.png){kind=icon}
返回
Column coordinate based dynamic gain aging-aware quantized iterative learning control
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-025-07003-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决设备老化、空间信号冗余和长期运行中的鲁棒性不足问题，本文提出了一种圆柱坐标量化迭代学习控制框架（QILC-CC）。该方法利用几何对称性对多维信号进行量化并减少通信负载，引入动态学习增益以加速收敛，并嵌入老化补偿项以抑制缓慢退化，从而在单一学习律中将精度与稳定性统一起来。理论上，我们在有界扰动和渐近老化条件下推导了误差递推关系，建立了收敛充分条件和稳态误差界，并通过Lipschitz连续性和Lyapunov能量论证对其进行了验证。在塔式太阳能热发电场面的模拟中，QILC-CC将收敛速度提高了约50-60%，降低了20-45%的稳态误差；在强扰动下，RMS误差降低25%；在同等精度对齐条件下，进一步将通信和计算负担降低30-40%。多次独立运行与统计验证（R=30，p＜0.01）证实了这些改进的显著性和鲁棒性。与MRAC、L₁自适应控制、带ESO的H∞控制及相关先进方法的对比研究表明，QILC-CC在慢速老化重复任务中展现出更优的长期稳态性能和资源效率。综合来看，这些结果将QILC-CC定位为一种适用于长期运行的低带宽、低计算量且经统计验证的控制解决方案。
Keyword:
Column coordinate quantization
Iterative learning control
Anti-aging control
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
Multiaircraft Transfer Learning for Aircraft Trajectory Tracking in Continuous Climb and Descent Operations多架飞机在连续爬升和下降操作中的轨迹跟踪迁移学习
PREAI
分享收藏Stability analysis of quantized iterative learning control systems using lifting representation
PREAI
分享收藏Optimizing Injection Molding for Propellers with Soft Computing, Fuzzy Evaluation, and Taguchi Method基于软计算、模糊评价和Taguchi方法的螺旋桨注塑成型优化
OAAI
OAAI分享收藏Impact of dust deposition and brush-based dry cleaning on glass transmittance for PV modules applications灰尘沉积和刷式干洗对光伏组件应用中玻璃透射率的影响.png)
SOLAR ENERGY
SOLAR ENERGYIF6.6
PREAI
分享收藏分享收藏Adaptive iterative learning control of non-uniform trajectory tracking for strict feedback nonlinear time-varying systems with unknown control direction非均匀轨迹跟踪的自适应迭代学习控制：具有未知控制方向的严格反馈非线性时变系统
IF0
PREAI
分享收藏Analysis of Heat Source System Degradation Due to Aging and Evaluation of Its Effect on Energy ConsumptionEnergiesOAAI
EnergiesIF0
OAAI分享收藏
查看更多内容