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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Computer Based Stylometric Analysis of Texts in Polish Language Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Iterative Learning of Optimal Control – Case Study of the Gantry Robot

verfasst von : Ewaryst Rafajłowicz, Wojciech Rafajłowicz

Erschienen in: Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In [15] the authors proposed an iterative learning algorithm for searching for optimal control of linear dynamic systems. This algorithm has been preliminary tested on the laser power control for the cladding process. The aim of this paper is to present a case study of a similar algorithm when applied to control Z-axis of a gantry robot. The original algorithm from [15] has to be modified in order to cover the case when the tracking signal is the output of the system instead of its whole state, as in [15]. The obtained results indicate a fast rate of convergence of the learning algorithm. One can also observe how learning of the shapes of the optimal input and output signals are convergent.

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 A Method for Design of Hardware Emulators for a Distributed Network Environment
Nächstes Kapitel An Approach to Robust Urban Transport Management. Mixed Graph-Based Model for Decision Support
Literatur
1.
Ahn, H.-S., Chen, Y.Q., Moore, K.L.: Iterative learning control: brief survey and categorization. IEEE Trans. Syst. Man Cybern. Part C Appl. Rev. 37(6), 1099 (2007)CrossRef
2.
Bien, Z., Xu, J.-X.: Iterative Learning Control: Analysis, Design, Integration and Applications. Springer Science & Business Media, New York (2012)
3.
Bristow, D., Tharayil, M., Alleyne, A.G., et al.: A survey of iterative learning control. IEEE Control Syst. 26(3), 96–114 (2006)CrossRef
4.
Hladowski, L., Galkowski, K., Cai, Z., Rogers, E., Freeman, C.T., Lewin, P.L.: Experimentally supported 2D systems based iterative learning control law design for error convergence and performance. Control Eng. Pract. 18(4), 339–348 (2010)CrossRef
5.
Hladowski, L., Galkowski, K., Cai, Z., Rogers, E., Freeman, E., Lewin Paul, L.: A 2D systems approach to iterative learning control for discrete linear processes with zero markov parameters. Int. J. Control 84(7), 1246–1262 (2011)MathSciNetCrossRefMATH
6.
Lee Jay, H., Lee Kwang, S., Kim, W.C.: Model-based iterative learning control with a quadratic criterion for time-varying linear systems. Automatica 36(5), 641–657 (2000)MathSciNetCrossRefMATH
7.
Moore, K.L.: Iterative learning control: an expository overview. In: Datta, B.N. (ed.) Applied and Computational Control, Signals, and Circuits, vol. 1, pp. 151–214. Springer, New York (1999)CrossRef
8.
Moore, K.L.: Iterative Learning Control for Deterministic Systems. Springer Science & Business Media, London (2012)
9.
Moore, K.L., Chen, Y.Q., Bahl, V.: Monotonically convergent iterative learning control for linear discrete-time systems. Automatica 41(9), 1529–1537 (2005)MathSciNetCrossRefMATH
10.
Moore, K.L., Dahleh, M., Bhattacharyya, S.P.: Iterative learning control: a survey and new results. J. Robot. Syst. 9(5), 563–594 (1992)CrossRefMATH
11.
Moore, K.L., Xu, J.-X.: Editorial: special issue on iterative learning control (2000)
12.
Nocedal, J., Wright, S.: Numerical Optimization, 2nd edn. Springer, New York (2006)MATH
13.
Owens David, H., Hätönen, J.: Iterative learning controlan optimization paradigm. Ann. Rev. Control 29(1), 57–70 (2005)CrossRef
14.
Paszke, W., Rogers, E., Galkowski, K.: New KYP lemma based stability tests and control law design algorithms for differential linear repetitive processes. In: 52nd IEEE Conference on Decision and Control, pp. 2109–2114. IEEE (2013)
15.
Rafajłowicz, E., Rafajłowicz, W.: Iterative learning in repetitive optimal control of linear dynamic processes. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2016. LNCS, vol. 9692, pp. 705–717. Springer, Cham (2016). doi:10.​1007/​978-3-319-39378-0_​60
16.
Rafajłowicz, E., Rafajłowicz, W.: Iterative learning in optimal control of linear dynamic processes. Int. J. Control Revised Vers. Under Rev. (2017)
17.
Ratcliffe, J., van Duinkerken, L., Lewin, P., Rogers, E., Hatonen, J., Harte, T., Owens, D.: Fast norm-optimal iterative learning control for industrial applications. In: Proceedings of the 2005, American Control Conference, pp. 1951–1956. IEEE (2005)
18.
Wang, Y., Gao, F., Doyle, F.J.: Survey on iterative learning control, repetitive control, and run-to-run control. J. Process Control 19(10), 1589–1600 (2009)CrossRef
19.
20.
Xu, J.-X., Tan, Y.: Linear and Nonlinear Iterative Learning Control, vol. 291. Springer, Berlin (2003)MATH
Metadaten
Titel
Iterative Learning of Optimal Control – Case Study of the Gantry Robot
verfasst von
Ewaryst Rafajłowicz
Wojciech Rafajłowicz
Copyright-Jahr
2017
Buch
Artificial Intelligence and Soft Computing

Print ISBN: 978-3-319-59059-2

Electronic ISBN: 978-3-319-59060-8

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59060-8_30

Premium Partner

    Bildnachweise