磁悬浮球系统具有开环不稳定、高度非线性的特点,同时难以建立其精确的数学模型,给设计适用的控制器带来了困难。为了克服这些困难,实现对磁悬浮球系统高精度、强鲁棒性的运动控制,提出了一种带遗忘因子的比例微分(proportion differential,PD)型迭代学习算法。基于磁悬浮球系统的线性化数学模型,结合迭代收敛性推导和系统模型仿真初步确定迭代学习控制参数,最后在实物平台上进行了对比实验,实验结果表明:在阶跃响应中,迭代学习控制与比例积分微分(proportion integral differential,PID)控制相比,具有更小的超调量和更快的响应速度;在跟踪正弦轨迹时,迭代学习控制与PID控制、滑模控制相比具有更高的精确度和鲁棒性。因此,迭代学习控制在磁悬浮球系统的运动控制中具有优势。
