迭代学习控制

迭代学习控制 (ILC) 是一种对以重复模式工作的系统进行跟踪控制的方法。 以重复方式运行的系统示例包括机械臂操纵器、化学批处理过程和可靠性测试台。 在这些任务中的每一项中，系统都需要以高精度一遍又一遍地执行相同的动作。 该动作的目标是在有限的时间间隔内准确跟踪选定的参考信号 r ( t )。

重复允许系统从重复到重复提高跟踪精度，实际上学习准确跟踪参考所需的输入。 学习过程使用来自先前重复的信息来改进控制信号，最终能够迭代地找到合适的控制动作。 内部模型原理产生了可以实现完美跟踪的条件，但控制算法的设计仍然需要做出许多决定以适应应用。 一个典型的、简单的控制律的形式

其中 u p 是第 p 次重复期间系统的输入，K 是表示对 e p 操作的设计参数 。 通过迭代实现完美跟踪由输入信号收敛的数学要求表示，因为 p {displaystyle p} 变大，而这种收敛速度表示学习过程快速的理想实际需求。 即使在过程动态细节存在不确定性的情况下，也需要确保良好的算法性能。 K {displaystyle K} 运算对于实现设计目标至关重要，其范围从简单的标量增益到复杂的优化计算。