کنترل یادگیری تکراری
کنترل یادگیری تکراری (ILC) یک روش کنترلی برای سیستمهایی است که وظیفه یکسانی را به طور مکرر انجام میدهند (ردیابی مسیر در یک بازه زمانی ثابت). ایده کلیدی این است که از اطلاعات خطا در آزمایشهای قبلی برای بهروزرسانی ورودی برای آزمایش بعدی استفاده شود و به تدریج دقت ردیابی بهبود یابد. ILC که توسط Arimoto و همکاران در سال 1984 پیشگام شد، برای تولید رباتیک، پردازش نیمههادیها و هر کاربردی که در آن حرکت یکسان باید بارها و بارها با دقت بالا تکرار شود، ایدهآل است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Arimoto, S., Kawamura, S., & Miyazaki, F. (1984). Bettering operation of robots by learning. Journal of Robotic Systems, 1(2), 123-140. DOI: 10.1002/rob.4620010203 ↗
- Moore, K. L. (1993). Iterative learning control for trajectory tracking. Advances in Industrial Control, Springer-Verlag. link ↗
- Bien, Z., & Xu, J. X. (2007). Iterative Learning Control: Analysis, Design, Integration and Applications. Kluwer Academic Publishers. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Iterative Learning Control. ScholarGate. https://scholargate.app/fa/control-theory/iterative-learning-control
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- کنترل تطبیقینظریه کنترل↔ compare
- خطیسازی بازخوردینظریه کنترل↔ compare
- کنترل پیشبین مدلنظریه کنترل↔ compare
- کنترل مد لغزشینظریه کنترل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →