Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Wireless Sphygmomanometer with Data Encryption Kapitel lesen Erstes Kapitel lesen

2013 | OriginalPaper | Buchkapitel

Design the Bandwidth of Zero-Phase Filter of Iterative Learning Controller by Improved Particle Swarm Optimization

verfasst von : Shu-Ting Li, Jen-Ai Chao, Yi-Hao Li, Yi-Cheng Huang

Erschienen in: Intelligent Technologies and Engineering Systems

Verlag: Springer New York

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This chapter utilized the IPSO technique with bounded constraints for adjusting the gains of PID controller, ILC controller, and the bandwidth of zero-phase Butterworth filter. Simulation results show that IPSO-ILC-PID controller will have chance of producing high frequencies in the error signals when the filter bandwidth is fixed for every repetition. Since the conventional ILC iterative learning process has the potential to excite rich frequency contents and try to learn the error signals, however, the learnable and unlearnable error signals should be separated for bettering control process. Thus, the adaptive bandwidth of a zero-phase filter in ILC-PID controller with IPSO tuning characteristic is proposed here. Simulation results show that the new controller can cancel the errors as repetition goes. The frequency response of the error signals is analyzed by the EMD and the HHT method. Errors are reduced and validated by good ILC learning with adaptive filter bandwidth.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Effects of BaTi4O9 Concentration on Dielectric Constants of the Polyetherimide/BaTi4O9 Composites
Nächstes Kapitel Prognostic Diagnosis of Hollow Ball Screw Pretension on Preload Loss Through Sensed Vibration Signals
Literatur
1.
Hongqing F, Long C (2009) Application of an enhanced PSO algorithm to optimal tuning of PID gains. In: Proceedings of 2009 Chinese control and decision conference, Guilin, 17–19 June 2009, pp 35–39
2.
Kennedy J, Eberhart R (1995) Particle swarm optimization. In: Proceedings of the IEEE international conference on neural networks, Perth, 1995, pp 1942–1948
3.
Solihin MI, Akmeliawati W, Akmeliawati R (2009) Self-erecting inverted pendulum employing PSO for stabilizing and tracking controller. In: Proceedings of international colloquium on signal processing & its applications (CSPA), Kuala Lumpur, 6–8 Mar 2009, pp 63–68
4.
Middleton RH, Goodwin GC, Longman RW (1989) A method for improving the dynamic accuracy of a robot performing a repetitive task. Int J Robot Res 8(5):67–74CrossRef
5.
Ye Y, Tayebi A, Liu X (2009) All-pass filtering in iterative learning control. Automatica 45(1):257–264MATHCrossRef
6.
Elci H, Longman RW, Phan MQ, Juang J-N, Ugoletti R (2002) Simple learning control made practical by zero-phase filtering: application to robotics. IEEE Trans Circ Syst I Fundam Theory Appl 49:753–767CrossRef
7.
Jang HS, Longman RW (1996) Design of digital learning controller using a partial isometry. Adv Astronaut Sci 93:137–152
8.
Lee-Glauser GJ, Juang JN, Longman RW (1996) Comparison and combination of learning controllers: computational enhancement and experiments. AIAA J Guid Control Dyn 19(5):1116–1123MATHCrossRef
9.
Huang YC, Li YH, Li ST (2012) Design and experiment of iterative learning controller based on particle swarm optimization approach with new bounded constraints technique. J Appl Mech Mater (EI)
10.
Yajima H, Wakiwaka S, Senoh K, Minegishi N, Fujiwara K (1997) Consideration on high-response of a linear DC motor. IEEE Trans Magn 33(5):3880–3882CrossRef
11.
Shi Y, Eberhart R (1998) A modified particle swarm optimizer. In: Proceedings of the IEEE international conference on evolutionary computation, Anchorage, 1998, pp 69–73
12.
Gaing ZL (2004) A particle swarm optimization approach for optimum design of PID controller in AVR system. IEEE Trans Energy Convers 19:384–391CrossRef
13.
Arimoto S, Kawamura S, Miyazaki F (1984) Bettering operation of robots by learning. J Robot Syst 1:123–140CrossRef
14.
Jang HS, Longman RW (1994) A new learning control law with monotonic decay of the tracking error norm. In: Proceedings of the 32nd allerton conference on communication, control, and computing, University of Illinois, Urbana, 1994, pp. 314–323
15.
Jang HS, Longman RW (1996) An update on a monotonic learning control law and some fuzzy logic learning gain adjustment techniques. Adv Astronaut Sci 90:301–318
Metadaten
Titel
Design the Bandwidth of Zero-Phase Filter of Iterative Learning Controller by Improved Particle Swarm Optimization
verfasst von
Shu-Ting Li
Jen-Ai Chao
Yi-Hao Li
Yi-Cheng Huang
Copyright-Jahr
2013
Verlag
Springer New York
Buch
Intelligent Technologies and Engineering Systems

Print ISBN: 978-1-4614-6746-5

Electronic ISBN: 978-1-4614-6747-2

Copyright-Jahr: 2013

DOI
https://doi.org/10.1007/978-1-4614-6747-2_110

Neuer Inhalt

    Bildnachweise