非線形システムにおける反復依存期間を対象としたデータ駆動型反復学習制御

科学分野:

• 制御工学
• 非線形システムダイナミクス
• 制御のための機械学習

背景:

• 反復学習制御（ILC）は反復タスクに不可欠である。
• 局所リプシッツ連続非線形システムは、複雑なダイナミクスにより課題をもたらす。
• 反復依存期間は、従来のILCアプローチを複雑にする。

研究 の 目的:

• 反復依存期間を有する局所リプシッツ連続非線形システムのためのデータ駆動型ILC戦略を開発する。
• 収集された入出力データを効果的に利用するILC更新則を設計する。
• このようなシステムで完全な追従を達成するための条件を確立する。

主な方法:

• 反復ごとの入出力データを収集するためのテストフレームワーク。
• 期間変動に対抗するために修正出力を統合するILC更新則。
• 永続的完全学習特性に基づく解析。

主要な成果:

• 非線形システムのためのデータ駆動型ILC更新則を提案する。
• この手法は、反復依存期間を効果的に補償する。
• 出力データに基づき、完全な追従のための必要十分条件を導出する。

結論:

• 開発されたデータ駆動型ILCは、局所リプシッツ連続非線形システムおよび不規則なダイナミクスに適用可能である。
• このアプローチは、変動する動作長さを有するシステムに対する堅牢なソリューションを提供する。
• 提案されたデータ依存条件の下で完全な追従が可能である。