买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：郑州轻工业大学

摘要：本发明提出了一种信道衰落干扰下迭代学习控制系统的收敛性保障方法，联合利用比例型迭代学习控制器的学习过程与信道衰落干扰下输入信号和输出信号的传输过程，在执行器端建立用于对控制器端更新输入进行估计的滤波模型，设计一个线性最小方差意义下的最优滤波器，在传感器到控制器和控制器到执行器两侧信道均存在随机衰落干扰下，在迭代域对滤波模型中的状态信号进行最优估计，并以估计的状态信号中的控制输入分量驱动系统的执行器，从而改善信道衰落干扰下迭代学习控制系统的收敛性能。本发明能够同时处理传感器到控制器和控制器到执行器两侧信道随机衰落干扰的影响，适用于无线衰落信道下采用比例型迭代学习控制器进行远程控制的所有对象。

主权项：1.一种信道衰落干扰下迭代学习控制系统的收敛性保障方法，其特征在于，联合利用比例型迭代学习控制器的学习过程与信道衰落干扰下输入信号和输出信号的传输过程，在执行器端建立用于对控制器端更新输入进行估计的滤波模型，然后依据滤波模型和正交投影理论，设计一个线性最小方差意义下的最优滤波器，在传感器到控制器和控制器到执行器两侧信道均存在随机衰落干扰下，在迭代域对滤波模型中的状态信号进行最优估计，并以估计的状态信号中的控制输入分量驱动系统的执行器，从而改善信道衰落干扰下的迭代学习控制系统的收敛性能；其步骤如下：步骤一、将比例型迭代学习控制器的学习过程和信道衰落干扰下系统输入信号和输出信号的传输过程进行联合，作为滤波模型中的状态方程，并以控制器到执行器间的输入信号传输过程作为滤波模型中的测量方程，建立包含传感器到控制器和控制器到执行器两侧信道衰落干扰的滤波模型；所述步骤一的滤波模型的获得方法为：衰落信道下的比例型迭代学习控制器为： 其输入信号和输出信号传输过程分别为： 联合利用上述三个公式进行状态扩张，得到滤波模型的状态方程；其中，表示控制器更新的且需要发送到执行器的输入信号，表示控制器接收到的由传感器发送的输出误差信号，Γ表示学习增益；表示执行器接收到的输入信号，表示传感器发射的输出误差信号；k表示迭代运行次数，t∈{0,1,…T}表示运行时间，ξkt和ηkt分别表示输入信号和输出信号传输过程中受到的信道衰落干扰，ξkt和ηkt的均值分别为和且方差分别为Qξ和Qη，mkt和nkt分别为输入信号和输出信号传输过程中受到的加性噪声，加性噪声mkt和nkt的均值为零且方差分别为Qm和Qn，ξkt、ηkt、mkt和nkt对于所有的k和t均相互独立；所述滤波模型中的测量方程为按照上述滤波模型建立方法，定义滤波模型中的状态信号为测量信号为输入信号为过程噪声为测量噪声为Vk＝mkt，建立的滤波模型为：Xk+1＝AkXk+B1,kUk+B2,kWk；Yk＝CkXk+Vk；其中，系数矩阵Ck＝[ξktI00]，I为单位矩阵；步骤二、依据正交投影理论，获得包含信道衰落干扰的预测增益；步骤三、依据正交投影理论和步骤二获得的预测增益，对包含信道衰落干扰的滤波模型中的状态信号进行预测，获得预测状态；步骤四、依据步骤二获得的预测增益和步骤三获得的预测状态，进一步获得状态预测误差的自协方差矩阵；步骤五、依据正交投影理论，获得包含信道衰落干扰的滤波增益；步骤六、依据正交投影理论和步骤五获得的滤波增益，对包含信道衰落干扰的滤波模型中的状态信号进行滤波，得到估计状态；步骤七、依据步骤五获得的滤波增益和步骤六获得的估计状态，进一步获得状态估计误差的自协方差矩阵；所述步骤五的滤波增益为： 其中，Xk为第k次迭代的状态信号，εk为最优估计用的新息，θk为新息的自协方差矩阵，为状态预测误差，为参数矩阵Ck的均值矩阵，Pk|k-1为预测状态误差的自协方差矩阵。

全文数据：

权利要求：

百度查询： 郑州轻工业大学 信道衰落干扰下迭代学习控制系统的收敛性保障方法