Рассматривается линейная дискретная система, функционирующая в повторяющемся режиме, задачей которой является слежение за эталонной траекторией с требуемой точностью при условии, что управление запаздывает вдоль траектории повторения и при амплитудных ограничениях типа насыщения. Предлагается новый метод синтеза управления с итеративным обучением, зависящего от запаздывания и позволяющего обеспечить необходимую точность слежения. Приведен пример, демонстрирующий эффективность метода.
В современном интеллектуальном производстве роботы часто связаны сетью, и их задача может меняться по заранее заданной программе. Для роботов, выполняющих высокоточные операции, широко используется управление с итеративным обучением (УИО). В условиях сети, в случае смены программы, эффективность алгоритмов УИО может снижаться. Например, при изменении желаемой траектории ошибка обучения может временно увеличиться до недопустимого значения. В данной работе рассматривается сетевая система, в которой желаемая траектория и параметры изменяются между повторениями по известной программе, агенты подвергаются случайным возмущениям, а измерения производятся с шумами. Кроме того, топология сети также изменяется за счет выхода из сети некоторых агентов и подключения новых агентов по заданной программе. Предлагается метод синтеза распределенного УИО на основе векторных функций Ляпунова для повторяющихся процессов в сочетании с фильтрацией Калмана. Метод обеспечивает сходимость ошибки обучения и снижает ее переходные возрастания, вызванные изменением желаемой траектории и топологии сети. Приведен пример, подтверждающий эффективность предлагаемого метода.
Рассматривается задача синтеза управления с итеративным обучением на основе наблюдателя состояния для дискретных линейных систем. С целью ускорения сходимости ошибки обучения предлагается новый подход к ее решению, использующий комбинацию метода тяжелого шарика из теории оптимизации и метода векторной функции Ляпунова для класса двумерных систем, известных как повторяющиеся процессы. Приведен пример, включающий сравнение с известными результатами.
Индексирование
Scopus
Crossref
Высшая аттестационная комиссия
При Министерстве образования и науки Российской Федерации