دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed. 2022] نویسندگان: Ronghu Chi, Na Lin, Huimin Zhang, Ruikun Zhang سری: ISBN (شابک) : 9811904634, 9789811904639 ناشر: Springer سال نشر: 2022 تعداد صفحات: 216 [211] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Discrete-Time Adaptive Iterative Learning Control: From Model-Based to Data-Driven (Intelligent Control and Learning Systems, 1) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل یادگیری تکراری تطبیقی گسسته: از مدل مبتنی بر داده تا مبتنی بر داده (سیستمهای کنترل هوشمند و یادگیری، 1) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مربوط به موضوع کنترل و نظریه سیستم ها می باشد. کنترل یادگیری تکراری تطبیقی گسسته (DAILC) به عنوان یک لبه برتر ILC مورد بحث قرار میگیرد و میتواند به حالتهای اولیه تصادفی، اهداف متغیر با تکرار و سایر عدم قطعیتهای غیر تکراری در کاربردهای عملی بپردازد. این کتاب با طراحی و تحلیل روشهای DAILC مبتنی بر مدل با ارجاع به ابزارهای مورد استفاده در تئوری کنترل تطبیقی زمان گسسته آغاز میشود. برای غلبه بر مشکلات شدید در مدلسازی یک سیستم پیچیده، روشهای DAILC مبتنی بر داده با ساختن یک نقشهبرداری دادههای پارامتریک خطی بین دو تکرار متوالی مورد بحث قرار میگیرند. سایر پیشرفتها و توسعههای قابل توجه DAILC مبتنی بر مدل/دادهمحور نیز برای تسهیل کاربردهای گستردهتر مورد مطالعه قرار گرفتهاند. خوانندگان می توانند پیشرفت های اخیر در DAILC را با در نظر گرفتن برنامه های مختلف بیاموزند. این کتاب برای دانشمندان دانشگاهی، مهندسین و دانشجویان تحصیلات تکمیلی که به کنترل یادگیری، کنترل تطبیقی، سیستمهای غیرخطی و زمینههای مرتبط علاقه دارند در نظر گرفته شده است.
This book belongs to the subject of control and systems theory. The discrete-time adaptive iterative learning control (DAILC) is discussed as a cutting-edge of ILC and can address random initial states, iteration-varying targets, and other non-repetitive uncertainties in practical applications. This book begins with the design and analysis of model-based DAILC methods by referencing the tools used in the discrete-time adaptive control theory. To overcome the extreme difficulties in modeling a complex system, the data-driven DAILC methods are further discussed by building a linear parametric data mapping between two consecutive iterations. Other significant improvements and extensions of the model-based/data-driven DAILC are also studied to facilitate broader applications. The readers can learn the recent progress on DAILC with consideration of various applications. This book is intended for academic scholars, engineers and graduate students who are interested in learning control, adaptive control, nonlinear systems, and related fields.