迭代学习控制——深入剖析
系统与控制
2022-11-22 v2 系统与控制
摘要
迭代学习控制器（ILC）的稳定性和收敛性可通过以下方式评估：直接对多种输入迭代方程，或求迭代系统的特征值，或构造 Z 变换并应用零极点或其等价根轨迹法。两个常用准则是（i）差向量的渐近收敛（AC），以及（ii）向量范数的单调收敛（MC）。后者（MC）具有 Z 域对应形式。本文中，我们将这三种方法与两种收敛性检验应用于一个带 ILC 封装的简单被控对象。我们使用了一、二、三项学习函数。我们随后可提出如下问题：所有检验是否都有效，且它们对稳定性是否一致？
引用
@article{arxiv.2211.07354,
title = {Iterative Learning Control -- Deep Dive},
author = {Shane Rupert Koscielniak},
journal= {arXiv preprint arXiv:2211.07354},
year = {2022}
}
备注
Poster presented at LLRF Workshop 2022 (LLRF2022, arXiv:2208.13680)