工业过程迭代学习算法的鲁棒性  

Robustness of Iterative Learning Algorithm for Industrial Processes

作　　者：王建国[1] 阮小娥[2] 

机构地区：[1]西安建筑科技大学理学院,西安710055 [2]西安交通大学理学院,西安710049

出　　处：《工程数学学报》2004年第1期127-130,138,共5页Chinese Journal of Engineering Mathematics

基　　金：国家自然科学基金资助 (6 0 2 74 0 5 5 ) ;西安交通大学科研基金资助 (0 90 0 - 5 730 2 6 ) ;西安建筑科技大学校基础研究基金资助 (DBl2 0 0 8)

摘　　要：在工业过程稳态优化进程中 ,为了进一步改善工业过程的动态品质 ,提出了迭代学习控制策略。本文研究系统状态初值漂移和系统参数扰动对迭代学习控制算法收敛性的影响。理论分析表明 ,当系统状态初值漂移和系统参数扰动在一定范围内 。In steady-state optimizing of industrial processes, iterative learning control is suggested to improve dynamic performance of transient response.In this paper,the influence about system initial shift and system parameter disturbance on convergence of the algorithm is studied. Theoretical analysis indicates that iterative learning control algorithm is robust if initial shift and System parameter disturbance within limited bound.

关 键 词：迭代学习控制 鲁棒性 初值漂移 系统参数扰动 

分 类 号：O22[理学—运筹学与控制论]