买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江南大学申请的专利一种执行变化任务的直流电机迭代学习控制优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119937288B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510107523.4，技术领域涉及：G05B11/42；该发明授权一种执行变化任务的直流电机迭代学习控制优化方法是由陶洪峰;陈仿梅设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种执行变化任务的直流电机迭代学习控制优化方法在说明书摘要公布了：本发明公开了一种执行变化任务的直流电机迭代学习控制优化方法，涉及直流电机控制领域。该方法在直流电机闭环反馈控制系统的基础上并联加入迭代学习控制器，基于提升技术将直流电机控制系统转换为时间序列的输入输出矩阵模型。在范数优化框架下设计最优迭代学习控制算法，通过批次间重复学习和批次内实时反馈的结合使得系统基本实现对期望输出的零误差跟踪。基于重复执行某项任务获取的最优输入序列和误差序列，利用最小二乘拟合法将反馈加前馈控制器集成为一个新的基于学习的反馈控制器，最后再将其应用到执行变化轨迹任务的系统。该方法将历史学习经验转移到全新的任务中而不限制其时间长度，无需重新学习即可实现直流电机变化任务的轨迹跟踪。

本发明授权一种执行变化任务的直流电机迭代学习控制优化方法在权利要求书中公布了：1.一种执行变化任务的直流电机迭代学习控制优化方法，其特征在于，所述方法包括： 第一步、建立直流电机位置伺服控制系统的动态模型，假设该系统是理想的并且考虑到电机的转动惯量、摩擦力矩的影响，所述动态模型如下所示： 1 其中，分别表示直流电机的电枢电阻和电枢电感，是电机的转矩常数，Ce是电机的反电势常数，分别表示机械负载的转动惯量和摩擦系数，和分别为电枢电压和电枢电流，表示电机的转速，表示电机的转角； 第二步、构建直流电机位置伺服控制系统的离散状态空间方程，包括： 将直流电机的电枢电流，转速以及转角定义为状态，定义电机的转角为输出，电枢电压为输入，则式1转换为状态方程形式： 2 将直流电机的连续状态方程式2进行离散化，选取满足香农采样定理的采样周期，得到所述系统的离散状态空间方程如下： 3 其中下标表示试验次数，表示对应的第个采样点，表示系统开始运行到结束当前批次的采样点长度；，和分别是系统第批次第个采样点时刻的输入、输出和状态向量；系统矩阵、和具有合适的维数，且满足保证系统可控； 第三步、建立基于反馈的迭代学习控制轨迹跟踪模型，包括： 针对所述离散状态空间方程式3，在离散时间域内将其状态空间表达式转换为离散传递函数： 4 其中为离散传递算子，为适当维度单位矩阵;选择适当的反馈控制器保证系统稳定，并将迭代学习控制器并联加入所述直流电机位置伺服控制系统以优化系统控制性能，此时系统的输入由稳定反馈输出和前馈迭代学习控制输入两部分组成，即； 在迭代轴上，迭代学习控制输入更新律定义为： 5 其中，和分别定义为鲁棒性滤波器和学习增益；是系统第批次第个采样点时刻的输出误差； 在时间轴上，PID反馈控制器输出定义为： 6 其中，和分别为PID反馈控制器的比例系数、积分系数和微分系数； 加入迭代学习控制后系统的输出表示为： 7 其中表示系统的期望轨迹，，为已知线性离散传递算子； 通过求解和的单位脉冲响应得到相应的脉冲传递算子和如下： 8 其中为相应的脉冲响应系数，表示离散时间域的延迟运算； 根据式8将所述系统的输出式7转换为迭代域的提升系统框架： 9 其中： 10 11 每次试验中时间序列上的输入输出传递矩阵和外源性信号分别记为： 12 13 提升后系统的期望输出向量定义为： 14 第四步、设计基于反馈的迭代学习控制轨迹跟踪优化算法，包括： 在范数最优迭代学习控制框架下，通过对每批次的多目标性能指标函数进行优化来获取基于反馈的迭代学习控制系统的最优输入和误差信息，该多目标性能指标函数被定义为： 15 其中： 16 17 所述多目标性能指标函数式15包括：每批次系统跟踪误差、两个相邻批次间的输入变化和控制能力，这三个分量的权重矩阵、和表明了它们在优化过程中的优先级，通过调整所述权重矩阵、、的值，找到系统在误差、控制输入变化和平滑度之间的最优平衡； 通过最小化所述多目标性能指标函数得到系统最优控制输入： 18 在Hilbert空间中三个分量的诱导范数被定义为如下形式： 19 将式16、17、19分别代入式15，得到： 20 令，得到： 21 合并同类项得到： 22 由于矩阵、和是正定的，则可逆，式22整理后得到基于反馈的迭代学习控制输入更新律： 23 其中： 24 系统通过将批次间误差的重复学习和批次内实时误差的反馈控制结合，由式23迭代更新系统控制输入以获取最优控制输入序列和跟踪误差序列，其中为系统最大迭代次数； 第五步、将反馈加前馈控制器集成为一个新的基于学习的反馈控制器，包括： 基于二维并联控制框架下的系统最优控制输入和跟踪误差，利用最小二乘拟合的方法来计算基于学习的反馈控制器参数；PID控制器本质上是线性的，将其线性参数化并根据式6得到离散时间域内第个采样点处的输出为： 25 其中为控制器未知参数向量，为每个采样点处的输出且系统有N个采样点； 定义信息向量，则反馈系统输出转换为： 26 其中： 27 28 通过最小化模型输出和实际输出之间的误差平方和,推导出模型的最优参数估计，即通过最小化如下二次准则函数得到参数向量的估计： 29 其中和为基于反馈的迭代学习控制系统的观测数据； 重新表述为： 30 其中，为每个时刻实际输出与模型输出的差； 设时，，令对的偏导数为零，得到： 31 或 32 当为正定矩阵时，由上式32求得，得到基于学习的反馈控制器的参数估计； 第六步、分析基于反馈的迭代学习控制轨迹跟踪优化算法的收敛性； 第七步、实现迭代学习控制指导反馈控制学习的变化轨迹跟踪控制，包括： 利用上述步骤五得到的基于学习的参数，得到一个新的反馈控制器并将其应用到执行不同任务的直流电机位置伺服控制系统中进行轨迹跟踪控制； 基于反馈加前馈的二维迭代学习控制系统中所获取的最优输入和误差信息，利用最小二乘拟合的方法将反馈加前馈控制器集成为一个新的基于学习的反馈控制器，该控制器拟合出原系统的输入输出特性，无需重新学习即对变化的轨迹进行跟踪控制； 通过上述方法实现将重复执行某项任务的学习经验转移到全新的任务中并且不限制其时间长度，使直流电机位置伺服控制系统对变化的轨迹进行跟踪控制。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。