Practical Iterative Learning Control with Frequency Domain Design and Sampled Data Implementation

این کتاب در مورد کنترل یادگیری تکراری (ILC) با تمرکز بر طراحی و پیاده سازی است. ما به طراحی ILC بر اساس تحلیل دامنه فرکانس نزدیک می‌شویم و پیاده‌سازی ILC را بر اساس روش‌های داده نمونه‌گیری می‌کنیم. این اولین کتاب ILC از حوزه فرکانس و روش‌شناسی داده‌های نمونه است. روش‌های طراحی دامنه فرکانس، بینش‌هایی را در مورد عملکرد همگرایی به کاربران ILC ارائه می‌دهد که مزایای عملی دارد. این کتاب یک چارچوب جامع با متدولوژی‌های مختلف ارائه می‌کند تا از پهنای باند قابل یادگیری در سیستم ILC اطمینان حاصل کند که با تعادل بین عملکرد یادگیری و ثبات یادگیری تنظیم شود. پیاده سازی داده های نمونه، اجرای موثر ILC را در سیستم های پویا عملی تضمین می کند. روش های ILC داده های نمونه ارائه شده نیز تعادل عملکرد و ثبات فرآیند یادگیری را تضمین می کند. علاوه بر این، نظریه ها و روش های ارائه شده با یک سیستم رباتیک کنترل شده ILC آزمایش می شوند. نتایج تجربی نشان می‌دهد که ماشین‌ها می‌توانند با دقت بسیار بالاتری نسبت به کنترل بازخورد به تنهایی کار کنند. با الگوریتم های ILC پیشنهادی، این امکان وجود دارد که ماشین ها بتوانند با محدودیت های طراحی سخت افزاری خود که توسط حسگرها و محرک ها تعیین شده اند، کار کنند. مخاطبان این کتاب شامل دانشمندان، مهندسان و متخصصان درگیر در هر سیستمی با عملیات تکراری است.

This book is on the iterative learning control (ILC) with focus on the design and implementation. We approach the ILC design based on the frequency domain analysis and address the ILC implementation based on the sampled data methods. This is the first book of ILC from frequency domain and sampled data methodologies. The frequency domain design methods offer ILC users insights to the convergence performance which is of practical benefits. This book presents a comprehensive framework with various methodologies to ensure the learnable bandwidth in the ILC system to be set with a balance between learning performance and learning stability. The sampled data implementation ensures effective execution of ILC in practical dynamic systems. The presented sampled data ILC methods also ensure the balance of performance and stability of learning process. Furthermore, the presented theories and methodologies are tested with an ILC controlled robotic system. The experimental results show that the machines can work in much higher accuracy than a feedback control alone can offer. With the proposed ILC algorithms, it is possible that machines can work to their hardware design limits set by sensors and actuators. The target audience for this book includes scientists, engineers and practitioners involved in any systems with repetitive operations.