Iterative Learning Control for Systems with Iteration-Varying Trial Lengths: Synthesis and Analysis

این کتاب یک مطالعه جامع و مفصل در مورد کنترل یادگیری تکراری (ILC) برای سیستم‌هایی با طول آزمایشی متغیر با تکرار ارائه می‌کند. به جای ILC سنتی، که نیاز به سیستم‌ها برای تکرار در یک بازه زمانی ثابت دارد، این کتاب بر روی یک مورد عملی‌تر تمرکز می‌کند که در آن طول آزمایش ممکن است به طور تصادفی از تکرار به تکرار متفاوت باشد. طول دوره آزمایشی متغیر با تکرار ممکن است با طول آزمایشی مورد نظر متفاوت باشد، که می تواند باعث افزونگی یا حذف اطلاعات کنترل در ILC شود و طراحی ILC را به یک مشکل چالش برانگیز تبدیل کند. این کتاب بر روی سنتز و تجزیه و تحلیل ILC برای سیستم‌های خطی و غیرخطی با طول‌های آزمایشی متغیر با تکرار تمرکز دارد و تکنیک‌های جدید مختلفی را برای مقابله با مشکل ردیابی دقیق در طول‌های آزمایشی غیرقابل تکرار، مانند پنجره متحرک، سیستم سوئیچینگ، پیشنهاد می‌کند. و عملگر میانگین متحرک مبتنی بر جستجو. این نه تنها پیشرفت‌های اخیر در ILC را برای سیستم‌هایی با طول دوره آزمایشی متفاوت مورد بحث قرار می‌دهد، بلکه شامل ارقام بصری متعددی نیز می‌شود تا به خوانندگان اجازه دهد تا درک عمیقی از رابطه ذاتی بین محیط اطلاعات ناقص و عملکرد ردیابی ضروری ایجاد کنند. این کتاب برای دانشمندان و مهندسان دانشگاهی در نظر گرفته شده است که علاقه مند به یادگیری در مورد کنترل، کنترل داده محور، سیستم های کنترل شبکه ای و زمینه های مرتبط هستند. همچنین منبع مفیدی برای دانشجویان تحصیلات تکمیلی در رشته فوق می باشد.

This book presents a comprehensive and detailed study on iterative learning control (ILC) for systems with iteration-varying trial lengths. Instead of traditional ILC, which requires systems to repeat on a fixed time interval, this book focuses on a more practical case where the trial length might randomly vary from iteration to iteration. The iteration-varying trial lengths may be different from the desired trial length, which can cause redundancy or dropouts of control information in ILC, making ILC design a challenging problem. The book focuses on the synthesis and analysis of ILC for both linear and nonlinear systems with iteration-varying trial lengths, and proposes various novel techniques to deal with the precise tracking problem under non-repeatable trial lengths, such as moving window, switching system, and searching-based moving average operator. It not only discusses recent advances in ILC for systems with iteration-varying trial lengths, but also includes numerous intuitive figures to allow readers to develop an in-depth understanding of the intrinsic relationship between the incomplete information environment and the essential tracking performance. This book is intended for academic scholars and engineers who are interested in learning about control, data-driven control, networked control systems, and related fields. It is also a useful resource for graduate students in the above field.