执行器约束下基于轨迹学习的核正则化最优迭代学习控制

摘要

针对非重复性轨迹跟踪和执行器可能超限的问题，提出了一种基于先前轨迹学习的核正则化最优迭代学习控制算法(KROILC)，在迭代过程中利用输入输出的测量值，使用基于核的正则化方法估计系统的脉冲响应，展示了脉冲响应估计领域几种常用核的零均值高斯过程实现，估计得到的脉冲响应被应用于最优迭代学习控制器。通过目标函数加权实现对执行器的约束，迭代过程中参考轨迹变化后的初始前馈力通过轨迹学习得到。在直流无刷电机上的实验验证结果表明，所提出的算法能够在执行器约束下实现非重复性轨迹的全轨迹和稳定段的最优跟踪性能。

关键词

执行器约束 / 数据驱动 / 非重复性轨迹 / 轨迹学习 / 核正则化 / 迭代学习控制