पुनरावृत्तीय अधिगम नियंत्रण

इटरेटिव लर्निंग कंट्रोल (आईएलसी) उन प्रणालियों के लिए प्रक्रिया नियंत्रण की एक विधि है जो दोहराव मोड में काम करती है। दोहराए जाने वाले तरीके से काम करने वाले सिस्टम के उदाहरणों में रोबोट आर्म मैनिपुलेटर, रासायनिक बैच प्रक्रियाएं और विश्वसनीयता इंजीनियरिंग रिग शामिल हैं। इनमें से प्रत्येक कार्य में सिस्टम को उच्च सटीकता और परिशुद्धता के साथ एक ही क्रिया को बार-बार करने की आवश्यकता होती है। यह क्रिया किसी चुने गए संदर्भ सिग्नल को सटीक रूप से ट्रैक करने के उद्देश्य से दर्शायी जाती है $$r(t)$$ एक सीमित समय अंतराल पर.

दोहराव सिस्टम को पुनरावृत्ति से पुनरावृत्ति तक ट्रैकिंग सटीकता में सुधार करने की अनुमति देता है, वास्तव में संदर्भ को सटीक रूप से ट्रैक करने के लिए आवश्यक आवश्यक इनपुट सीखता है। सीखने की प्रक्रिया नियंत्रण संकेत को बेहतर बनाने के लिए पिछले दोहराव से मिली जानकारी का उपयोग करती है और अंततः एक उपयुक्त नियंत्रण कार्रवाई को सक्षम करने के लिए पुनरावृत्ति पाई जा सकती है। आंतरिक मॉडल (मोटर नियंत्रण) सिद्धांत ऐसी स्थितियाँ उत्पन्न करता है जिसके तहत सही ट्रैकिंग हासिल की जा सकती है लेकिन नियंत्रण एल्गोरिदम का डिज़ाइन अभी भी एप्लिकेशन के अनुरूप कई निर्णय लेने के लिए छोड़ देता है। एक विशिष्ट, सरल नियंत्रण कानून इस प्रकार का है:


 * $$u_{p+1}=u_p +K * e_p$$

कहाँ $$u_p$$ पीटीएच पुनरावृत्ति के दौरान सिस्टम में इनपुट है, $$e_p$$ पीटीएच पुनरावृत्ति के दौरान ट्रैकिंग त्रुटि है और K एक डिज़ाइन पैरामीटर है जो संचालन का प्रतिनिधित्व करता है $$e_p$$. पुनरावृत्ति के माध्यम से सही ट्रैकिंग प्राप्त करना इनपुट संकेतों के अभिसरण की गणितीय आवश्यकता द्वारा दर्शाया गया है $$p$$ बड़ी हो जाती है जबकि इस अभिसरण की दर सीखने की प्रक्रिया को तीव्र बनाने के लिए वांछनीय व्यावहारिक आवश्यकता का प्रतिनिधित्व करती है। प्रक्रिया की गतिशीलता के विवरण के बारे में अनिश्चितता की उपस्थिति में भी अच्छा एल्गोरिदम प्रदर्शन सुनिश्चित करने की भी आवश्यकता है। संचालन $$K$$ डिज़ाइन उद्देश्यों को प्राप्त करने के लिए महत्वपूर्ण है और सरल स्केलर लाभ से लेकर परिष्कृत अनुकूलन गणना तक होता है।

बाहरी संबंध

 * Southampton Sheffield Iterative Learning Control (SSILC)