Resumen

Para el sistema no lineal de tiempo discreto, en este artículo se desarrolla un control iterativo de aprendizaje de orden superior (HOILC) con ganancias de control óptimas basadas en algoritmos evolutivos (EA). Dado que las acciones de actualización están constituidas por la información de seguimiento de varias iteraciones anteriores, los esquemas de HOILC diseñados adecuadamente con ganancias de control apropiadas suelen lograr una velocidad de convergencia rápida. Para optimizar las ganancias de control en el enfoque de HOILC, se introduce el EA. La estrategia de codificación, la inicialización de la población y la función de aptitud en el EA están diseñadas de acuerdo con las características de HOILC. Con la optimización global de EA, las ganancias de control óptimas de HOILC se seleccionan de manera adaptativa para que el número de iteraciones de convergencia se reduzca en el proceso de ILC. Se muestra en simulación que el error absoluto total, el error cuadrático total y el error absoluto máximo de seguimiento en el HOILC propuesto

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Sistema en tiempo discreto; Control de aprendizaje iterativo; Ganancias de control óptimo; Algoritmo evolutivo; Velocidad de convergencia; Simulación
• Keywords:Discrete-time system; Iterative learning control; Optimal control gains; Evolutionary algorithm; Convergence speed; Simulation