.png){kind=icon}
返回
On General Linear Encoding–Decoding Pairs for Quantized Iterative Learning Control
.png){kind=icon}
PRE
AI
DOI：10.1109/TCYB.2025.3633720.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着控制系统日益依赖有限带宽网络，量化及数据速率约束对迭代学习控制（ILC）提出了重大挑战。本研究旨在设计一种适用于信道传输约束下的量化迭代学习控制（ILC）的通用线性编码-解码对框架。我们首先建立了一个统一的数学框架，将现有的编码-解码方案整合到量化ILC回路中，使线性编码器和译码器的设计能够由一个共同的参数集进行参数化。通过采用p型控制器，我们推导出使用通用线性编码-解码对的量化ILC收敛准则。此外，我们引入控制信号保真度指标（CSFM）来量化有无通用线性编码-解码对时生成的控制信号之间的差异。基于CSFM，我们提供了选择线性编码-解码对参数的系统化指导原则。最后，当使用有限级量化器时，我们建立了线性编码-解码对参数的实用选择规则。这些规则确保不发生饱和，同时最小化稳态输出跟踪误差和CSFM，从而便于量化ILC中的实际量化器选择。理论发现通过涉及工业机器人关节模型的仿真进行了验证。
Keyword:
Channel transmission constraints
control signal fidelity metric (CSFM)
iterative learning control (ILC)
linear encoding–decoding pair
quantization
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
.png){kind=icon}
分享收藏Quantitative Data-Driven Adaptive Iterative Learning Control: From Trajectory Tracking to Point-to-Point Tracking定量数据驱动的自适应迭代学习控制: 从轨迹跟踪到点对点跟踪
PREAI
分享收藏Model-Free Output Regulation of Networked Systems Under Unknown Hybrid Attacks网络系统在未知混合攻击下的无模型输出调节
PREAI
分享收藏
查看更多内容