一种加速高精度重复运动迭代学习控制收敛的方法

多种航天器搭载的传感器会重复执行规定的扫描机动，且可能要求高精度。迭代学习控制（ILC）记录前次运行的跟踪误差，调整下次运行的指令，旨在真实世界中而非我们世界模型中的跟踪误差为零。反馈控制系统在响应指令时，对自零时刻起给定的所有指令做卷积和，其权重因子随回溯时间越远而越小。ILC 通过硬件中的迭代学习消除该误差，旨在找到使真实世界系统实际跟随期望指令的那一指令。本文主题考虑令我们世界模型产生更小误差的学习可能性。这可在数值上轻松快速完成，其结果随后用作硬件中执行的 ILC 迭代的起点。要点在于减少硬件迭代次数，更快收敛至对世界轨迹的紧密跟踪。文中给出了如何决定在切换至硬件迭代前用模型迭代多少次的方法，并通过数值仿真对该方法进行说明。