1) PD-type iterative learning control
PD型迭代学习控制
1.
Robustness of nonlinear systems with open-closed-loop PD-type iterative learning control;
非线性系统开闭环PD型迭代学习控制的鲁棒性
3) P type close-loop iterative learning control
闭环P型迭代学习控制
5) iterative learning control
迭代学习控制
1.
Application of iterative learning control in aircraft all-electric braking system;
迭代学习控制在飞机全电刹车系统中的应用
2.
Application of the Weighted PD-type Closed-loop Iterative Learning Control in the Repeated Disturbances;
加权闭环PD型迭代学习控制在重复扰动时的应用
3.
Applications of iterative learning control algorithm in extracting procedure of Chinese traditional medicine production;
迭代学习控制算法在中药生产过程提取工段的应用
6) ILC
迭代学习控制
1.
ILC Based Temperature Control Scheme for Aircraft Deicing Fluid;
基于迭代学习控制的飞机除冰液温度控制方法研究
2.
In terms of slow convergence speed of Iterative Learning Control(ILC) algorithm.
针对迭代学习控制收敛速度比较慢的问题,结合模糊控制技术,通过改变PD型迭代学习控制增益的方法设计了一个模糊增益调节迭代学习控制器,对单臂机械手模型进行计算机仿真,结果表明:这种设计方法与原PD型迭代学习控制算法在收敛速度上有比较优势。
3.
This paper deals with the problem of the ILC based on l2-l∞ filter for stochastic discrete-time systems with missing measurements.
研究了具有测量数据随机丢失的一类离散系统的滤波器型迭代学习控制。
补充资料：学习控制系统
靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。这种系统具有一定的识别、判断、记忆和自行调整的能力。实现学习功能可有多种方式。根据是否需要从外界获得训练信息，学习控制系统的学习方式分为受监视学习和自主学习两类。
受监视学习 这种学习方式除一般的输入信号外，还需要从外界的监视者或监视装置获得训练信息。所谓训练信息是用来对系统提出要求或者对系统性能作出评价的信息。如果发现不符合监视者或监视装置提出的要求，或受到不好的评价，系统就能自行修正参数、结构或控制作用。不断重复这种过程直至达到监视者的要求为止。当对系统提出新的要求时，系统就会重新学习。
自主学习 简称自学习。这是一种不需要外界监视者的学习方式。只要规定某种判据（准则），系统本身就能通过统计估计、自我检测、自我评价和自我校正等方式不断自行调整，直至达到准则要求为止。这种学习方式实质上是一个不断进行随机尝试和不断总结经验的过程。因为没有足够的先验信息，这种学习过程往往需要较长的时间。
在实际应用中，为了达到更好的效果常将两种学习方式结合起来。学习控制系统按照所采用的数学方法而有不同的形式，其中最主要的有采用模式分类器的训练系统和增量学习系统。在学习控制系统的理论研究中,贝叶斯估计、随机逼近方法和随机自动机理论，都是常用的理论工具。
参考书目
Ya.A.Tsypkin, Foundations of the Theory of Learning Systems, Academic Press, New York, 1973.
K.S.Fu, ed., Learning Systems, ASME Publ., New York,1973.
受监视学习 这种学习方式除一般的输入信号外，还需要从外界的监视者或监视装置获得训练信息。所谓训练信息是用来对系统提出要求或者对系统性能作出评价的信息。如果发现不符合监视者或监视装置提出的要求，或受到不好的评价，系统就能自行修正参数、结构或控制作用。不断重复这种过程直至达到监视者的要求为止。当对系统提出新的要求时，系统就会重新学习。
自主学习 简称自学习。这是一种不需要外界监视者的学习方式。只要规定某种判据（准则），系统本身就能通过统计估计、自我检测、自我评价和自我校正等方式不断自行调整，直至达到准则要求为止。这种学习方式实质上是一个不断进行随机尝试和不断总结经验的过程。因为没有足够的先验信息，这种学习过程往往需要较长的时间。
在实际应用中，为了达到更好的效果常将两种学习方式结合起来。学习控制系统按照所采用的数学方法而有不同的形式，其中最主要的有采用模式分类器的训练系统和增量学习系统。在学习控制系统的理论研究中,贝叶斯估计、随机逼近方法和随机自动机理论，都是常用的理论工具。
参考书目
Ya.A.Tsypkin, Foundations of the Theory of Learning Systems, Academic Press, New York, 1973.
K.S.Fu, ed., Learning Systems, ASME Publ., New York,1973.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条