林,T。;D.H.欧文斯。 非线性系统基于单调牛顿法的参数优化迭代学习控制。 (英语) Zbl 1133.93338号 国际J.控制 80,第8期,1291-1298(2007). 摘要:尽管迭代学习控制(ILC)在过去十年中取得了重大进展,但非线性系统的ILC算法仍在开发中。单调收敛性是非线性迭代学习控制的理想特性之一。本文通过引入松弛指数,证明了基于牛顿法的迭代学习控制是单调收敛的。仿真验证了新算法的有效性。讨论了未来工作的潜在改进。 MSC公司: 93立方厘米 控制理论中的非线性系统 93C55美元 离散时间控制/观测系统 68T05年 人工智能中的学习和自适应系统 关键词:迭代学习控制;牛顿法;单调收敛 PDF格式BibTeX公司 XML格式引用 \textit{T.Lin}和\textit{D.H.Owens},国际期刊控制80,第8期,1291--1298(2007;Zbl 1133.93338) 全文: 内政部 参考文献: [1] DOI:10.1049/ip-cta:19960244·Zbl 0875.93211号 ·doi:10.1049/ip-cta:19960244 [2] 内政部:10.1002/rob.4620010203·doi:10.1002/rob.4620010203 [3] Arimoto,S,Kawamura,S和Miyazaki,F.1984b。机器人系统的迭代学习控制。程序。IECON标准。1984年b月,日本东京。第22-26页。 [4] 肯塔基州阿夫拉琴科夫,1998年。基于拟Newton方法的迭代学习控制。程序。第37届IEEE决策与控制会议。1998年,美国佛罗里达州坦帕市,第170–174页。 [5] Chen,Y和Moore,KL.2002a。重新审视PI型迭代学习控制。程序。美国阿拉斯加州安克雷奇ACC.2002a第2138–2143页。 [6] Chen,Y和Moore,KL.2002b。单调收敛的PD型迭代学习控制的优化设计。程序。IEEE智能控制国际研讨会。2002b年,加拿大温哥华。第55-60页。 [7] DOI:10.1016/j.修订版.2004.11.007·doi:10.1016/j.precisioneng.2004.11.007 [8] 内政部:10.1016/S0957-4158(03)00016-3·文件编号:10.1016/S0957-4158(03)00016-3 [9] DOI:10.1016/S0005-1098(97)00068-X·Zbl 0881.93039号 ·doi:10.1016/S0005-1098(97)00068-X [10] Lin,T,Owens,DH和HäTönen,J.2004。非线性系统基于牛顿法的迭代学习控制方法。程序。第六届IFAC非线性控制系统研讨会(NOLCOS 2004)。2004年,德国斯图加特。 [11] 内政部:10.1080/00207170600821187·兹比尔1330.93250 ·网址:10.1080/00207170600821187 [12] DOI:10.1016/S0362-546X(97)00410-0·Zbl 0890.65046号 ·doi:10.1016/S0362-546X(97)00410-0 [13] DOI:10.1016/S0377-0427(00)00434-9·Zbl 0967.65065号 ·doi:10.1016/S0377-0427(00)00434-9 [14] KL摩尔,2001年。离散时间P型迭代学习控制中单调收敛的观察。程序。IEEE智能控制国际研讨会。2001年,墨西哥城。第45-49页。 [15] Moore,KL和Chen,Y.2002。关于高阶迭代学习更新律的单调收敛性。程序。第15届IFAC国际三年期世界大会。2002年,西班牙巴塞罗那。第1-6页。 [16] DOI:10.1016/j.自动2005.01.019·Zbl 1086.93066号 ·doi:10.1016/j.automatica.2005.01.19 [17] Norrlöf,M.2000年。一阶和二阶迭代学习控制的比较研究——频域分析和实验。程序。第39届IEEE决策与控制大会。2000年,澳大利亚悉尼。第3415–3420页。 [18] Ortega JM,多变量非线性方程的迭代解(1970) [19] Scales LE,非线性优化导论(1985) [20] DOI:10.1016/S0005-1098(02)00143-7·Zbl 1011.93511号 ·doi:10.1016/S0005-1098(02)00143-7 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。