El control de aprendizaje iterativo (ILC) es un método de control de seguimiento para sistemas que funcionan en modo repetitivo. Ejemplos de sistemas que operan de manera repetitiva incluyen manipuladores de brazos robóticos , procesos de lotes químicos y equipos de prueba de confiabilidad . En cada una de estas tareas, se requiere que el sistema realice la misma acción una y otra vez con alta precisión . Esta acción está representada por el objetivo de rastrear con precisión una señal de referencia elegida. en un intervalo de tiempo finito.
La repetición permite que el sistema mejore la precisión del seguimiento desde la repetición hasta la repetición, de hecho, aprende la entrada necesaria para seguir la referencia con exactitud. El proceso de aprendizaje utiliza información de repeticiones anteriores para mejorar la señal de control, lo que finalmente permite encontrar una acción de control adecuada de forma iterativa . El principio del modelo interno produce condiciones en las que se puede lograr un seguimiento perfecto, pero el diseño del algoritmo de control aún deja muchas decisiones por tomar para adaptarse a la aplicación. Una ley de control típica y simple tiene la forma:
dónde es la entrada al sistema durante la p-ésima repetición, es el error de seguimiento durante la p-ésima repetición y K es un parámetro de diseño que representa operaciones en . Lograr un seguimiento perfecto a través de la iteración está representado por el requisito matemático de convergencia de las señales de entrada comose vuelve grande mientras que la tasa de esta convergencia representa la deseable necesidad práctica de que el proceso de aprendizaje sea rápido. También existe la necesidad de garantizar un buen rendimiento del algoritmo incluso en presencia de incertidumbre sobre los detalles de la dinámica del proceso. La operacion es crucial para lograr los objetivos de diseño y abarca desde simples ganancias escalares hasta sofisticados cálculos de optimización.
Referencias
- S. Arimoto, S. Kawamura; F. Miyazaki (1984). "Mejorar el funcionamiento de los robots mediante el aprendizaje". Revista de sistemas robóticos . 1 (2): 123–140. doi : 10.1002 / rob.4620010203 .
- Moore, KL (1993). Control de aprendizaje iterativo para sistemas deterministas . Londres: Springer-Verlag. ISBN 0-387-19707-9.
- Jian Xin Xu ; Ying Tan. (2003). Control de aprendizaje iterativo lineal y no lineal . Springer-Verlag. pag. 177 . ISBN 3-540-40173-3.
- Bristow, DA; Tharayil, M .; Alleyne, AG (2006). "Una encuesta de control de aprendizaje iterativo Un método basado en el aprendizaje para el control de seguimiento de alto rendimiento". Revista de sistemas de control IEEE . Vol. 26, págs. 96-114.
- Owens DH; Feng K. (20 de julio de 2003). "Optimización de parámetros en control de aprendizaje iterativo". Revista Internacional de Control . 76 (11): 1059–1069. doi : 10.1080 / 0020717031000121410 .
- Owens DH; Hätönen J. (2005). "Control de aprendizaje iterativo - Un paradigma de optimización". Revisiones anuales bajo control . 29 (1): 57–70. doi : 10.1016 / j.arcontrol.2005.01.003 .
- Daley S .; Owens DH (2008). "Control de aprendizaje iterativo - Monotonicidad y optimización" . Revista Internacional de Matemática Aplicada e Informática . 18 (3): 179-293. doi : 10.2478 / v10006-008-0026-7 .
- Wang Y .; Gao F .; Doyle III, FJ (2009). "Encuesta sobre control de aprendizaje iterativo, control repetitivo y control de ejecución a ejecución". Revista de Control de Procesos . 19 (10): 1589-1600. doi : 10.1016 / j.jprocont.2009.09.006 .