کتاب الکترونیکی

کنترل یادگیری تکراری: استحکام و همگرایی یکنواخت برای سیستم های فاصله ای

Iterative Learning Control: Robustness and Monotonic Convergence for Interval Systems

دانلود کتاب Iterative Learning Control: Robustness and Monotonic Convergence for Interval Systems (به فارسی: کنترل یادگیری تکراری: استحکام و همگرایی یکنواخت برای سیستم های فاصله ای) نوشته شده توسط «Hyo-Sung Ahn – Kevin L. Moore – YangQuan Chen»


اطلاعات کتاب کنترل یادگیری تکراری: استحکام و همگرایی یکنواخت برای سیستم های فاصله ای

موضوع اصلی: تحصیلات

نوع: کتاب الکترونیکی

ناشر: Springer

نویسنده: Hyo-Sung Ahn – Kevin L. Moore – YangQuan Chen

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2007

تعداد صفحه: 236

حجم کتاب: 3 مگابایت

کد کتاب: 1846288460 , 9781846288463 , 9781846288593

نوبت چاپ: 1

توضیحات کتاب کنترل یادگیری تکراری: استحکام و همگرایی یکنواخت برای سیستم های فاصله ای

این مونوگراف طراحی کنترل‌کننده‌های یادگیری تکراری قوی و یکنواخت همگرا را برای سیستم‌های زمان گسسته مطالعه می‌کند. دو مشکل کلیدی با اصول طراحی کنترل یادگیری تکرار شونده (ILC) که توسط کارهای موجود بررسی می‌شود عبارتند از: اول، بسیاری از استراتژی‌های طراحی ILC دانش اسمی سیستمی که باید کنترل شود را فرض می‌کنند. دوم، به خوبی شناخته شده است که بسیاری از الگوریتم‌های ILC همگرایی یکنواخت تولید نمی‌کنند، اگرچه در کاربردها همگرایی یکنواخت اغلب ضروری است. کنترل یادگیری تکراری رویکرد جامع اخیراً توسعه یافته برای تجزیه و تحلیل و طراحی قوی ILC را در نظر می گیرد که برای رسیدگی به وضعیتی که مدل کارخانه نامشخص است، ایجاد شده است. با در نظر گرفتن ILC در حوزه تکرار، یک چارچوب تحلیل و طراحی یکپارچه ارائه می‌کند که طراحان را قادر می‌سازد تا هم استحکام و هم همگرایی یکنواخت را برای مدل‌های عدم قطعیت معمولی، از جمله عدم قطعیت‌های فاصله پارامتری، عدم قطعیت فرکانس دامنه تکرار، و عدم قطعیت تصادفی دامنه تکرار در نظر بگیرند. موضوعات عبارتند از: • استفاده از یک تکنیک لیفتینگ برای تبدیل سیستم ILC دو بعدی، که دارای دینامیک در هر دو حوزه زمان و تکرار است، به چارچوب ابربردار، که یک سیستم تک بعدی را به دست می‌دهد، با دینامیک فقط در حوزه تکرار. • توسعه مدل های عدم قطعیت دامنه تکرار در چارچوب ابربردار. • طراحی ILC برای همگرایی یکنواخت زمانی که نیروگاه در معرض عدم قطعیت بازه پارامتریک در ماتریس مارکوف قرار دارد. • یک روش طراحی جبری H-Infinity برای طراحی ILC زمانی که کارخانه در معرض عدم قطعیت فرکانس دامنه تکرار باشد. • توسعه الگوریتم‌های ILC مبتنی بر فیلتر کالمن زمانی که کارخانه در معرض عدم قطعیت‌های تصادفی دامنه تکرار است. • تعیین تحلیلی خطای خط پایه الگوریتم های ILC. • راه حل های سه مسئله محاسباتی بازه ای قوی (که به عنوان ابزارهای اساسی برای طراحی کنترل کننده های ILC قوی استفاده می شود): یافتن حداکثر مقدار منفرد یک ماتریس بازه ای، تعیین پایداری قوی ماتریس چند جمله ای بازه ای، و به دست آوردن توان یک ماتریس بازه ای. کنترل یادگیری تکراری برای محققان دانشگاهی در تئوری کنترل و مهندسین کنترل صنعتی که در صنایع تولیدی و مبتنی بر پردازش دسته‌ای مبتنی بر رباتیک کار می‌کنند، بسیار مورد توجه خواهد بود. دانشجویان تحصیلات تکمیلی کنترل هوشمند نیز این جلد را آموزنده خواهند یافت.


This monograph studies the design of robust, monotonically-convergent iterative learning controllers for discrete-time systems. Two key problems with the fundamentals of iterative learning control (ILC) design as treated by existing work are: first, many ILC design strategies assume nominal knowledge of the system to be controlled and; second, it is well-known that many ILC algorithms do not produce monotonic convergence, though in applications monotonic convergence is often essential. Iterative Learning Control takes account of the recently-developed comprehensive approach to robust ILC analysis and design established to handle the situation where the plant model is uncertain. Considering ILC in the iteration domain, it presents a unified analysis and design framework that enables designers to consider both robustness and monotonic convergence for typical uncertainty models, including parametric interval uncertainties, iteration-domain frequency uncertainty, and iteration-domain stochastic uncertainty. Topics include: • Use of a lifting technique to convert the two-dimensional ILC system, which has dynamics in both the time and iteration domains, into the supervector framework, which yields a one-dimensional system, with dynamics only in the iteration domain. • Development of iteration-domain uncertainty models in the supervector framework. • ILC design for monotonic convergence when the plant is subject to parametric interval uncertainty in its Markov matrix. • An algebraic H-infinity design methodology for ILC design when the plant is subject to iteration-domain frequency uncertainty. • Development of Kalman-filter-based ILC algorithms when the plant is subject to iteration-domain stochastic uncertainties. • Analytical determination of the base-line error of ILC algorithms. • Solutions to three fundamental robust interval computational problems (used as basic tools for designing robust ILC controllers): finding the maximum singular value of an interval matrix, determining the robust stability of interval polynomial matrix, and obtaining the power of an interval matrix. Iterative Learning Control will be of great interest to academic researchers in control theory and to industrial control engineers working in robotics-oriented manufacturing and batch-processing-based industries. Graduate students of intelligent control will also find this volume instructive.

دانلود کتاب «کنترل یادگیری تکراری: استحکام و همگرایی یکنواخت برای سیستم های فاصله ای»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.

برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.