此外，还有高阶迭代学习控制算法、最优迭代学习控制算 法、遗忘因子迭代学习控制算法和反馈-前馈迭代学习控制算法 等。 11.3迭代学习控制的关键技术 11.3.1学习算法的稳定性和收敛性 稳定性与收敛性问题是研究当学习律与被控系统满足什么 条件时，迭代学习控制过程才是稳定收敛的。算法的稳定性保 证了随着学习次数的增加，控制系统不发散，但是，对于学习 控制系统而言，仅仅稳定是没有实际意义的，只有使学习过程 收敛到真值，才能保证得到的控制为某种意义下最优的控制。 收敛是对学习控制的最基本的要求，多数学者在提出新的学习 律的同时，基于被控对象的一些假设，给出了收敛的条件。例 如，Arimoto在最初提出PID型学习控制律时，仅针对线性系统 在D型学习律下的稳定性和收敛条件作了证明。 此外，还有高阶迭代学习控制算法、最优迭代学习控制算 法、遗忘因子迭代学习控制算法和反馈-前馈迭代学习控制算法 等。 11.3 迭代学习控制的关键技术 11.3.1 学习算法的稳定性和收敛性 稳定性与收敛性问题是研究当学习律与被控系统满足什么 条件时，迭代学习控制过程才是稳定收敛的。算法的稳定性保 证了随着学习次数的增加，控制系统不发散，但是，对于学习 控制系统而言，仅仅稳定是没有实际意义的，只有使学习过程 收敛到真值，才能保证得到的控制为某种意义下最优的控制。 收敛是对学习控制的最基本的要求，多数学者在提出新的学习 律的同时，基于被控对象的一些假设，给出了收敛的条件。例 如，Arimoto在最初提出PID型学习控制律时，仅针对线性系统 在D型学习律下的稳定性和收敛条件作了证明