基于克隆选择算法的优化迭代学习控制  

An optimal iterative learning control algorithm based on clonal selection algorithm

作　　者：李恒杰[1] 郝晓弘[1] 张磊[1] 

机构地区：[1]兰州理工大学电气工程与信息工程学院,甘肃兰州730050

出　　处：《西安石油大学学报（自然科学版）》2008年第2期83-88,共6页Journal of Xi’an Shiyou University（Natural Science Edition）

基　　金：国家自然科学基金项目(编号:30670529);甘肃省自然科学基金项目(编号:3ZS042-B25-012)

摘　　要：将改进的克隆选择算法用于求解迭代学习控制中的优化问题,提出一种基于克隆选择算法的优化迭代学习控制.通过一个特殊设计的高斯变异操作,采用实数编码的克隆选择算法不但可以解决迭代学习控制中的非最小相位和非线性问题,而且可以很好地处理系统输入的约束问题.此外,由于更多的先前信息被编码进克隆选择算法中,减小了搜索空间,从而大幅提高了算法的收敛速度.仿真结果表明,对于所选线性和非线性被控对象该策略都能够取得满意的收敛效果.An improved clonal selection algorithm is proposed and used for optimal iterative learning control.It not only can cope with non-minimum phase plants and nonlinear plants but also can deal with the constraints on input conveniently by a specially designed mutation operator.In addition,because more priori information is used to decrease the size of the search space,the convergence speed of the clonal selection algorithm is considerably increased.The simulation results show that the convergence speed is satisfactory regardless of the nature of the plant.

关 键 词：克隆选择算法 迭代学习控制 最优化 非线性系统 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]