[发明专利]一种基于机器学习的非重复性时变系统迭代学习控制方法

权利要求书

1.一种基于机器学习的非重复性时变系统迭代学习控制方法，其特征在于，包括以下步骤：

S1,输入以下数值:初始估计值初始输入u₀、预定义参考r、训练集数量η、总的测试损失精度ε、最大迭代次数kmax；

S2迭代学习

S2-1:初始化:设置参数k＝0；

S2-2:将带入目标系统并运行程序中并且记录系统输出轨迹y₀和误差e₀去构造数据

所述的目标系统为：

x_k(t+1)＝A_k(t)x_k(t)+B_k(t)u_k(t)；

x_k(0)＝x₀

y_k(t)＝C_k(t)x_k(t)

其中，x_k(t+1)表示：第k次试验在t+1时刻的系统状态；

x_k(t)表示：第k次试验在t时刻的系统状态；

y_k(t)表示：第k次试验在t时刻的系统输出；

A_k(t)表示：相容维度的系统输入系数矩阵

B_k(t)表示：相容维度的系统输入系数矩阵

C_k(t)表示：相容维度的系统输出系数矩阵

u_k(t)表示：第k次试验在t时刻的系统输入；

x_k(0)表示：重复跟踪任务的系统初始状态；

x0表示：重复跟踪任务的恒定初始值；

t表示：有限长度的试验的采样时间索引；

S2-3:当k小于k_max时，顺序执行步骤S2-4～S2-7；

S2-4：使用η、ε、去获得

其中，分别表示第k、k+1轮的估计值；

是第k次试验的未知参数集合σ_k的估计值；

是第k+1次试验的未知参数集合σ_k+1的估计值；

是σ的估计值，未知参数集合σ包括每一轮的A_k,B_k,C_k里的非重复时变参数；

是σ_k的估计值，是σ_k+1的估计值；

S2-5:应用前馈迭代学习控制法则u_k+1＝u_k+Le_k，使用去获得u_k+1；

其中，u_k+1表示k+1轮的系统输入；Le_k表示：L表示学习算子；e_k表示系统第k次试验的误差；

S2-6:在目标系统中使用u_k+1，然后记录第k+1轮的系统输出y_k+1和e_k+1去构造

S2-7:k值增加1。

2.根据权利要求1所述的一种基于机器学习的非重复性时变系统迭代学习控制方法，其特征在于，所述的步骤S2-5，具体包括如下步骤：

A，输入:先前的估计训练集数量η、总的测试损失精度ε、

B，初始化：设置x(0)＝x₀；

C，使用去评估

表示：第k次试验的测试集；

表示：第k次试验的第一轮的总的测试损失；

D，当执行步骤E～F；

E，i的初始值为1，当i＜η，执行步骤E-1，E-2；

E-1采用下式，求解

其中，γ表示学习率；

E-2i的值加1；

F.在有里数据的基础上，使用公式去评估

表示：第k次试验的第j轮的总的测试损失；

是σ的估计值，

未知参数集合σ包括每一轮的A_k,B_k,C_k里的非重复时变参数.参数A_K B_K C_K是随着时间变化的，是每次迭代时采用机器学习方法对上述参数的估值。