• Artykuły
  • Forum
  • Ciekawostki
  • Encyklopedia
  • Sterowanie z uczeniem iteracyjnym

    Przeczytaj także...
    Robot przemysłowy – manipulacyjny robot przemysłowy jest automatycznie sterowaną, programowaną, wielozadaniową maszyną manipulacyjną o wielu stopniach swobody, posiadającą właściwości manipulacyjne lub lokomocyjne, stacjonarną lub mobilną, dla ważnych zastosowań przemysłowych.Układ regulacji nadążnej (układy śledzące, ang. tracking system, set-point tracking) - taki układ automatyki, którego algorytm działania realizuje pewien przebieg wielkości sterowanej, przy czym przebieg ten nie jest znany.
    Niezawodność (ang. reliability) − własność obiektu mówiąca o tym, czy pracuje on poprawnie (spełnia wszystkie powierzone mu funkcje i czynności) przez wymagany czas i w określonych warunkach eksploatacji (w danym zespole czynników wymuszających).

    Sterowanie z uczeniem iteracyjnym (iterative learning control, ILC) – metoda sterowania układami, które pracują w trybie powtarzalnym (przykłady takich układów to: manipulator ramienia robota, wsadowe procesy chemiczne i instalacje do testów niezawodnościowych). W każdym takim zadaniu wymaga się, aby układ wykonywał to samo działanie wielokrotnie i z dużą precyzją. Działanie to wyraża się przez cel jakim jest dokładne podążanie, w skończonym czasie, za danym sygnałem odniesienia.

    Sterowanie powtarzalne (ang. repetitive control) – metoda sterowania oparta na zasadzie modelu wewnętrznego (ang. internal model principle), która ma zastosowanie do sygnałów okresowych, na przykład okresowa zmienna odniesienia lub usuwanie zakłóceń okresowych.Iteracja (łac. iteratio – powtarzanie) – czynność powtarzania (najczęściej wielokrotnego) tej samej instrukcji (albo wielu instrukcji) w pętli. Mianem iteracji określa się także operacje wykonywane wewnątrz takiej pętli.

    Powtarzanie to pozwala układowi na poprawę dokładności nadążnej z każdym powtórzeniem i w efekcie nauczenia się jaki sygnał ma być podawany na wejście układu tak, by układ podążał dokładnie za zmienną referencyjną. W procesie uczenia, do polepszenia sygnału sterującego, wykorzystywana jest informacja z poprzednich powtórzeń, a więc odpowiednie działanie sterujące znajdywane jest na drodze iteracyjnej. Zasada modelu wewnętrznego pozwala na określenie warunków, w jakich można uzyskać dokładne nadążanie, ale projekt samego algorytmu sterowania wymaga podjęcia odpowiednich decyzji, tak by dopasować go do danego zastosowania.

    Typowa, prosta zasada sterowania może być określona wzorem:

    gdzie to sygnał na wejściu układu podczas p-tego powtórzenia, to błąd nadążania podczas p-tego powtórzenia. Osiągnięcie dokładnego nadążania w kolejnych krokach iteracji wyrazić można matematycznie przez wymóg zbieżności sygnałów wejściowych wraz ze zwiększaniem się liczby Natomiast szybkość tej zbieżności wynika z praktycznej potrzeby by proces uczenia trwał jak najkrócej. Występuje też potrzeba zapewnienia dobrego działania algorytmu w warunkach niepewności co do szczegółów dynamiki procesu. Działanie reprezentowane przez ma kluczowe znaczenie dla osiągnięcia celu projektowego i może polegać na prostym określaniu współczynnika wzmocnienia albo być dużo bardziej skomplikowane i wymagać na przykład złożonych obliczeń z zakresu metod optymalizacji.

    Zobacz też[ | edytuj kod]

  • sterowanie powtarzalne
  • Bibliografia[ | edytuj kod]

  • Youqing Wang, Furong Gao, Francis J. Doyle III; Survey on iterative learning control, repetitive control, and run-to-run control, Journal of process control, 10/2009(vol. 19) s. 1589–1600
  • Bartlomiej Ufnalski, Lech M. Grzesiak. Plug-in direct particle swarm repetitive controller with a reduced dimensionality of a fitness landscape – a multi-swarm approach. „Bulletin of the Polish Academy of Sciences – Technical Sciences”. 63 (4), s. 857–866, 2015. 




  • Reklama

    Czas generowania strony: 0.917 sek.