.png){kind=icon}
返回
Convergence evaluation of optimization-based stochastic iterative learning control
.png){kind=icon}
PRE
AI
DOI：10.1016/j.isatra.2026.06.052.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了迭代学习控制（ILC）在随机扰动下的收敛性分析与评估。通过最小化输出跟踪误差协方差矩阵的迹，提出了一种基于优化的随机ILC设计方法，该方法在均方意义下建立了输出跟踪的单调收敛性。此外，对于随机ILC中的输出跟踪和输入更新误差，均实现了O(1/k)阶的最快收敛速度。特别地，针对输入更新过程提出了随机可学习性的概念，据此发展了一个统一的随机ILC分析框架，可同时处理输出跟踪和输入更新问题。通过对移动机器人进行仿真测试，验证了所提出的基于优化的随机ILC结果的有效性。
Keyword:
Iterative learning control
Monotonic convergence
Optimization-based method
Stochastic disturbances
