Kawalan Pembelajaran Berulang
Kawalan Pembelajaran Berulang (ILC) ialah satu kaedah kawalan untuk sistem yang melaksanakan tugas yang sama berulang kali (penjejakan trajektori sepanjang selang masa yang tetap). Idea utamanya adalah untuk menggunakan maklumat ralat daripada percubaan sebelumnya untuk mengemas kini input bagi percubaan seterusnya, secara progresif meningkatkan ketepatan penjejakan. Dipelopori oleh Arimoto et al. pada tahun 1984, ILC amat sesuai untuk pembuatan robotik, pemprosesan semikonduktor, dan sebarang aplikasi di mana gerakan yang sama perlu diulang berkali-kali dengan ketepatan tinggi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Iterative Learning Control. ScholarGate. https://scholargate.app/ms/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.
- Kawalan AdaptifTeori Kawalan↔ compare
- Linearisasi Maklum BalasTeori Kawalan↔ compare
- Kawalan Ramalan ModelTeori Kawalan↔ compare
- Kawalan Mod LuncurTeori Kawalan↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →