IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

【好文分享】分数阶迭代学习更新律

已有 1191 次阅读 2023-6-5 10:32 |系统分类:博客资讯

研究背景

在工业生产与日常生活中,在有限时间内完成任务并不断重复运行的系统是十分常见的。比如汽车生产中的机械臂,在一辆汽车的生产过程中运动路径就是一次控制任务,后续车辆的生产便是将这一过程重复进行。迭代学习控制方法适用于处理这一类系统。其基本原理在于,通过学习历史批次的经验信息,改善当前批次的控制效果,提升控制精度。

自从上世纪八十年代迭代学习控制被提出至今,比例型更新律是研究最为深入、应用最为广泛的迭代学习更新律。其主要原因在于比例型更新律具有简单的线性结构以及出色的控制性能。随着迭代次数的增加,比例型更新律可以实现系统跟踪误差的渐进收敛。然而,也正是由于其简单的线性更新结构,限制了收敛速度在跟踪误差较小时的进一步提升。在工业生产中,很多情况需要在给定的容许精度要求下,实现有限次迭代内完成对于目标轨迹的快速跟踪。因此,设计新的能够快速收敛的迭代学习控制算法,一直以来都是一个有意义的并且富有挑战性的研究问题。

研究简介
    中国人民大学数学学院分布式人工智能实验室沈栋教授团队与澳大利亚皇家墨尔本理工大学余星火教授合作,针对整数阶系统提出了一种分数阶迭代学习更新律。研究成果发表于IEEE/CAA Journal of Automatica Sincia 2023年第10卷第5期:Z. H. Li, D. Shen, and X. H. Yu, Enhancing iterative learning control with fractional power update law,” IEEE/CAA J. Autom. Sinica, vol. 10, no. 5, pp. 1137–1149, May 2023. doi: 10.1109/JAS.2023.123525 

QQ图片20230529084844.jpg

该更新律跳出了一直以来所广泛使用的线性更新结构范式,将跟踪误差的分数阶作为更新项,设计了如下非线性迭代学习更新律:

图片.

实现了跟踪误差较小时相较于线性更新律的加速效果。其加速的基本原理在于,通过采用跟踪误差的分数阶作为更新项,使得跟踪误差较小时,算法仍然可以保持较强的更新强度,从而可以实现较快的收敛速度。相比于使用线性更新项的比例型更新律,分数阶更新律可以实现小误差阶段算法的快速收敛效果。

成果介绍
    作为针对整数阶系统设计分数阶更新律的早期研究,本成果考虑离散单入单出线性系统的迭代学习控制,重点研究了算法的收敛性及其收敛极限环。由于分数阶更新律是一个非线性控制算法,一直以来被广泛使用的压缩映射原理不再适用。同时,由于跟踪误差在时间轴上的累计效应,跟踪误差递归式中存在一个复杂的扰动项,这也导致了Lyapunov方法的失效。为此,本成果提出了一套全新的非线性映射收敛性分析方法,严格地分析了分数阶更新律的收敛性。首先,对于前两个时刻的跟踪误差动态,根据扰动项的收敛状况,对递归式的平衡点的个数进行了分类与刻画。进而,利用非线性映射原理,详细分析每一个平衡点的局部稳定性与全局稳定性。最后,通过数学归纳法,将上述结论推广到任意时刻的情形。证明了对于任意时刻,跟踪误差最终收敛到一个极限环。需要指出的是,不同于比例型更新律,分数阶更新律会使得跟踪误差收敛到一个极限环,而非固定的极限值。

跟踪误差随迭代次数的演化如下图所示:

图片1.png

图1  跟踪误差收敛到极限环

进一步,本成果给出了极限环所有可能取值的计算方法,将极限环的可能取值和一个非线性方程的解对应起来。数值仿真结果验证了计算结果的准确性。通过和比例型更新律在不同的参数选取情况下的仿真结果的对比,验证了所提出的分数阶更新律在收敛速度上的优势。相应仿真结果如下图所示:

图片2.png

图2  不同增益选取下比例型与分数阶更新律误差演化动态


图片3.png

图3  不同分数阶选取下比例型与分数阶更新律误差演化动态

此外,从图3中还可以看到,随着分数阶的阶次取值趋近于1,两种算法的跟踪误差曲线越来越接近。这是由于当分数阶的阶次取值为1时,分数阶更新律就退化成了比例型更新律。因此,传统的比例型更新律可以看成本文所提分数阶更新律的特殊情形,而本文所建立的设计与分析方法可以看成是更一般化的迭代学习控制框架。

作者及团队

1-李.png

李子涵,中国人民大学数学学院应用数学专业硕士研究生。本科毕业于湖南大学数学学院数学与应用数学专业。主要研究方向包括学习控制与参数辨识。

2-沈.png

沈栋,中国人民大学数学学院教授,分布式人工智能实验室负责人。现为中国自动化学会数据驱动控制、学习与优化专业委员会副主任委员,中国自动化学会控制理论专业委员会委员,IEEE Senior Member,国际期刊International Journal of Robust and Nonlinear Control, IEEE Access, IET Cyber-Systems and Robotics编委,IEEE/CAA Journal of Automatica Sincia青年编委。曾获得2022年河南省自然科学二等奖,2021年山东省自然科学奖二等奖,2017年顶级期刊IEEE TAC杰出审稿人,2014年IEEE控制系统协会北京分会青年作者奖,2012年吴文俊人工智能科技进步二等奖等,入选国家高层次青年人才支持计划。研究方向为迭代学习控制、随机系统的优化与控制、随机逼近算法等。

3-余.png

余星火,澳大利亚皇家墨尔本理工大学(RMIT U.)杰出教授,副校长。澳大利亚科学院院士,IEEE Fellow,IET Fellow,澳大利亚工程师学会荣誉会士,教育部“长江学者奖励计划”讲座教授。曾于2018年和2019年担任IEEE工业电子学会主席。主要研究方向为控制系统、复杂智能系统、未来能源系统等。曾担任IEEE Transactions on Automatic Control, IEEE Transactions on Circuits and Systems I: Regular Papers, IEEE Transactions,IEEE Transactions on Industrial Electronics和IEEE Transactions on Industrial Informatics等顶级期刊的编委。曾获得IEEE工业电子学会2013年Dr.-Ing. Eugene Mittelmann成就奖、澳大利亚工程师协会2018年M.A.Sargent奖章等。

最新喜报

余星火教授当选澳大利亚科学院院士

点击下方链接查看新闻详情:

Academy welcomes 20 new Fellows for their outstanding contributions to science


感谢本文作者提供以上简介




https://blog.sciencenet.cn/blog-3291369-1390603.html

上一篇:JAS及自动化学报多名专家荣获全国创新争先奖
下一篇:《自动化学报》2023年49卷5期目录分享
收藏 IP: 159.226.177.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 01:28

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部