| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第16-39页 |
| 1.1 迭代学习控制概述 | 第17-21页 |
| 1.1.1 迭代学习控制的数学描述 | 第18-19页 |
| 1.1.2 迭代学习控制基本原理 | 第19-21页 |
| 1.2 迭代学习控制的研究内容 | 第21-30页 |
| 1.2.1 迭代学习律 | 第21-27页 |
| 1.2.2 收敛性及收敛速度 | 第27-29页 |
| 1.2.3 初值问题 | 第29-30页 |
| 1.2.4 鲁棒性 | 第30页 |
| 1.3 基于优化策略的迭代学习控制研究现状 | 第30-35页 |
| 1.3.1 基于范数优化的迭代学习控制 | 第32-34页 |
| 1.3.2 基于优化方法的迭代学习控制 | 第34-35页 |
| 1.4 迭代学习控制的应用 | 第35-37页 |
| 1.5 本文的主要工作 | 第37-39页 |
| 2 基于迭代学习控制几何特性的单调收敛算法 | 第39-53页 |
| 2.1 离散系统迭代学习控制问题的数学描述 | 第40-41页 |
| 2.2 算法分析 | 第41-46页 |
| 2.2.1 基于向量的几何分析 | 第41-43页 |
| 2.2.2 算法的稳定性分析 | 第43-46页 |
| 2.3 算法的收敛性分析 | 第46-49页 |
| 2.4 仿真算例 | 第49-52页 |
| 2.5 本章小结 | 第52-53页 |
| 3 基于凸组合的范数预测优化迭代学习控制算法 | 第53-65页 |
| 3.1 基于凸组合的范数预测优化算法 | 第53-55页 |
| 3.1.1 性能指标函数的建立 | 第53-54页 |
| 3.1.2 迭代学习控制律 | 第54-55页 |
| 3.2 迭代学习控制算法的性能分析 | 第55-60页 |
| 3.2.1 算法的收敛性分析 | 第56-59页 |
| 3.2.2 算法在奇异值情况下的收敛性 | 第59-60页 |
| 3.3 算法的实现 | 第60-62页 |
| 3.4 数值仿真 | 第62-64页 |
| 3.5 本章小结 | 第64-65页 |
| 4 校正的拟牛顿型非线性系统迭代学习控制算法 | 第65-81页 |
| 4.1 引言 | 第65-67页 |
| 4.1.1 拟牛顿型迭代学习控制算法 | 第65-66页 |
| 4.1.2 秩1校正 | 第66-67页 |
| 4.2 非线性系统迭代学习控制问题的数学描述 | 第67-68页 |
| 4.3 基于秩1校正的拟牛顿迭代学习控制 | 第68-70页 |
| 4.3.1 迭代学习控制律 | 第68-69页 |
| 4.3.2 算法的实现 | 第69-70页 |
| 4.4 收敛性分析和初值条件 | 第70-79页 |
| 4.4.1 算法的收敛性分析 | 第70-76页 |
| 4.4.2 算法的初值选取 | 第76-79页 |
| 4.5 数值仿真 | 第79-80页 |
| 4.6 本章小结 | 第80-81页 |
| 5 具有全局收敛的阻尼牛顿型迭代学习控制算法 | 第81-92页 |
| 5.1 系统描述 | 第82-83页 |
| 5.2 具有全局收敛的采样非线性系统迭代学习控制算法 | 第83-85页 |
| 5.3 算法的收敛性分析以及实现过程 | 第85-89页 |
| 5.3.1 收敛性分析 | 第85-88页 |
| 5.3.2 算法的实现 | 第88-89页 |
| 5.4 数值仿真 | 第89-90页 |
| 5.5 本章小结 | 第90-92页 |
| 6 基于预估-校正的非线性系统迭代学习控制算法 | 第92-103页 |
| 6.1 同伦延拓方法 | 第92-95页 |
| 6.2 基于预估-校正的迭代学习控制算法 | 第95-97页 |
| 6.3 算法的收敛性分析 | 第97-100页 |
| 6.4 算法仿真 | 第100-102页 |
| 6.5 本章小结 | 第102-103页 |
| 7 结论与展望 | 第103-107页 |
| 7.1 结论 | 第103-104页 |
| 7.2 创新点 | 第104-105页 |
| 7.3 展望 | 第105-107页 |
| 参考文献 | 第107-115页 |
| 攻读博士学位期间科研项目及科研成果 | 第115-116页 |
| 致谢 | 第116-118页 |
| 作者简介 | 第118页 |