Итеративный контроль обучения

Итеративное управление обучением (ILC) — это подход к разомкнутому контуру управления отслеживанием систем, которые работают в повторяющемся режиме. Примеры систем, которые работают в повторяющемся режиме, включают роботизированные манипуляторы, периодические химические процессы и для проверки надежности установки . В каждой из этих задач система должна выполнять одно и то же действие снова и снова с высокой точностью . Это действие представляет собой цель точного отслеживания выбранного опорного сигнала. $r(t)$ на конечном интервале времени.

Повторение позволяет системе последовательно повышать точность отслеживания, фактически изучая необходимые входные данные, необходимые для максимально точного отслеживания эталона. найти подходящее управляющее воздействие В процессе обучения используется информация из предыдущих повторений для улучшения управляющего сигнала, что в конечном итоге позволяет итеративно . Принцип внутренней модели создает условия, при которых может быть достигнуто идеальное отслеживание, но конструкция алгоритма управления по-прежнему требует принятия многих решений в соответствии с приложением. Типичный простой закон управления имеет вид:

$u_{p+1}=u_{p}+K*e_{p}$

где $u_{p}$ — вход в систему во время p-го повторения, $e_{p}$ – ошибка отслеживания при p-м повторении и $K$ параметр конструкции, представляющий операции над $e_{p}$. Достижение идеального отслеживания посредством итерации представлено математическим требованием сходимости входных сигналов как $p$ становится большим, в то время как скорость этой конвергенции представляет собой желательную практическую потребность в том, чтобы процесс обучения был быстрым. Также необходимо обеспечить хорошую производительность алгоритма даже при наличии неопределенности в деталях динамики процесса. Операция $K$ имеет решающее значение для достижения целей проектирования (т.е. компромисс между быстрой сходимостью и устойчивой производительностью) и варьируется от простого скалярного усиления до сложных оптимизационных вычислений.

Во многих случаях к входу добавляется фильтр нижних частот для улучшения производительности. Тогда закон управления примет вид

$u_{p+1}=Q(u_{p}+K*e_{p})$

где $Q$ представляет собой матрицу фильтрации нижних частот. Это устраняет высокочастотные помехи, которые в противном случае могут возникнуть в процессе обучения.

Ссылки

• С.Аримото, С. Кавамура; Ф. Миядзаки (1984). «Улучшение работы роботов путем обучения». Журнал робототехнических систем . 1 (2): 123–140. дои : 10.1002/rob.4620010203 .
• Мур, КЛ (1993). Итеративное управление обучением для детерминированных систем . Лондон: Springer-Verlag. ISBN  0-387-19707-9 .
• Цзянь Синь Сюй ; Ин Тан. (2003). Линейное и нелинейное итеративное управление обучением . Спрингер-Верлаг. п. 177 . ISBN  3-540-40173-3 .
• Бристоу, округ Колумбия; Тарайил, М.; Аллейн, AG (2006). «Обзор управления итеративным обучением. Метод высокопроизводительного отслеживания, основанный на обучении». Журнал IEEE Control Systems . Том. 26. С. 96–114.
• Оуэнс Д.Х.; Фэн К. (20 июля 2003 г.). «Оптимизация параметров в управлении итеративным обучением». Международный журнал контроля . 76 (11): 1059–1069. дои : 10.1080/0020717031000121410 . S2CID   120288506 .
• Оуэнс Д.Х.; Хатонен Дж. (2005). «Управление итеративным обучением — парадигма оптимизации». Ежегодные обзоры под контролем . 29 (1): 57–70. doi : 10.1016/j.arcontrol.2005.01.003 .
• Дейли С.; Оуэнс Д.Х. (2008). «Управление итеративным обучением – монотонность и оптимизация» . Международный журнал прикладной математики и информатики . 18 (3): 179–293. дои : 10.2478/v10006-008-0026-7 .
• Ван Ю.; Гао Ф.; Дойл III, FJ (2009). «Опрос по контролю итеративного обучения, повторяющемуся контролю и непрерывному контролю». Журнал управления процессами . 19 (10): 1589–1600. дои : 10.1016/j.jprocont.2009.09.006 .

Внешние ссылки

• Саутгемптон-Шеффилд итеративного управления обучением (SSILC)