐,何舒平.基于Kleinman迭代算法的非线性系统自适应控制器设计[J].系统科学与数学.2017
[8].凌杰,明敏,冯朝,肖晓晖.多轴运动系统非线性轮廓重复跟踪的主从交叉耦合迭代学习控制[J].自动化学报.2017
[9].戈立军,程以泰,张华,王松,陶进.基于压缩感知的非线性OFDM系统迭代信道估计算法[J].重庆邮电大学学报(自然科学版).2016
[10].雷晓燕,吴神花,张斌.车辆-轨道非线性耦合系统交叉迭代算法及应用[J].噪声与振动控制.2016
标签：迭代学习控制; 收敛; 非线性系统; step-by-step修正;