期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
迭代学习控制技术回顾与长期学习控制展望(英文)
被引量：
10
1
作者
阮小娥
朴光贤
卞增男
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012年第8期966-973,共8页
本文首先回顾了迭代学习控制中初始状态漂移问题和单调收敛性分析的研究技术.其次,综述了高阶迭代学习控制机制及其收敛速度比较和有效性.再次,评述了重复运行大系统和变幅值大工业过程的迭代学习控制机理.最后,展望了长期学习控制的研...
本文首先回顾了迭代学习控制中初始状态漂移问题和单调收敛性分析的研究技术.其次,综述了高阶迭代学习控制机制及其收敛速度比较和有效性.再次,评述了重复运行大系统和变幅值大工业过程的迭代学习控制机理.最后,展望了长期学习控制的研究趋势等.
展开更多
关键词
迭代
学习
控制
收敛性分析
初始状态漂移
高阶
学习律
大系统
长期
学习
控制
下载PDF
职称材料
基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制
被引量：
4
2
作者
李佳伟
林娜
池荣虎
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021年第1期66-72,共7页
轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形...
轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性.
展开更多
关键词
数据驱动
高阶
学习律
迭代
学习
轮式机器人
下载PDF
职称材料
迭代学习控制的高阶最优学习律
被引量：
1
3
作者
方学毅
《浙江大学学报（理学版）》
CAS
CSCD
北大核心
2005年第2期160-164,共5页
最优迭代学习控制是学习控制中的一个重要研究方向.对高阶最优学习律的研究具有重要意义.该文根据最优化的必要性条件给出关于离散时间线性系统迭代学习控制的高阶最优学习律,证明了该学习律的收敛性.
关键词
最优
高阶
学习律
迭代
学习
控制
离散线性系统
下载PDF
职称材料
隧道压力波模拟加载系统遗忘开闭环高阶控制
4
作者
李新
陈春俊
+1 位作者
艾永军
周建容
《中国测试》
CAS
北大核心
2019年第1期145-149,共5页
为研究高速列车通过隧道时产生的压力波对车体气密性和车内压力舒适度的影响,建立隧道压力波模拟加载系统。该系统具有非线性、多扰动、多容耦合以及加载的压力波幅值大和变化剧烈等特点,带来控制速度和精度上的难度。为准确模拟加载隧...
为研究高速列车通过隧道时产生的压力波对车体气密性和车内压力舒适度的影响,建立隧道压力波模拟加载系统。该系统具有非线性、多扰动、多容耦合以及加载的压力波幅值大和变化剧烈等特点,带来控制速度和精度上的难度。为准确模拟加载隧道压力波,采用遗忘开闭环高阶迭代学习控制算法进行控制,利用AMESim和Simulink联合仿真平台进行控制仿真,并对比几种不同学习律的控制效果。仿真结果表明:遗忘开闭环高阶学习律在第7个周期时,压力控制最大误差绝对值已降低到0.358 2 kPa,相对于开环PID和遗忘因子开环PID型学习律的1.23 kPa和0.946 2 kPa,分别减少70.87%和62.14%,该算法可增加系统稳定性,使得隧道压力波的加载更加快速准确。
展开更多
关键词
压力波模拟加载系统
迭代
学习
控制
开闭环
高阶
学习律
遗忘因子
下载PDF
职称材料
题名
迭代学习控制技术回顾与长期学习控制展望(英文)
被引量：
10
1
作者
阮小娥
朴光贤
卞增男
机构
西安交通大学数学与统计学院
光云大学机器人学院
蔚山国立科技大学
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012年第8期966-973,共8页
基金
supported by the National Natural Science Foundation of China(No.F030114-60974140)
the Funding of Intelligent Robot Research Center,Soongsil University,Korea
文摘
本文首先回顾了迭代学习控制中初始状态漂移问题和单调收敛性分析的研究技术.其次,综述了高阶迭代学习控制机制及其收敛速度比较和有效性.再次,评述了重复运行大系统和变幅值大工业过程的迭代学习控制机理.最后,展望了长期学习控制的研究趋势等.
关键词
迭代
学习
控制
收敛性分析
初始状态漂移
高阶
学习律
大系统
长期
学习
控制
Keywords
iterative learning control
convergence analysis
initial state shift
higher-order learning law
large-scale systems
long-term learning control
分类号
TP13 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制
被引量：
4
2
作者
李佳伟
林娜
池荣虎
机构
青岛科技大学自动化与电子工程学院
出处
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021年第1期66-72,共7页
基金
国家自然科学基金(61873139)
山东省泰山学者青年专家人才工程
山东省自然科学基金(ZR2019MF036)。
文摘
轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其次,设计高阶迭代优化目标函数得到控制律,并利用参数更新律估计线性输入输出数据模型中的未知参数.控制器的设计和分析只使用系统的输入输出数据,不包含任何显式的模型信息.通过采用高阶学习控制方法,在控制律中利用更多之前迭代的控制输入信息,提高了控制性能.最后,仿真结果验证了该方法在轮式机器人轨迹跟踪控制中的有效性.
关键词
数据驱动
高阶
学习律
迭代
学习
轮式机器人
Keywords
data-driven
high-order learning law
iterative learning
wheeled mobile robot(WMR)
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
迭代学习控制的高阶最优学习律
被引量：
1
3
作者
方学毅
机构
浙江大学数学系
出处
《浙江大学学报（理学版）》
CAS
CSCD
北大核心
2005年第2期160-164,共5页
基金
国家 8 63基金资助项目 (2 0 0 2 AA412 110 )
国家重点基础研究发展规划基金资助项目 (2 0 0 2 CB3 12 2 0 0 )
文摘
最优迭代学习控制是学习控制中的一个重要研究方向.对高阶最优学习律的研究具有重要意义.该文根据最优化的必要性条件给出关于离散时间线性系统迭代学习控制的高阶最优学习律,证明了该学习律的收敛性.
关键词
最优
高阶
学习律
迭代
学习
控制
离散线性系统
Keywords
optimal higher-order algorithm
iterative learning control
discrete linear systems
分类号
O231 [理学—运筹学与控制论]
TP181 [理学—数学]
下载PDF
职称材料
题名
隧道压力波模拟加载系统遗忘开闭环高阶控制
4
作者
李新
陈春俊
艾永军
周建容
机构
西南交通大学机械工程学院
出处
《中国测试》
CAS
北大核心
2019年第1期145-149,共5页
基金
国家自然科学基金项目(51475387)
文摘
为研究高速列车通过隧道时产生的压力波对车体气密性和车内压力舒适度的影响,建立隧道压力波模拟加载系统。该系统具有非线性、多扰动、多容耦合以及加载的压力波幅值大和变化剧烈等特点,带来控制速度和精度上的难度。为准确模拟加载隧道压力波,采用遗忘开闭环高阶迭代学习控制算法进行控制,利用AMESim和Simulink联合仿真平台进行控制仿真,并对比几种不同学习律的控制效果。仿真结果表明:遗忘开闭环高阶学习律在第7个周期时,压力控制最大误差绝对值已降低到0.358 2 kPa,相对于开环PID和遗忘因子开环PID型学习律的1.23 kPa和0.946 2 kPa,分别减少70.87%和62.14%,该算法可增加系统稳定性,使得隧道压力波的加载更加快速准确。
关键词
压力波模拟加载系统
迭代
学习
控制
开闭环
高阶
学习律
遗忘因子
Keywords
pressure wave simulation loading system
iterative learning control
open-closed loop high-order learning law
forgetting factor
分类号
TP273 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
迭代学习控制技术回顾与长期学习控制展望(英文)
阮小娥
朴光贤
卞增男
《控制理论与应用》
EI
CAS
CSCD
北大核心
2012
10
下载PDF
职称材料
2
基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制
李佳伟
林娜
池荣虎
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021
4
下载PDF
职称材料
3
迭代学习控制的高阶最优学习律
方学毅
《浙江大学学报（理学版）》
CAS
CSCD
北大核心
2005
1
下载PDF
职称材料
4
隧道压力波模拟加载系统遗忘开闭环高阶控制
李新
陈春俊
艾永军
周建容
《中国测试》
CAS
北大核心
2019
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
