Atlas · poza zakresem kursu
Iterative Learning Control
Dla zadań powtarzalnych — kontroler poprawia sygnał z próby na próbę z błędu poprzedniej iteracji.
Hasło z atlasu — nie pełny moduł. Strona zawiera zwięzłe wprowadzenie i odnośniki do dalszej lektury. Pełna analiza, wyprowadzenie i interaktywna implementacja są zarezerwowane dla modułów kursu.
Czym jest
Dla zadań powtarzalnych (każda próba k podąża tą samą trajektorią pożądaną) ILC aktualizuje sygnał sterowania międzypróbnie: u_{k+1}(t) = u_k(t) + L · e_k(t). Operator uczący L może być prostym wzmocnieniem skalarnym, filtrem PD lub modelem odwrotnym plant. Konwergencja monotoniczna w domenie częstotliwości pod warunkiem ‖I − L · G‖ < 1.
Kiedy stosować
Roboty przemysłowe wykonujące powtarzalne zadania (spawanie, lakierowanie, pakowanie), litografia, drukarki 3D i 2D. Dobrze działa, gdy zaburzenia są periodyczne lub trajektoria pożądana jest znana z góry — wtedy ILC redukuje błąd o rzędy wielkości względem klasycznego sprzężenia.
Pozycja na mapie kontrolerów
| oś · informacja o plant | none |
|---|---|
| oś · forma sygnału sterowania | continuous |
| oś · parametry w czasie | online-learning |
| tagi | ciągłyadaptive |
Lektury
- Bristow, Tharayil & Alleyne, A Survey of Iterative Learning Control — IEEE Control Systems Magazine 2006.
- Ahn, Chen & Moore, Iterative Learning Control: Robustness and Monotonic Convergence for Interval Systems.