迭代学习控制律的参数选择对算法的收敛性和收敛率的影响很大,但经典PID型迭代学习律的参数主要依靠经验选择,具有一定的盲目性。为了克服设置学习增益的盲目性,一个有效的方法是依靠系统模型知识,利用优化指标来设计迭代学习控制律,获得所谓的优化迭代学习律。采用优化指标设计迭代学习律具有参数自动选择的优势,且提高算法收敛速度的方法简单,因此,研究基于优化指标的迭代学习控制律具有重要意义。 本文在深入了解了优化迭代学习律的研究进展的基础上,分别针对线性和非线性系统,对基于优化指标来构造迭代学习律的方法进行了研究,取得的主要成果如下: 1、针对一类连续线性系统,设计一种基于状态观测器的兼具反馈与前馈两种控制作用的优化迭代学习控制律,得到了算法的收敛性条件,并给出了在注塑机螺杆控制中的仿真应用效果。 2、针对一类离散线性系统,提出了一种在兼具前馈和反馈控制作用的结构上构造优化迭代学习律的方法,给出了两种具有不同学习步长选择的系统结构用于前馈控制输入的计算;同时考虑了引入状态观测器的优化迭代学习律;并且给出了算法的收敛条件和仿真结果。 3、针对一类非线性离散系统,提出了基于优化指标的控制优化和参数优化两种迭代训练方法,并且通过构造控制约束条件来解决实际对象对输入的有限承受能力的问题;同时利用仿真验证所提出方法应用效果。