×
夏景康;张瑞清;李亚南;黄德清;李雪芳

一类具有变试探长度和终端约束的离散非线性系统基于动态时间规整的迭代学习控制。 （英语） Zbl 1532.93092号

国际J鲁棒非线性控制 33，第5号，3146-3163（2023）.
摘要：针对离散时间非线性系统，提出了一种基于动态时间规整（DTW）的迭代学习控制（ILC）方案，以解决具有可变试探长度和终端约束的路径学习问题。通过合并改进的DTW算法，将不同的试验长度对齐为所需长度。同时，该算法可以在输出路径和期望路径之间找到最相似的航路点，用于设计更新律和促进路径学习的收敛。与现有的基于时域学习轨迹概率分布函数的迭代学习控制方法不同，本文的方法可以用于学习与期望轨迹相对应的空间路径。此外，还讨论了该方法在变初始状态下的学习特性。几个示例表明了所提出的基于DTW的ILC算法的有效性。
{©2022 John Wiley&Sons有限公司}

MSC公司：

93B47码 迭代学习控制
93C55美元 离散时间控制/观测系统
93立方厘米 控制理论中的非线性系统

关键词：

离散非线性系统;动态时间规整;迭代学习控制;终点约束;可变初始状态;不同的试验长度
PDF格式BibTeX公司 XML格式引用
\textit{J.Xia}等，《国际鲁棒非线性控制》33，No.5，3146--3163（2023；Zbl 1532.93092）
全文： 内政部

参考文献：

[1] 布里斯托DA、塔拉伊尔M、阿连尼AG。迭代学习控制综述。IEEE控制系统。2006;26(3):96‐114.
[2] AhnHS、ChenYQ、MooreKL。迭代学习控制：简要调查和分类。IEEE跨系统网络。2007年；37(6):1099‐1121.
[3] 扎萨德津斯基·博阿克里夫。利用李亚普诺夫理论求解机器人轨迹跟踪问题的高阶迭代学习控制。Trans-Inst测量控制。2018;40(15):4105‐4114.
[4] AubinPM、CowleyMS、LedouxWR。通过具有迭代学习控制的6自由度并联机器人进行步态仿真。IEEE Trans Biomed Eng.2008；55(3):1237‐1240.
[5] RenB、LuoX、ChenJ。基于自适应迭代学习控制的下肢外骨骼单腿步态跟踪。应用科学。2019年；9(11):2251‐2260.
[6] 弗里曼CT。基于牛顿法的迭代学习控制，用于使用FES的机器人辅助康复。机电一体化。2014;24(8):934‐943.
[7] 弗里曼CT。坚固的ILC设计，适用于中风康复。自动化。2017年；81(1):270‐278. ·Zbl 1372.93082号
[8] ChenY、HuangD、LiY、FengX。一种新的迭代学习方法，用于具有未知时变延迟的高速列车的跟踪控制。IEEE Trans-Autom Sci Eng.2020；19(1):113‐121.
[9] HuangD，HuangT，ChenC，等。具有速度和位移约束的高速列车迭代学习控制。国际J鲁棒非线性控制。2022年；32(6):3647‐3661.
[10] JiH、HouZ、ZhangR。具有未知速度延迟和输入饱和的高速列车自适应迭代学习控制。IEEE Trans-Autom Sci Eng.2016；13(1):260‐273.
[11] ChenY、MengT、WangY、WangK、MengS、HuangD。Y型微流道中两相层流界面的迭代学习控制。IEEE变速器控制系统技术。2019年；27(6):2743‐2748.
[12] MohammedS、NguyenAT、HanHC、JungJW。改进了表面安装式永磁同步电机驱动的迭代学习控制策略。IEEE Trans Ind Electron公司。2020;67(12):10134‐10144.
[13] YanX、GuoP、Zhang S、YanX、Liu C。基于改进迭代学习控制和空调系统可变轨迹的静压设定点重置平滑方案。J过程控制。2020;91:63‐71.
[14] ChiR、HouZ、JinS、WangD。使用时变输入信号改进数据驱动的最佳TILC。J过程控制。2014;24(12):78‐85.
[15] ChenW，TomizukaM。MIMO失配系统的双阶段迭代学习控制及其在关节弹性机器人中的应用。IEEE变速器控制系统技术。2014;22(4):1350‐1361.
[16] 蒙德·穆雷基勒。非竞争不确定系统的鲁棒迭代学习控制。IEEE Trans Autom控制。2017年；62(2):907‐913. ·兹比尔1364.93432
[17] HeS、ChenW、LiD、XiY、ZhengP。基于数据驱动补偿的迭代学习控制。IEEE Trans Cybern公司。2021;52(8):7492‐7503.
[18] ChiR、LiuX、ZhangR、HouZ、HuangB。约束数据驱动的最优迭代学习控制。J过程控制。2017年；55:10‐29.
[19] 周X、王赫、天Y、戴X。具有状态时滞和初始状态误差的奇异非线性多智能体系统的量化迭代学习控制共识跟踪。非线性动力学。2021;103:2701‐2719. ·Zbl 1517.93009号
[20] LiX ShenD。随机变化试验长度的迭代学习控制综述：模型、综合和收敛分析。年收入控制。2019年；48:89‐102.
[21] 夏杰、黄德、李毅、秦恩。迭代学习人类伙伴的期望轨迹，以实现主动式人机协作。国际J智能机器人应用。2020;4(2):229‐242.
[22] 杨莉、李毅、黄德、夏杰、周X。机器人路径学习的空间迭代学习控制。IEEE Trans Cybern公司。2022年；52(7):5789‐5798.
[23] SeelT、SchauerT、RaischJ。可变通长系统的迭代学习控制。IFAC公告第2011卷；44(1):4880‐4885.
[24] SeelT、WernerC、RaischJ、SchauerT。跌落足神经假体的迭代学习控制通过自动反馈控制在麻痹步态中产生生理性足部运动。控制工程实践。2016;48(3):87‐97.
[25] GuthM、SeelT、RaischJ。可变通径的迭代学习控制应用于具有输出约束的起重机轨迹跟踪。第52届IEEE决策与控制会议论文集（CDC）；2013:6676‐6681.
[26] LiX、XuJ、HuangD。具有随机变化试验长度的线性系统的迭代学习控制方法。IEEE Trans Automat控制。2014;59(7):1954‐1960. ·Zbl 1360.93796号
[27] LiX、XuJ、HuangD。具有随机变化试验长度的非线性动态系统的迭代学习控制。国际J自适应控制信号处理。2015;29(11):1341‐1353. ·Zbl 1333.93274号
[28] 沈德、张伟、徐杰。迭代长度随机变化的离散非线性系统的迭代学习控制。系统控制许可。2016;2016(96):81‐87. ·Zbl 1347.93238号
[29] 王莉、LiX、沈德。迭代长度可变的连续时间非线性系统的采样数据迭代学习控制。国际J鲁棒非线性控制。2018;28(8):3073‐3091. ·Zbl 1391.93141号
[30] 沈德、徐杰。迭代长度随机变化的非线性系统的自适应学习控制。IEEE Trans Neural Netw学习系统。2019年；30(4):1119‐1132.
[31] LiX WeiY。具有可变步长和随机初始状态转移的非线性离散时间系统的鲁棒高阶ILC。IET控制理论应用。2017年；11(15):2440‐2447.
[32] LiX WeiY。具有向量相对度的线性连续系统在不同输入轨迹长度和随机初始状态转移下的鲁棒迭代学习控制。国际J鲁棒非线性控制。2021;31(1):601‐622. ·Zbl 1525.93099号
[33] 徐杰，黄德。旋转机械系统的空间周期自适应控制。IEEE Trans Automat控制。2008;53（10）：2402‐2408·Zbl 1367.93325号
[34] 米勒。动态时间扭曲。施普林格；2007
[35] MohammadzadeH、HosseiniS、DastjerdeheiM、TabejamaatM。基于动态时间扭曲的功能，带有特定类别的关节重要性图，用于使用动态深度传感器进行动作识别。IEEE Sens J.2021；21(7):9300‐9313.
[36] SuH、MarianiA、OvurSE、MenciassiA、MomiED。面向机器人辅助微创手术的演示教学。IEEE Trans-Autom Sci Eng.2021；18(2):484‐494.
[37] 刘Y，张J，胡X，孙S。传感器数据异常检测和纠正，以提高槽铣削过程中刀具的寿命预测。国际先进制造技术杂志。2022年；119(1):463‐475.
[38] 曾乐、葛Z。贝叶斯网络用于动态变结构学习和概率软传感器的传递建模。J过程控制。2021;100(4):20‐29.
[39] 夏杰、宋C、黄D、邢X、梅勒、李毅。基于adam和ILC的航路点更新，用于物理人机交互中的路径学习。2021年IEEE机器人与自动化国际会议（ICRA）会议记录；2021:3359‐3365; 电气与电子工程师协会。
[40] Chi R、HouZ、Jin S、Wang D、ChienCJ。使用当前迭代控制知识增强数据驱动的最优终端ILC。IEEE Trans Neural Netw学习系统。2017年；26(11):2939‐2948.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。