基于PSO迭代学习控制仿真研究文献综述

文献综述

1、结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2000字左右的文献综述:一、 课题研究背景及意义迭代学习控制（iterative learningcontrol ，ILC ）由Uchiyama于1978年首先提出，是学习控制的一个重要分支。

迭代学习控制是一种新型学习控制策略，它通过反复应用先前得到的跟踪误差和控制输入以及既定控制策略来获得当前时刻的控制输入，并通过多次重复运行，在有限时间区间上实现了系统输出精确跟踪给定的期望轨迹[1-2]。

迭代学习控制的适用对象是具有重复运动性质的被控系统，其目标是实现有限时间区间上的完全跟踪。

迭代学习控制采用在重复中学习的学习策略，具有记忆和修正机制，算法的基本原理如图所示。

迭代学习控制的研究对具有较强的非线性耦合，较高的位置重复精度，难以建模和高精度轨迹跟踪控制要求的动力学系统有着非常重要的意义。

迭代学习控制由于算法结构简单、能够自动补偿周期性扰动、跟踪性能好，使得其在诸多领域被广泛应用如航空航天、工业机器人控制、运动控制等[3-5]。

图 1.1迭代学习算法流程图粒子群优化算法(particle swarm optimization，PS0)是在研究鸟类和鱼类的群体行为基础上于提出的一种群智能算法，其思想来源于人工生命和演化计算理论，模仿鸟群飞行觅食行为，通过集体协作使群体达到最优。

PSO是进化计算的一个分支，是一种基于迭代的优化工具，系统初始化为一组随机解，通过迭代搜寻最优值[6]。

其原理和机制简单，算法结构如图所示，每一个粒子随机分布在搜索空间中，并且会记忆在空间中找到的最优算法的位置。