许多实际系统动态特性具有时变性。本项目针对具有大量实际背景的有限区间上重复运行的动态系统,在确定性和随机性框架下,探究迭代学习辨识的基本原理,设计学习算法实现时变参数的完全估计。讨论常规参数跟踪算法与迭代学习辨识相结合的途径,形成 2 自由度辨识方法。并在此基础上,提出沿迭代轴方向具有跟踪能力的、适于迭代依赖情形时变参数估计的学习律。进一步地,分别就离散时间和连续时间情形,解决基于迭代学习辨识的控制问题。研究基于迭代学习辨识的迭代学习控制器设计方法,解决这类学习控制系统鲁棒性、初始定位、非一致轨迹等基本问题。同时,以压缩映射作为分析工具,讨论迭代学习控制系统的"输入收敛性"。提出时变神经网络,探讨这种网络的训练方法、关于时变非线性函数的逼近能力以及基于这种网络的非线性系统迭代学习控制。本项目为有限区间时变系统的辨识与控制提供新颖的学习策略,具有重要的学术和应用价值。
英文主题词Iterative learning identification; iterative learning control; time-varying systems; finite intervals