文献综述（或调研报告）：
由于机器人是高度的非线性、强耦合的动力学系统，而且在许多情况下系统的动力学模型是未知的，或者不是完全已知的，因此利用传统的控制理论很难实现对机器人的高精度跟踪控制。近年来，迭代学习控制理论由于在不精确已知受控对象动力学特性的情形下具有综合结构简单、在线计算量小等特点，因此受到了控制界的广泛关注，人们针对各种机器人系统的跟踪控制提出了相应的有效算法。
针对单自由度机器人这样一类非线性时变系统讨论一种同时利用比例和微分作用的开闭环PD型迭代学习律。
自1984年Arimoto针对机器人系统的特点, 模拟人类学习技能的过程, 开创性地提出迭代学习控制概念以来, 迭代学习控制一直是控制界的研究热点领域之一。人们不仅针对各种机器人系统的跟踪控制提出了相应的有效算法, 而且这个方法也被应用到非线性系统的鲁棒控制上, 最近, 在离散系统、分布参数系统及广义系统上也有了相应的应用。迭代学习控制已成为“智能控制”的一个重要组成部分, 并逐步发展成为控制理论中的一个新的发展方向。
桑勇、王亚杰等基于迭代学习控制进行了电液伺服力加载系统惯性力的补偿研究。电液伺服力加载系统响应快、控制精度高, 被广泛地应用在各类测试装置中。在科学实验过程中, 动态加载时较大的加速度会产生较大的惯性力, 惯性力会影响力加载的控制精度, 从而引起实验精度的下降。绝大多数情况下, 惯性力与加载力相比相对比较小, 完全可以忽略。然而在高频小载荷的加载场合, 由于加速度大、加载力小, 此时应考虑惯性力的影响。他们分析了高频小载荷条件下惯性力对加载力的影响, 在Matlab/Simulink中建立了电液伺服力加载系统的数学模型, 提出采用迭代学习控制的方案实现惯性力的补偿, 以土工常用的电液伺服动三轴试验仪为例开展仿真研究, 研究结果表明:迭代学习控制方案能较明显地提高动态加载的控制精度。
王振玉、杨斌等研制了五自由度机械臂,其采用一个三轴悬臂机构外加一个腕关节机构,实现了三维空间的五自由度运动。通过三轴悬臂机构使外部器械在三维空间内实现运动, 通过腕关节机构精确调整外部器械的姿态;在自动控制方面,运用了一种迭代学习控制算法设计控制器,使五自由度机械臂获得满意的轨迹跟踪控制效果,并能够实现在监控下的远程操作过程。
杨亚楠、秦雪元设计一种残差观测器下电机迭代学习的控制方法,建立传动系统的机电耦合模型,在基于观测器的残差生成器控制框架下进行转速补偿的迭代学习控制,提高了电机调速系统在负载扰动影响下的鲁棒性能和抗干扰性能。仿真结果表明,该控制系统能够有效减小负载扰动下的电机转速变化幅度,提高了闭环控制系统的稳定性。
翟仑、段培永等进行了闭环迭代学习控制在切换轨迹精确跟踪中的应用。单纯的开环迭代学习控制可精确跟踪光滑曲线,但在切换轨迹的精确跟踪过程中有时会出现跟踪误差发散以及超调较大等问题。为解决上述困难,本文针对切换轨迹的精确跟踪问题进行研究,设计闭环迭代学习控制器,以PD类型迭代学习控制作为前馈量,并采用PID类型的反馈控制器,且加入了低通滤波器。通过系统的频域分析,得到了闭环迭代学习控制。
