| dbo:abstract
|
- Iterative Learning Control (ILC) is a method of tracking control for systems that work in a repetitive mode. Examples of systems that operate in a repetitive manner include robot arm manipulators, chemical batch processes and reliability testing rigs. In each of these tasks the system is required to perform the same action over and over again with high precision. This action is represented by the objective of accurately tracking a chosen reference signal on a finite time interval. Repetition allows the system to improve tracking accuracy from repetition to repetition, in effect learning the required input needed to track the reference exactly. The learning process uses information from previous repetitions to improve the control signal ultimately enabling a suitable control action can be found iteratively. The internal model principle yields conditions under which perfect tracking can be achieved but the design of the control algorithm still leaves many decisions to be made to suit the application. A typical, simple control law is of the form: where is the input to the system during the pth repetition, is the tracking error during the pth repetition and K is a design parameter representing operations on . Achieving perfect tracking through iteration is represented by the mathematical requirement of convergence of the input signals as becomes large whilst the rate of this convergence represents the desirable practical need for the learning process to be rapid. There is also the need to ensure good algorithm performance even in the presence of uncertainty about the details of process dynamics. The operation is crucial to achieving design objectives and ranges from simple scalar gains to sophisticated optimization computations. (en)
- Sterowanie z uczeniem iteracyjnym (iterative learning control, ILC) – metoda sterowania układami, które pracują w trybie powtarzalnym (przykłady takich układów to: manipulator ramienia robota, wsadowe procesy chemiczne i instalacje do testów niezawodnościowych). W każdym takim zadaniu wymaga się, aby układ wykonywał to samo działanie wielokrotnie i z dużą precyzją. Działanie to wyraża się przez cel jakim jest dokładne podążanie, w skończonym czasie, za danym sygnałem odniesienia. Powtarzanie to pozwala układowi na poprawę dokładności nadążnej z każdym powtórzeniem i w efekcie nauczenia się jaki sygnał ma być podawany na wejście układu tak, by układ podążał dokładnie za zmienną referencyjną. W procesie uczenia, do polepszenia sygnału sterującego, wykorzystywana jest informacja z poprzednich powtórzeń, a więc odpowiednie działanie sterujące znajdywane jest na drodze iteracyjnej. Zasada modelu wewnętrznego pozwala na określenie warunków, w jakich można uzyskać dokładne nadążanie, ale projekt samego algorytmu sterowania wymaga podjęcia odpowiednich decyzji, tak by dopasować go do danego zastosowania. Typowa, prosta zasada sterowania może być określona wzorem: gdzie to sygnał na wejściu układu podczas p-tego powtórzenia, to błąd nadążania podczas p-tego powtórzenia. Osiągnięcie dokładnego nadążania w kolejnych krokach iteracji wyrazić można matematycznie przez wymóg zbieżności sygnałów wejściowych wraz ze zwiększaniem się liczby Natomiast szybkość tej zbieżności wynika z praktycznej potrzeby by proces uczenia trwał jak najkrócej. Występuje też potrzeba zapewnienia dobrego działania algorytmu w warunkach niepewności co do szczegółów dynamiki procesu. Działanie reprezentowane przez ma kluczowe znaczenie dla osiągnięcia celu projektowego i może polegać na prostym określaniu współczynnika wzmocnienia albo być dużo bardziej skomplikowane i wymagać na przykład złożonych obliczeń z zakresu metod optymalizacji. (pl)
- 迭代学习控制（Iterative Learning Control、ILC）是一种对做重复动作的轨迹跟踪系统的控制方法。例如机器手臂控制、过程控制、试验钻探等。这些系统都具备多次準確重复同一动作的特性。其動作的目標是在有限的時間區間內，準確的追蹤給定的參考訊號。 通过使用先前动作中的数据信息，可以通过迭代寻找到合适的控制输入。这种模式理论上可以获得非常精确的跟踪轨迹，最典型的迭代学习率可以表达为： 是第次迭代的输入信号，是第次过程的跟踪误差，是学习参数，通常叫做学习增益。 实际的控制中存在着一类估计跟踪问题，他的控制任务是寻找控制律,使得被控对象的输出在有限的时间上沿着整个期望的轨迹实现零误差轨迹跟踪。迭代学习控制的思想最初是有日本学者Uchiyama于1978年提出的，与1984年有Arimoto等人做处理开创性的研究。这些学者借鉴人们在重复过程中追求满意指标达到期望行为的简单原理，成功地使得具有强耦合非线性多变量的工业机器人快速高精度的执行轨迹跟踪任务。 其基本做法就是：对于一个在有限时间区间内执行轨迹跟踪任务的机器人，利用前一次或前几次操作的误差修正控制信息输入，使得该重复任务在下一次操作过程中做的更好。如此不断的重复，直至整个时间区间内输出的轨迹跟踪期望的轨迹。 ILC适合于具有重复运动性质的被控对象，通过迭代修正达到某种控制目标的的改善。迭代学习控制不依赖于系统的精确数学描述模型，能在给定的时间范围内，以非常简单的算法实现不确定性高的非线性强耦合动态系统控制，并高精度的跟踪给定的期望轨迹，因而一诞生，就在运动控制的领域得到了广泛的应用。 (zh)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
|
- 4650 (xsd:nonNegativeInteger)
|
| dbo:wikiPageRevisionID
| |
| dbo:wikiPageWikiLink
| |
| dbp:wikiPageUsesTemplate
| |
| dcterms:subject
| |
| rdf:type
| |
| rdfs:comment
|
- Iterative Learning Control (ILC) is a method of tracking control for systems that work in a repetitive mode. Examples of systems that operate in a repetitive manner include robot arm manipulators, chemical batch processes and reliability testing rigs. In each of these tasks the system is required to perform the same action over and over again with high precision. This action is represented by the objective of accurately tracking a chosen reference signal on a finite time interval. (en)
- Sterowanie z uczeniem iteracyjnym (iterative learning control, ILC) – metoda sterowania układami, które pracują w trybie powtarzalnym (przykłady takich układów to: manipulator ramienia robota, wsadowe procesy chemiczne i instalacje do testów niezawodnościowych). W każdym takim zadaniu wymaga się, aby układ wykonywał to samo działanie wielokrotnie i z dużą precyzją. Działanie to wyraża się przez cel jakim jest dokładne podążanie, w skończonym czasie, za danym sygnałem odniesienia. Typowa, prosta zasada sterowania może być określona wzorem: (pl)
- 迭代学习控制（Iterative Learning Control、ILC）是一种对做重复动作的轨迹跟踪系统的控制方法。例如机器手臂控制、过程控制、试验钻探等。这些系统都具备多次準確重复同一动作的特性。其動作的目標是在有限的時間區間內，準確的追蹤給定的參考訊號。 通过使用先前动作中的数据信息，可以通过迭代寻找到合适的控制输入。这种模式理论上可以获得非常精确的跟踪轨迹，最典型的迭代学习率可以表达为： 是第次迭代的输入信号，是第次过程的跟踪误差，是学习参数，通常叫做学习增益。 实际的控制中存在着一类估计跟踪问题，他的控制任务是寻找控制律,使得被控对象的输出在有限的时间上沿着整个期望的轨迹实现零误差轨迹跟踪。迭代学习控制的思想最初是有日本学者Uchiyama于1978年提出的，与1984年有Arimoto等人做处理开创性的研究。这些学者借鉴人们在重复过程中追求满意指标达到期望行为的简单原理，成功地使得具有强耦合非线性多变量的工业机器人快速高精度的执行轨迹跟踪任务。 其基本做法就是：对于一个在有限时间区间内执行轨迹跟踪任务的机器人，利用前一次或前几次操作的误差修正控制信息输入，使得该重复任务在下一次操作过程中做的更好。如此不断的重复，直至整个时间区间内输出的轨迹跟踪期望的轨迹。 (zh)
|
| rdfs:label
|
- Iterative learning control (en)
- Sterowanie z uczeniem iteracyjnym (pl)
- 迭代学习控制 (zh)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageDisambiguates
of | |
| is dbo:wikiPageWikiLink
of | |
| is foaf:primaryTopic
of | |
