• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Kernel-based Regularized Iterative Learning Control of Repetitive Linear Time-varying Systems ?
【24h】

Kernel-based Regularized Iterative Learning Control of Repetitive Linear Time-varying Systems ?

机译：基于内核的正则化迭代学习控制重复线性时变系统 ？

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The selections for the model orders and the number of controller parameters have not been discussed for many data-driven iterative learning control (ILC) methods. If they are not chosen carefully, the estimated model and designed controller will lead to either large variance or large bias. In this paper we try to use the kernel-based regularization method (KRM) to handle the model estimation problem and the controller design problem for unknown repetitive linear time-varying systems. In particular, we have used the diagonal correlated kernel and the marginal likelihood maximization method for the two problems. Numerical simulation results show that smaller mean square errors for each time instant are obtained by using the proposed ILC method in comparison with an existing data-driven ILC approach.
机译：对于许多数据驱动的迭代学习控制（ILC）方法，尚未讨论模型订单的选择和控制器参数的数量。 如果没有仔细选择它们，则估计的模型和设计的控制器将导致大方差或大偏差。 在本文中，我们尝试使用基于内核的正则化方法（KRM）来处理模型估计问题，并为未知的重复线性时变系统处理模型估计问题和控制器设计问题。 特别地，我们使用了对角线相关的核和两个问题的边缘似然最大化方法。 数值模拟结果表明，通过使用所提出的ILC方法与现有数据驱动的ILC方法相比，通过使用所提出的ILC方法来获得每次瞬间的较小平均方误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号