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: 1 نویسندگان: Suguru Arimoto (auth.), Zeungnam Bien, Jian-Xin Xu (eds.) سری: ISBN (شابک) : 9781461375753, 9781461556299 ناشر: Springer US سال نشر: 1998 تعداد صفحات: 383 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب کنترل یادگیری تکراری: تجزیه و تحلیل ، طراحی ، ادغام و برنامه های کاربردی: مهندسی برق، مهندسی مکانیک، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Iterative Learning Control: Analysis, Design, Integration and Applications 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: تجزیه و تحلیل ، طراحی ، ادغام و برنامه های کاربردی 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.
کنترل یادگیری تکراری (ILC) با اکثر روشهای کنترل موجود تفاوت دارد، به این معنا که از هر امکانی برای ترکیب اطلاعات کنترل گذشته، مانند خطاهای ردیابی و سیگنالهای ورودی کنترل، در ساخت کنش کنترل فعلی استفاده میکند. دو مرحله در کنترل یادگیری تکراری وجود دارد: ابتدا اجزای حافظه بلندمدت برای ذخیره اطلاعات کنترل گذشته استفاده میشوند، سپس اطلاعات کنترل ذخیرهشده به روش خاصی ترکیب میشوند تا اطمینان حاصل شود که سیستم با مشخصات کنترلی مانند همگرایی، استحکام مطابقت دارد. و غیره شایان ذکر است که این مشخصات کنترلی ممکن است به راحتی توسط سایر روشهای کنترلی برآورده نشوند زیرا نیاز به دانش قبلی بیشتر از فرآیند در مرحله طراحی کنترلر دارند. ILC به اطلاعات بسیار کمتری از تغییرات سیستم نیاز دارد تا رفتارهای دینامیکی مورد نظر را به دست آورد. ILC به دلیل سادگی و کارایی خود در یک و نیم دهه گذشته مورد توجه و کاربردهای قابل توجهی در بسیاری از زمینه ها قرار گرفته است. بیشتر مشارکتها بر روی توسعه الگوریتمهای جدید ILC با تحلیل ویژگی متمرکز شدهاند. از سال 1992، تحقیقات در ILC با جهش و مرز پیشرفت کرده است. از یک طرف، کار قابل توجهی در حوزه اصلی توسعه و تجزیه و تحلیل الگوریتم های جدید ILC انجام و گزارش شده است. از سوی دیگر، محققان دریافتهاند که ادغام ILC با سایر تکنیکهای کنترلی ممکن است منجر به کنترلکنندههای بهتری شود که عملکرد مطلوبی را نشان میدهند که با هر رویکرد فردی غیرممکن است.
Iterative Learning Control (ILC) differs from most existing control methods in the sense that, it exploits every possibility to incorporate past control informa tion, such as tracking errors and control input signals, into the construction of the present control action. There are two phases in Iterative Learning Control: first the long term memory components are used to store past control infor mation, then the stored control information is fused in a certain manner so as to ensure that the system meets control specifications such as convergence, robustness, etc. It is worth pointing out that, those control specifications may not be easily satisfied by other control methods as they require more prior knowledge of the process in the stage of the controller design. ILC requires much less information of the system variations to yield the desired dynamic be haviors. Due to its simplicity and effectiveness, ILC has received considerable attention and applications in many areas for the past one and half decades. Most contributions have been focused on developing new ILC algorithms with property analysis. Since 1992, the research in ILC has progressed by leaps and bounds. On one hand, substantial work has been conducted and reported in the core area of developing and analyzing new ILC algorithms. On the other hand, researchers have realized that integration of ILC with other control techniques may give rise to better controllers that exhibit desired performance which is impossible by any individual approach.
Front Matter....Pages i-xxvii
Front Matter....Pages 1-1
A Brief History of Iterative Learning Control....Pages 3-7
The Frontiers of Iterative Learning Control....Pages 9-35
Front Matter....Pages 37-37
Robustness and Convergence of a PD-Type Iterative Learning Controller....Pages 39-55
Ability of Learning Comes from Passivity and Dissipativity of System Dynamics....Pages 57-70
On the Iterative Learning Control of Sampled-Data Systems....Pages 71-82
High-Order Iterative Learning Control of Discrete-Time Nonlinear Systems Using Current Iteration Tracking Error....Pages 83-103
Front Matter....Pages 105-105
Designing Iterative Learning and Repetitive Controllers....Pages 107-146
Design of an Iterative Learning Controller for a Class of Linear Dynamic Systems with Time-Delay and Initial State Error....Pages 147-164
Design of Quadratic Criterion-Based Iterative Learning Control....Pages 165-192
Robust ILC with Current Feedback for Uncertain Linear Systems....Pages 193-208
Front Matter....Pages 209-209
Model Reference Learning Control with a Wavelet Network....Pages 211-226
Neural-Based Iterative Learning Control....Pages 227-238
Adaptive Learning Control of Robotic Systems and its Extension to a Class of Nonlinear Systems....Pages 239-259
Direct Learning Control of Non-Uniform Trajectories....Pages 261-283
System Identification and Learning Control....Pages 285-310
Front Matter....Pages 311-311
Model-Based Predictive Control Combined with Iterative Learning for Batch or Repetitive Processes....Pages 313-334
Iterative Learning Control with Non-Standard Assumptions Applied to the Control of Gas-Metal ARC Welding....Pages 335-349
Robust Control of Functional Neuromuscular Stimulation System by Discrete-Time Iterative Learning....Pages 351-370
Back Matter....Pages 371-373