.268 北京科技大学学报 第31卷 前馈学习控制器能够实现快速的完全跟踪任务,从 高了系统的鲁棒跟踪性能,在此基础上,通过减小 而保证系统的学习收敛速度,系统具体结构如图1 系统输入误差协方差矩阵迹的方式得到优化遗忘因 所示.其中,y,(i,j)∈R2x1为系统期望输入,包含 子的取值规律:因为矩阵迹的减小能够代表输入误 期望直线位置d(i,j)和直线速度vr(i,j),期望 差向量元素均方差值的减小,最终使系统跟踪误差 直线位置d,(i,j)与实际直线位置d(i,j)相比较 减小. 得到直线位置误差ea(i,j),同时送入位置调节器 假设系统满足如下特性:当期望输出Y(i,) 得到期望直线速度.(i,j),并与实际直线速度 时,仅存在唯一的有界输入4(i,)使系统满足 v(i,j)相比较得到直线速度误差e,(i,j),构成直 X(i1,j)=(i)X.(i,j)Bu(i,j) (9) 线伺服系统的二维误差信号: Y(i,j)=CX(i,j) e(i,j)=[e(i,j) ea(i,j)] (3) 令状态误差向量为△x(i,j)=X(i,j)一 一F网一亭g存储器 X(i,j),输入误差向量为△u(i,j)=u(i,j)一 viniD u(i,j). Ig-adi.) 4e(.J) i站 在迭代学习控制的离散时间域内,通过状态方 程的递推运算可以得到时刻(i十m)时的状态变量: i,) [X+l,D=(0i,+B4,D (i,) X(计m,j)= Y(i.)cx(i.) 图1开闭环迭代学习伺服控制系统 ()K(i)+2()Bx(计1一1,) Fig.1 Open-closed loop iterative learning servo control system (10) 将其分别代入式(1)和(9)中,得到系统的输出 将该误差信号送入带有遗忘因子的滤波器型开 误差为: 闭环迭代学习控制器中,得到永磁直线同步电机控 e(i+m,j)=Y(i十m,j)一Y(i十m,j)= 制输入量的迭代学习控制律为: u(i,j)=u(i,j)十m(i,j) (4) C()△x(i,》十之c()n-g△M+1-1,》 三1 其中,前馈学习控制器输出: (11) (i,j十1)= 同时,结合式(4)描述的遗忘因子型迭代学习控制 [Ig-a(i,j)]u(i,j)+LpI[FMe(i,j)](5) 律,得到输入误差的迭代公式为: 反馈学习控制器输出: Au(i,j+1)=[Ig+Lp2 H(i)B][I- um(i,j)=Lp2e(i,j) (6) a(i,j)-LpI FMH(i)B]Au(i,j) 将式(5)和(6)代入式(4)中可以看出,第j次开 a(i,j)u(i,j)-Lpl FM Hm(i)△X(i,j)一 闭环迭代控制输入(i,)中不仅包含前次迭代输 Lp2Hm(i)△x(i,j+1)f (12) 出误差信息e(i,j一1),同时也包含当前输出误差 信息e(i,j)式中,(i,j)为遗忘因子矩阵,FM为 其中,H.()=空C()-1 =1 零相位FIR数字滤波器算子,L1为前馈学习增益, 由上式可以看出,△u(i,j十1)是遗忘因子 L2为反馈学习增益,下面给出遗忘因子矩阵及零 (i,)的函数,因此得到输入误差协方差矩阵为: 相位FIR数字滤波器的设计方法, c0V[△u(i,j+1),△u(i,j+1)]=C0V(a(i,j)) 2.1遗忘因子矩阵 (13) 在直线伺服系统中引入遗忘因子矩阵α(i,j) 这样,能够通过减小系统输入误差协方差矩阵 修正迭代学习律,保证系统第广次迭代学习计算中, 迹的方式来得到优化的遗忘因子矩阵a*(i,j): 在该迭代学习域的每个时间域上使输入误差进一步 2ltrace[COV(a(i=0 减小,遗忘因子矩阵基本取值原则满足公式: aa(i,j) (14) 0≤[lE-a(i,j)]<IE (7) 使j+1次输入变量u(i,j+1)→u(i,j+1), lim a(i,j)=0 (8) 也即获得唯一的控制输入(i,j十1),使时间域内 这样,系统在迭代学习域中后续时间域上的误 的系统输出limY(i,j)=Y.(i) 差将小于前面时间域上的误差,并保证控制输入收 2.2零相位FIR数字滤波器 敛到期望控制,系统得到很好的输出跟踪,同时也提 迭代学习控制系统在实际运行中,对量测信号前馈学习控制器能够实现快速的完全跟踪任务从 而保证系统的学习收敛速度.系统具体结构如图1 所示.其中Yr( ij)∈R 2×1为系统期望输入包含 期望直线位置 dr( ij)和直线速度 vr( ij).期望 直线位置 dr( ij)与实际直线位置 d( ij)相比较 得到直线位置误差 ed ( ij)同时送入位置调节器 得到期望直线速度 vr ( ij )并与实际直线速度 v ( ij)相比较得到直线速度误差 ev ( ij)构成直 线伺服系统的二维误差信号: e( ij)=[ ev( ij) ed( ij)] T (3) 图1 开闭环迭代学习伺服控制系统 Fig.1 Open-closed loop iterative learning servo control system 将该误差信号送入带有遗忘因子的滤波器型开 闭环迭代学习控制器中得到永磁直线同步电机控 制输入量的迭代学习控制律为: u( ij)= uff( ij)+ ufb( ij) (4) 其中前馈学习控制器输出: uff( ij+1)= [ IE-α( ij)] u( ij)+ Lp1[ F ∗ M e( ij)] (5) 反馈学习控制器输出: ufb( ij)= Lp2e( ij) (6) 将式(5)和(6)代入式(4)中可以看出第 j 次开 闭环迭代控制输入 u( ij)中不仅包含前次迭代输 出误差信息 e( ij-1)同时也包含当前输出误差 信息 e( ij).式中α( ij)为遗忘因子矩阵F ∗ M 为 零相位 FIR 数字滤波器算子Lp1为前馈学习增益 Lp2为反馈学习增益.下面给出遗忘因子矩阵及零 相位 FIR 数字滤波器的设计方法. 2∙1 遗忘因子矩阵 在直线伺服系统中引入遗忘因子矩阵 α( ij) 修正迭代学习律保证系统第 j 次迭代学习计算中 在该迭代学习域的每个时间域上使输入误差进一步 减小.遗忘因子矩阵基本取值原则满足公式: 0≤[ IE-α( ij)]< IE (7) limj→∞ α( ij)=0 (8) 这样系统在迭代学习域中后续时间域上的误 差将小于前面时间域上的误差并保证控制输入收 敛到期望控制系统得到很好的输出跟踪同时也提 高了系统的鲁棒跟踪性能.在此基础上通过减小 系统输入误差协方差矩阵迹的方式得到优化遗忘因 子的取值规律;因为矩阵迹的减小能够代表输入误 差向量元素均方差值的减小最终使系统跟踪误差 减小. 假设系统满足如下特性:当期望输出 Yr( ij) 时仅存在唯一的有界输入 ur( ij)使系统满足 Xr( i+1j)=Φ( i)Xr( ij)+Bur( ij) Yr( ij)=CXr( ij) (9) 令状态误差向量为 ΔX ( ij ) = Xr ( ij ) - X( ij)输入误差向量为 Δu( ij )= ur ( ij )- u( ij). 在迭代学习控制的离散时间域内通过状态方 程的递推运算可以得到时刻( i+ m)时的状态变量: X( i+ mj)= Φ( i) mX( ij)+ ∑ m l=1 Φ( i) m- lBX( i+ l-1j) (10) 将其分别代入式(1)和(9)中得到系统的输出 误差为: e( i+ mj)=Yr( i+ mj)-Y( i+ mj)= CΦ( i) mΔX( ij)+ ∑ m l=1 CΦ( i) m-lBΔu( i+l-1j) (11) 同时结合式(4)描述的遗忘因子型迭代学习控制 律得到输入误差的迭代公式为: Δu( ij+1)=[ IE+ Lp2Hm( i)B] -1{[ IE- α( ij)- Lp1F ∗ M Hm( i)B]Δu( ij)+ α( ij) ur( ij)- Lp1F ∗ M Hm( i)ΔX( ij)- Lp2Hm( i)ΔX( ij+1)} (12) 其中Hm( i)= ∑ m l=1 CΦ( i) m- l. 由上式可以看出Δu( ij +1) 是遗忘因子 α( ij)的函数因此得到输入误差协方差矩阵为: COV [Δu( ij+1)Δu( ij+1)]=COV(α( ij)) (13) 这样能够通过减小系统输入误差协方差矩阵 迹的方式来得到优化的遗忘因子矩阵 α∗( ij): ∂{trace[COV(α( ij))]} ∂α( ij) =0 (14) 使 j+1次输入变量 u( ij+1)→ ur( ij+1) 也即获得唯一的控制输入 ur( ij+1)使时间域内 的系统输出limj→∞ Y( ij)=Yr( i). 2∙2 零相位 FIR 数字滤波器 迭代学习控制系统在实际运行中对量测信号 ·268· 北 京 科 技 大 学 学 报 第31卷