一种基于迭代学习的非线性系统事件触发无模型自适应控制方法

本发明为了减少迭代学习控制的数据传输和计算频率，针对重复非线性系统提出了一种事件触发无模型迭代学习控制方法，首先将非线性系统通过伪偏导数转换成虚拟线性系统，然后在虚拟线性模型的基础上，设计了一个基于沿迭代轴方向的事件触发条件。该触发条件引入自适应参数，使得系统通过动态调整触发条件提升实时性。接着分别构造伪偏导数估计值和控制输入的目标函数，并最小化目标函数得到伪偏导数估计值和控制输入更新率，并将该算法拓展到多输入多输出非线性系统。传统的迭代学习控制通过利用任务重复特性，从历史执行数据中提取规律并优化控制输入，能够有效提升重复任务的跟踪精度，但其依赖固定周期的全局更新机制，在非均匀采样或资源受限场景中可能导致冗余计算或通信负担。通过设计事件触发的迭代更新策略，系统可在动态触发条件下选择性的利用历史数据，仅在必要时执行学习与优化，从而在保障控制精度的同时降低资源消耗。