迭代学习控制的二维模型理论及其应用

内容简介

《迭代学习控制的二维模型理论及其应用》是国内部介绍迭代学习控制的二维模型理论及其应用的著作。《迭代学习控制的二维模型理论及其应用》涉及的迭代学习控制的应用领域主要包括间歇过程的容错控制和“人工胰脏”的闭环控制。《迭代学习控制的二维模型理论及其应用》分为三部分：第1～4章介绍必要的背景材料和预备知识；第5～8章研究直接型迭代学习控制的设计和稳定性分析；第9～12章研究间接型迭代学习控制的设计和稳定性分析。根据应用领域的不同，第5～12章可以做如下划分：第5～7章是关于间歇过程容错控制的；第8、9章是关于人工胰脏闭环控制的；第10～12章可以看作第9章的副产品，进一步分析间接型迭代学习控制的收敛性。
《迭代学习控制的二维模型理论及其应用》可作为自动控制专业和生物医学工程专业研究生的教学参考书，同时对从事自动化系统研究、设计、开发和应用的广大科技工作者也具有一定的参考价值。

目录

前言
第1章 迭代学习控制概述
1.1 引言
1.2 迭代学习控制描述方式
1.2.1 统一形式
1.2.2 实时信息的引入
1.2.3 二维系统描述方式
1.3 直接型和间接型迭代学习控制
1.3.1 直接型迭代学习控制
1.3.2 间接型迭代学习控制
1.4 相关文献总览
1.5 国内发展现状
1.6 全书概况
参考文献
第2章 容错控制及其在间歇过程中的应用
2.1 引言
2.2 线性系统与非线性系统
2.3 被动与主动方法
2.4 非线性主动容错控制
2.4.1 故障诊断
2.4.2 控制策略
2.4.3 监控单元与控制律的集成设计
2.5 间歇过程的容错控制
2.5.1 间歇过程控制器设计
2.5.2 间歇过程的故障诊断
2.5.3 间歇过程的容错控制
2.6 结束语
参考文献
第3章 人工胰脏综述
3.1 前言
3.2 研究现状与挑战
3.2.1 动态血糖监测系统
3.2.2
3.2.3 闭环控制算法
3.2.4 软硬件连接与通信
3.2.5 临床试验
3.3 研究热点与展望
3.3.1 动态血糖监测系统
3.3.2
3.3.3 闭环控制算法
3.3.4 无线通信
3.3.5 临床试验
3.4 结束语
参考文献
第4章 二维系统的稳定性理论
4.1 引言
4.2 二维系统的状态空间模型
4.2.1 Roesser模型
4.2.2 Fornasini-Marchesini模型
4.2.3 模型之间的转换
4.3 二维状态空间模型的动态响应
4.3.1 Roesser模型的动态响应
4.3.2 F-M 模型的动态响应
4.4 二维系统稳定性判据
4.4.1 Roesser模型的稳定性
4.4.2 F-M模型的稳定性
4.5 结束语
4.6 附录 引理4.9的证明
参考文献
第5章 间歇过程执行器故障的迭代学习可靠控制
5.1 引言
5.2 问题描述
5.3 传统可靠控制
5.4 迭代学习可靠控制
5.4.1 等价二维模型
5.4.2 可靠控制器设计和系统结构
5.4.3 性能优化
5.5 案例研究
5.5.1 情形1:定常故障和重复扰动
5.5.2 情形2:时变故障和非重复扰动
5.5.3 情形3:ILRC和传统迭代学习控制的比较
5.6 结束语
参考文献
第6章 间歇过程传感器故障的迭代学习可靠控制
6.1 引言
6.2 问题描述
6.3 传统可靠控制
6.4 迭代学习可靠控制
6.4.1 等价二维模型
6.4.2 可靠控制器设计
6.4.3 性能优化
6.5 案例研究
6.5.1 情形1:两个控制律的比较
6.5.2 情形2:对变化初值的鲁棒性
6.5.3 情形3:对测量噪声的不确定性
6.6 结束语
参考文献
第7章 非线性间歇过程传感器故障的主动容错控制
7.1 引言
7.2 实例说明
7.2.1 执行器偏差故障
7.2.2 执行器增益故障
7.2.3 传感器偏差故障
7.2.4 传感器增益故障
7.3 问题描述
7.4 主要结果
7.4.1 故障检测和分离
7.4.2 输出估计
7.4.3 容错控制
7.4.4 网络训练和参数设计
7.5 三容水箱仿真实验
7.5.1 传感器1的缓变增益故障
7.5.2 传感器1的失效故障
7.5.3 传感器2的缓变偏差故障
7.5.4 传感器2的卡死故障
7.6 注塑过程实验研究
7.7 结束语
参考文献
第8章 人工胰脏的直接型迭代学习控制
8.1 引言
8.2 虚拟患者的ARX模型
8.3 模型预测迭代学习控制
8.3.1 迭代学习控制
8.3.2 更新律
8.4 实验结果
8.4.1 ARX模型
8.4.2 控制律
8.4.3 重复饮食情形
8.4.4 对非重复饮食的鲁棒性
8.4.5 对个体差异的鲁棒性
8.4.6 设定值更新
8.5 结束语
参考文献
第9章 人工胰脏的间接型迭代学习控制
9.1 引言
9.2 学习型模型预测控制器
9.2.1 模型预测控制器
9.2.2 学习型设定值
9.3 实验结果
9.3.1

摘要与插图

第1章迭代学习控制概述
迭代学习控制(理论在过去的三十多年中取得了大量的成果,并且得到
ILC) 了广泛的应用。是近十年来,迭代学习控制的二维系统理论日益受到学者们的重视,取得了突飞猛进的发展。本章将系统性地概括迭代学习控制的发展历程、一般描述形式和二维系统描述形式,重点介绍直接型和间歇型的分类方法。基于详尽的文献统计分析,本章将进一步总结迭代学习控制的发展现状和面临的挑战。本章主要是在文献[1]的基础上重点强化迭代学习控制的综述。
1.1 引言
1978 年,Uchiyama 用日文第一次给出了迭代学习控制的显式描述[2],1984 年,Arimoto等次用英文介绍了这种方法[3],上述工作被广泛地认为是迭代学习控制的起源。工业机器人是发展迭代学习控制的动力之一,因为机器人就是通过一次次的重复执行来完成同样的任务的。人类能够通过重复的训练来学习,所以研究者们试图找到一种方法将这种学习能力应用到动态系统的自动操作中去,这种方法就被称为迭代学习控制。迭代学习控制的主要思想就是利用以前的信息来设计新的控制信号;换言之,它能够通过学习以前的经验来提高控制效果。
许多书籍和综述论文都对迭代学习控制进行了总结,其中引用了很多的参考资料,如综述文章[4]一共引用了514 篇参考文献。重复引用所有这些参考文献显然是没有必要的。因此,本章只引用了一些必不可少的文献,更多的重要文献由于篇幅限制被省略掉了。为了弥补参考文献数量少造成的不足,1.4节详细综述了207 篇参考文献,并且对它们进行了分类;然而,它们中的大多数并没有被列在参考文献中。
本书将涉及“连续过程”和“连续系统”两个概念;它们经常被误认为是同一回事;因此本章将先给出它们的定义。根据生产方式的不同,大多数过程可以分为两大类:批次过程和连续过程。一般来讲,批次过程是间歇性运行的,适用于生产小批量、高附加值的产品;而连续过程适用于持续生产大批量产品。一个动态系统本质上就是一个时间的函数:如果时间变量只能够取离散值,那么这类系统称为离散时间系统,简称离散系统;如果时间变量连续取值,那么这类系统称为连续时间系统,简称连续系统。因此,“连续过程”和“连续系统”是两个不同的概念。一个连续过程可以是离散时间的或者连续时间的。另外,一个连续系统可以由连续模型[10]。基于上述变换,为批次过程设计迭代学习控制等价于