基于卡尔曼滤波的迭代学习控制方法研究

针对一类非线性欠驱动机械系统在干扰环境下动态性能变差的问题，提出了一种基于卡尔曼滤波器的遗忘因子迭代学习控制律，实现了闭环系统的稳定性控制和干扰抑制。首先，以卡尔曼滤波器为系统的状态观测器，估计系统在随机噪声干扰下的最优状态。其次，设置自适应遗忘因子，动态适应迭代学习过程中的误差变化，使系统能够快速收敛并准确跟踪参考轨迹，从而抑制运动过程中的重复干扰信号。最后，以Quanser公司生产的柔性尺为实验平台，研究了非线性欠驱动被控对象实际系统的控制方法，并通过理论数值仿真和物理实验验证了该方法的有效性。仿真和物理实验结果表明，本文提出的控制方法能够保证被控系统的稳定运行，并在环境中存在随机非重复性噪声或重复性干扰时保持良好的鲁棒性。