Resumen

En este trabajo se estudia el control iterativo de aprendizaje (ILC) por inversión de modelo para una clase de sistemas multientrada multiresultado (MIMO) lineales no cuadrados variantes/invariantes en el tiempo. Se desarrolla un nuevo algoritmo ILC basado en la inversión σ-derecha de matrices de ganancia de aprendizaje no cuadradas para resolver los problemas de inversión de matrices que aparecen en la inversión directa de modelos de sistemas MIMO no cuadrados. Además, se establece una condición de convergencia monotónica suficiente y necesaria. Mediante un análisis riguroso, el esquema ILC propuesto garantiza la convergencia del error de seguimiento. Para demostrar la eficacia e ilustrar el rendimiento del enfoque propuesto para sistemas no cuadrados lineales invariantes en el tiempo (LTI) y variables en el tiempo, se simulan dos ejemplos ilustrativos.

• Materias:Máquina de vectores Estudio numérico Controlador Método computacional Modelado matemático
• Subjects:Vector machine Numerical study Controller Computational method Mathematical modeling
• Palabras claves:Control de aprendizaje iterativo por inversión de modelos, condición de convergencia monótona necesaria, variante de tiempo lineal no cuadrático, inversión directa de modelos, problemas de inversión de matrices, nuevo algoritmo ILC, sistemas MIMO no cuadráticos, esquema ILC, ejemplos ilustrativos, tiempo lineal
• Keywords:Model inversion Iterative Learning Control, necessary monotonic convergence condition, nonsquare linear time variant, direct model inversion, matrix inversion problems, new ILC algorithm, nonsquare MIMO systems, ILC scheme, illustrative examples, linear time