无模型自适应迭代学习控制

参考(6条消息) 无模型自适应迭代学习控制原理和matlab代码仿真学习记录_fx2h的博客-CSDN博客

%期望的轨迹
for k=1:1:500
    if k<250
        yd(k+1)=0.5*(-1).^(round(k/100))
    else
        yd(k+1)=0.5*sin(k*pi/100)+0.3*cos((k*pi)/50)
    end
end
%参数设置
epsilon=0.01
eta=1
rho=0.2
lamda=1
mu=2
%控制过程
i_n=60%迭代次数
y(1:i_n,1:500)=0
for i=1:1:i_n
    for k=1:1:500
        if k==1
            phi(i,k)=0.4
        elseif k==2
            phi(i,k)=phi(i,k-1)+(eta*(ub(i,k-1)-0)/(mu+norm(ub(i,k-1)-0)^2))*(y(i,k)-0-phi(i,k-1)*(ub(i,k-1)-0))
        else
            phi(i,k)=phi(i,k-1)+(eta*(ub(i,k-1)-ub(i,k-2))/(mu+norm(ub(i,k-1)-ub(i,k-1))^2))*(y(i,k)-y(i,k-1)-phi(i,k-1)*(ub(i,k-1)-ub(i,k-2)))
        end
        if i==1
            uf(i,k)=0
        else
            uf(i,k)=uf(i-1,k)+0.4*e(i-1,k+1)
        end
        if k==1
            ub(i,k)=0
        else
            ub(i,k)=ub(i,k-1)+(rho*phi(i,k)/(lamda+norm(phi(i,k))^2))*(yd(k+1)-y(i,k))
        end
        if k>2 && (phi(i,k)<=epsilon || (abs(ub(i,k-1)-ub(i,k-2))<=epsilon))
            phi(i,k)=phi(i,1)
        end
        u(i,k)=uf(i,k)+ub(i,k)
        
        if k<250
            y(i,k+1)=y(i,k)*u(i,k)/(1+norm(y(i,k))^2)+(u(i,k)+0.1*round(k/500)*sin(y(i,k)))^3
        else
            y(i,k+1)=y(i,k)*u(i,k)^3/(1+norm(y(i,k))^2)+u(i,k)^3
        end
        e(i,k+1)=yd(k+1)-y(i,k+1)
    end
end
for  i=1:1:i_n
    e_min(i)=max(abs(e(i,:)))
end
figure(1)
plot(yd,'r')
hold on
plot(y(i_n,:),'b')
legend('yd')
hold on
legend('y(i_n)')
title('u')
figure(2)
plot(e_min)
title('error')