由于压电驱动器具有迟滞、蠕变等非线性特征,在精密定位中存在较大的位移跟踪误差。本文对此提出了一种逆补偿和迭代学习控制算法相结合的控制方法。利用逆补偿器作为前馈,使压电陶瓷驱动器的位移跟踪误差得到一定的补偿,再利用迭代学习控制方法进行反馈,进一步减小压电驱动器的位移跟踪误差。仿真实验结果表明,该方法具有良好的控制效果,能够将驱动器的输出位移误差由37.26%减小到0.51%以内。

针对双缸电液位置伺服同步控制系统的高精度及快速性要求,采用比例积分微分型迭代学习控制算法,设计实现了电液位置同步控制系统.在系统中采用双闭环两级控制策略,将双缸同步误差反馈补偿到输出量中,同时采用比例微分算法对数字控制量进行修正,使双缸互为跟踪对象,保证了双缸运行中的高精度同步.试验结果表明该同步控制系统具有较高的控制精度和快速跟踪目标能力,同步控制精度达到了0.2%,为电液同步控制提供了一种新的有效思路和方法,因此具有重要的工程应用价值.

针对目前常见串联式机械手末端存在控制误差累计而导致末端控制精度较低,无法实现高精度位置伺服控制,使得末端轨迹跟踪控制较差等问题,该文借助迭代学习控制算法的优点,提出了一种基于迭代学习的电液机械手末端轨迹跟踪控制算法。首先,该文以型号为REbot-6R机械手为研究对象,建立机械手的三维模型和坐标,利用D-H坐标,建立REbot-6R机械手运动学模型;然后,设计了基于迭代学习的电液机械手末端轨迹跟踪控制器;最后,以REbot-6R机械手为对象搭建实验平台进行轨迹跟踪控制实验。实验结果表明了迭代学习算法能够很好的运用在REbot-6R机械手上,有效性地解决机械手末端轨迹跟踪控制较差等问题,提高了轨迹跟踪精度。

为解决传统控制方法下电液伺服振动台复现波形精度不高的问题,对5种迭代学习控制算法进行了对比研究。采用的迭代学习控制算法包括时域迭代算法和频域迭代算法,时域迭代算法有P型学习律和PD型学习律,频域迭代算法有直接迭代、修正迭代和幂指数迭代,通过振动台仿真模型对比研究各种方法的控制效果。研究结果表明:在相同模型和相同波形条件下,所采用的5种算法中,频域迭代算法优于时域迭代算法,频域迭代算法下波形的相关系数可达98%以上,最大峰

针对轧机液压位置闭环系统存在强耦合、多变量等非线性因素,精确建模困难且不具备自我更新学习等问题,将无模型自适应迭代学习控制(MFAILC)应用于轧机液压位置闭环系统。由于MFAILC算法的误差收敛消耗时间较长,采用高阶伪偏导数估计算法改善系统的收敛速度,同时针对MFAILC算法在控制过程中的抗干扰性较差、容易产生控制偏差的问题,结合内模控制强鲁棒性、结构简单等优点,将其引入MFAILC算法,对算法的控制结构进行改进。仿真实验结果表明:改进后的

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子（dynamic expansion compression coefficient,DECC）的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。

弹性负载下的阀控非对称缸是典型的非线性、时变系统,针对传统PD型迭代学习控制容易造成系统抖动这一问题,设计一种带遗忘因子的预测迭代学习控制器.建立阀控非对称缸系统的模型,比较分析其工作特性.介绍迭代学习控制基本原理,并分析常规PD型算法存在的问题.为克服迭代学习控制算法在阀控非对称缸控制中的抖动问题,设计具有遗忘因子的迭代学习算法,并通过仿真分析不同遗忘因子取值对控制效果的影响.为补偿遗忘因子造成的迭代性能降低问题,加入预测给定环节.仿真与试验研究均表明,这种带遗忘因子的预测迭代学习控制算法能够很好应用于阀控非对称缸系统,它有效克服系统抖动问题,并且具有很好的迭代精度.

针对大部分舵机电液伺服力控系统存在多余力的问题，提出采用双电液伺服阀并联控制，即高响应大流量伺服阀和p-qv伺服阀并联的控制方法。考虑系统的非线性和时变特性，采用了模糊控制与迭代学习控制相结合的控制方法，即一个控制器采用模糊学习控制，另一个采用迭代PI控制。理论分析及仿真结果表明，双阀并联控制方案在舵机启动和停车过程中可以更好地抑制多余力，同时改善了系统的加载性能、非线性和时变特性的影响。

针对起落架加载系统存在多余力，且多余力严重影响加载系统的精确度，同时为提高加载系统的性能，介绍了起落架加载系统的工作原理，对其建立完整的数学模型，分析了多余力产生的机理。基于迭代学习控制算法提出加载系统控制方案，对采用迭代学习控制的前后的模型进行仿真分析，结果表明，迭代学习控制算法能够有效的抑制加载过程中的多余力，提高加载系统性能。

针对某具体电液伺服协调加载系统，提出了一种加速算法闭环Ｐ型迭代学习控制律。该方法控制精度高，计算简单，对耦合干扰有较强的鲁棒性。理论分析和试验结果表明，该方法有较大的应用价值。