Adaptive iterative learning control for a linear system with unknown parameters

Abstract

Tekrarlayan Öğrenme Kontrolü (ILC) sistemlerinin en büyük dezavantajlarından biri, öğrenme kazancının statik olması ve iterasyonun mevcut verilerini kullanarak kendini güncellemez olmasıdır. Belirsiz parametreleri olan dinamik bir sistemde kontrol elemanının kendi girdisini güncellemesine rağmen öğrenme kazancının parametrelerdeki yeni değişikliklere uyarlanamaması anlamına gelir ki bunun sonucunda öğrenme kazancı dinamik sistemi değişime uğramamış gibi işleme tabi tutacak ve bu da izleme sürecinde denetleyici arızasına neden olacaktır.Bu tezde, uyarlamalı iteratif öğrenme kontrol (AILC) algoritmasının analizi ve tasarımı, en küçük kareler yaklaşımı kullanılarak gerçekleştirilmiştir. ILC öğrenme kazanç matrisini hesaplamak için yeni bir yöntem sunulmuştur. ILC algoritması bilinmeyen parametreleri olan bir SISO doğrusal zamanla-değişmeyen (LTI) dinamik sistem üzerine uygulanır, ve bir parametre tanımlayıcı bilinmeyen parametrelerin doğru değerlerini optimize etmek ve izleme hatasını en aza indirmek için tasarlanmıştır. Yanıt sonuçları ile simülasyon prosedürü bu monografinin son bölümüne yerleştirilmiştir. Önerilen algoritmayı simgeleyen simülasyon, bilinmeyen parametreleri olan doğrusal sistemler için uygundur ancak bu parametrelerin sınırları sınırlıdır. Ayrıca, kontrolör dahili hata değerini telafi edebilmektedir.

One of the main disadvantages of iterative learning control (ILC) systems is that the learning gain is static and does not update itself by using the current data of iteration. For a dynamic system has uncertain parameters, although the controller will update its input, but the learning gain will not be adapted according to the new changes in parameters, so that, it will still treat the dynamic system as if no change has occurred, which leads to the controller failure in the tracking process. In this thesis, the analysis and design of adaptive iterative learning control (AILC) algorithm is implemented by using least squares approximation. A new method for calculating ILC learning gain matrix is presented. The ILC algorithm is applied on a SISO linear time-invariant (LTI) dynamic system with unknown parameters, and a parameter identificator is designed to optimize the accurate values of that unknown parameters and minimize the tracking error. The simulation procedure with the response results is placed in the last part of this monograph. The simulation, which represents the proposed algorithm, is suitable for linear systems that have unknown parameters but the bounds of these parameters are limited. Furthermore, the controller is able to compensate the internal error value.