基于迭代学习的网络化系统量化和丢包容错控制方法

重复系统（伺服电机、往复泵等）是工业系统的重要组成部分，其容错控制对于工业系统的动态可靠安全运行具有重要意义。而迭代学习理论运用上一次迭代周期的信息改善当前迭代周期的控制行为，迭代修正逼近跟踪轨迹，实现高精度跟踪和控制，成为了重复系统的主流研究方法。但是由于控制系统网络化、分布式的发展，重复系统的容错控制需要针对网络环境，解决通信传输带来问题，包括量化采样问题、数据包丢失等。因此本文针对网络环境下重复系统故障估计及容错控制问题，引入迭代学习策略，从典型问题—量化采样和数据包丢失，研究主动容错控制方法。
　　本文的主要工作如下：
　　①针对离散时间系统的迭代学习故障估计问题，基于观测器建立故障估计器，构建目标函数，从迭代轴和时间轴的维度，设计故障估计器的收敛性条件。最后通过数值实验验证了故障估计器性能。
　　②针对网络化系统的量化采样问题，为适应不同的量化器误差，确定量化误差波动范围的表达式。在此基础上，构建控制系统跟踪误差方程和PD型迭代学习控制器，并结合故障估计器，设计目标函数，建立同时保证故障估计器和迭代学习控制器收敛性的条件。最后通过数值实验验证了跟踪性能。
　　③针对网络化系统的丢包问题，将丢包过程考虑为服从伯努利过程的随机开关变量，引入间歇更新和连续更新两种丢包应对策略。基于迭代学习框架，分别构建丢包下的故障估计器和控制器。考虑随机开关变量的影响，构建相应的目标函数，分析满足系统性能指标收敛的LMI条件。通过网络化机器臂控制系统的数值实验验证跟踪性能。