کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
5000334 1460684 2017 10 صفحه PDF سفارش دهید دانلود کنید
عنوان انگلیسی مقاله ISI
Iterative Learning Control of Iteration-Varying Systems via Robust Update Laws with Experimental Implementation
ترجمه فارسی عنوان
کنترل یادگیری تطبیقی ​​سیستم های متنوع تطبیق از طریق قوانین به روز رسانی قوی با پیاده سازی تجربی
کلمات کلیدی
الگوریتم های کنترل بازگشتی، کنترل یادگیری، روش های جالب نیرومندی، عدم قطعیت،
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی هوافضا
چکیده انگلیسی
Iterative learning control (ILC) is an efficient way of improving the tracking performance of repetitive systems. While ILC can offer significant improvement to the transient response of complex dynamical systems, the fundamental assumption of iteration invariance of the process limits potential applications. Utilizing abstract Banach spaces as our problem setting, we develop a general approach that is applicable to the various frameworks encountered in ILC. Our main result is that robust invariant update laws lead to stable behavior in ILC systems, where iteration-varying systems converge to bounded neighborhoods of their nominal counterparts when uncertainties are bounded. Furthermore, if the uncertainties are convergent along the iteration axis, convergence to the nominal case can be guaranteed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Control Engineering Practice - Volume 62, May 2017, Pages 36-45
نویسندگان
, , , ,