关键字：数据驱动方法;参数的自适应整定;迭代学习控制;优化

摘要：针对PID型迭代学习控制(iterative learning control, ILC)方法，提出了两种数据驱动自适应整定(data-driven adaptive tuning, DDAT)方法。首先采用紧格式迭代动态线性化(compact form iterative dynamic linearization, CFIDL)方法将原始的非线性系统转化为等价的线性数据模型，设计了一个目标函数来动态地调整PID型ILC的学习增益。其次，通过对设计的目标函数进行优化，提出了一种基于CFIDL的DDAT方法。该方法只使用实际的I/O数据，而不需要任何机理模型信息。进一步，引入偏格式迭代动态线性化(partial form iterative dynamic linearization, PFIDL)方法对结果进行扩展，提出了一种基于PFIDL的DDAT方法。所提出的两种DDAT方法都可以提高PID型ILC对不确定性的鲁棒性。最后，通过仿真验证了两种方法的有效性。

卷号：v.45;No.206

期号：01

是否译文：否