针对一类含非参数不确定性的非线性系统,提出一种鲁棒迭代学习控制算法,该算法放宽了常规迭代学习控制方法的初始定位条件,迭代初值可任意取值.基于类Lyapunov方法设计误差轨迹跟踪控制器,通过鲁棒限幅学习机制对不确定性进行估计和补偿,能够在整个作业区间上实现误差对给定期望误差轨迹的精确跟踪,期望误差轨迹根据迭代起始时刻的误差值设置.利用期望误差轨迹的衰减性状,可使系统误差在预设的时间点后收敛于原点的邻域内,邻域半径的大小可根据需要任意设置.理论分析和仿真结果表明了控制方法的有效性.

针对一类输入含死区非线性特性的周期时变系统,在周期时变参数不可参数化的情形下设计鲁棒重复控制器.采用微分自适应律估计未知死区参数,剩余的有界项通过鲁棒方法予以消除,为避免出现颤振现象,采用饱和函数替代符号函数.在系统输出跟踪周期轨迹的情形下,将非参数化不确定项转化为含周期时变参数的形式,以达到利用周期学习律进行估计的目的.理论分析与仿真结果表明,采用部分饱和或全饱和学习算法均能实现输出误差有界收敛,并保证闭环系统所有信号有界.

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.