पुनरावृत्तीय अधिगम नियंत्रण: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
 
(3 intermediate revisions by 3 users not shown)
Line 4: Line 4:


:<math>u_{p+1}=u_p +K * e_p</math>
:<math>u_{p+1}=u_p +K * e_p</math>
कहाँ <math>u_p</math> पीटीएच पुनरावृत्ति के दौरान पद्धति में इनपुट है, <math>e_p</math> पीटीएच पुनरावृत्ति के दौरान ट्रैकिंग त्रुटि है और K एक डिज़ाइन पैरामीटर है जो संचालन का प्रतिनिधित्व करता है <math>e_p</math>. पुनरावृत्ति के माध्यम से सही ट्रैकिंग प्राप्त करना इनपुट संकेतों के अभिसरण की गणितीय आवश्यकता द्वारा दर्शाया गया है <math>p</math> बड़ी हो जाती है जबकि इस अभिसरण की दर सीखने की प्रक्रिया को तीव्र बनाने के लिए वांछनीय व्यावहारिक आवश्यकता का प्रतिनिधित्व करती है। प्रक्रिया की गतिशीलता के विवरण के बारे में अनिश्चितता की उपस्थिति में भी अच्छा एल्गोरिदम प्रदर्शन सुनिश्चित करने की भी आवश्यकता है। संचालन <math>K</math> डिज़ाइन उद्देश्यों को प्राप्त करने के लिए महत्वपूर्ण है और सरल स्केलर लाभ से लेकर परिष्कृत अनुकूलन गणना तक होता है।
जहाँ <math>u_p</math> '''pवें''' पुनरावृत्ति के समय पद्धति में इनपुट है, <math>e_p</math> '''p'''वें पुनरावृत्ति के समय ट्रैकिंग त्रुटि है और K एक डिज़ाइन पैरामीटर है जो <math>e_p</math> पर संचालन का प्रतिनिधित्व करता है। पुनरावृत्ति के माध्यम से सही ट्रैकिंग प्राप्त करना इनपुट संकेतों के अभिसरण की गणितीय आवश्यकता द्वारा दर्शाया जाता है क्योंकि <math>p</math> बड़ा हो जाता है जबकि इस अभिसरण की दर तेजी से सीखने की प्रक्रिया के लिए वांछनीय व्यावहारिक आवश्यकता का प्रतिनिधित्व करती है। प्रक्रिया की गतिशीलता के विवरण के बारे में अनिश्चितता की उपस्थिति में भी अच्छा एल्गोरिदम प्रदर्शन सुनिश्चित करने की भी आवश्यकता है। ऑपरेशन <math>K</math> डिज़ाइन उद्देश्यों को प्राप्त करने के लिए महत्वपूर्ण है और सरल स्केलर लाभ से लेकर परिष्कृत अनुकूलन गणना तक होता है।


==संदर्भ==
==संदर्भ==
Line 82: Line 82:
==बाहरी संबंध==
==बाहरी संबंध==
*[http://www.sheffield.ac.uk/ilc Southampton Sheffield Iterative Learning Control (SSILC)]
*[http://www.sheffield.ac.uk/ilc Southampton Sheffield Iterative Learning Control (SSILC)]
{{DEFAULTSORT:Iterative Learning Control}}[[Category: नियंत्रण सिद्धांत]]
{{DEFAULTSORT:Iterative Learning Control}}


 
[[Category:Citation Style 1 templates|M]]
 
[[Category:Collapse templates|Iterative Learning Control]]
[[Category: Machine Translated Page]]
[[Category:Created On 10/08/2023|Iterative Learning Control]]
[[Category:Created On 10/08/2023]]
[[Category:Machine Translated Page|Iterative Learning Control]]
[[Category:Navigational boxes| ]]
[[Category:Navigational boxes without horizontal lists|Iterative Learning Control]]
[[Category:Pages with script errors|Iterative Learning Control]]
[[Category:Sidebars with styles needing conversion|Iterative Learning Control]]
[[Category:Template documentation pages|Documentation/doc]]
[[Category:Templates Vigyan Ready|Iterative Learning Control]]
[[Category:Templates based on the Citation/CS1 Lua module|Iterative Learning Control]]
[[Category:Templates generating COinS|Cite magazine]]
[[Category:Templates generating microformats|Iterative Learning Control]]
[[Category:Templates that are not mobile friendly|Iterative Learning Control]]
[[Category:Templates using TemplateData|Iterative Learning Control]]
[[Category:Wikipedia fully protected templates|Cite magazine]]
[[Category:Wikipedia metatemplates|Iterative Learning Control]]
[[Category:नियंत्रण सिद्धांत|Iterative Learning Control]]

Latest revision as of 11:41, 21 August 2023

पुनरावृत्तीय अधिगम नियंत्रण (आईएलसी) उन प्रणालियों के लिए ट्रैकिंग नियंत्रण की एक विधि है जो पुनरावृत्तीय मोड में काम करती है। दोहराए जाने वाले प्रणालियों से काम करने वाले पद्धति के उदाहरणों में रोबोट आर्म मैनिपुलेटर, रासायनिक बैच प्रक्रियाएं और विश्वसनीयता परीक्षण रिग सम्मिलित हैं। इनमें से प्रत्येक कार्य में पद्धति को उच्च परिशुद्धता के साथ एक ही क्रिया को बार-बार करने की आवश्यकता होती है। यह क्रिया एक सीमित समय अंतराल पर चुने गए संदर्भ सिग्नल को स्पष्ट रूप से ट्रैक करने के उद्देश्य से दर्शायी जाती है।

पुनरावृत्तीय पद्धति को पुनरावृत्ति से पुनरावृत्ति तक ट्रैकिंग स्पष्टता में सुधार करने की अनुमति देता है, वास्तविक में संदर्भ को स्पष्ट रूप से ट्रैक करने के लिए आवश्यक आवश्यक इनपुट सीखता है। सीखने की प्रक्रिया नियंत्रण संकेत को उत्तम बनाने के लिए पिछले पुनरावृत्तीय से मिली जानकारी का उपयोग करती है और अंततः एक उपयुक्त नियंत्रण कार्रवाई को सक्षम करने के लिए पुनरावृत्ति पाई जा सकती है। आंतरिक मॉडल (मोटर नियंत्रण) सिद्धांत ऐसी स्थितियाँ उत्पन्न करता है जिसके अनुसार सही ट्रैकिंग प्राप्त की जा सकती है किन्तु नियंत्रण एल्गोरिदम का डिज़ाइन अभी भी एप्लिकेशन के अनुरूप कई निर्णय लेने के लिए छोड़ देता है। एक विशिष्ट, सरल नियंत्रण नियम इस प्रकार का है:

जहाँ pवें पुनरावृत्ति के समय पद्धति में इनपुट है, pवें पुनरावृत्ति के समय ट्रैकिंग त्रुटि है और K एक डिज़ाइन पैरामीटर है जो पर संचालन का प्रतिनिधित्व करता है। पुनरावृत्ति के माध्यम से सही ट्रैकिंग प्राप्त करना इनपुट संकेतों के अभिसरण की गणितीय आवश्यकता द्वारा दर्शाया जाता है क्योंकि बड़ा हो जाता है जबकि इस अभिसरण की दर तेजी से सीखने की प्रक्रिया के लिए वांछनीय व्यावहारिक आवश्यकता का प्रतिनिधित्व करती है। प्रक्रिया की गतिशीलता के विवरण के बारे में अनिश्चितता की उपस्थिति में भी अच्छा एल्गोरिदम प्रदर्शन सुनिश्चित करने की भी आवश्यकता है। ऑपरेशन डिज़ाइन उद्देश्यों को प्राप्त करने के लिए महत्वपूर्ण है और सरल स्केलर लाभ से लेकर परिष्कृत अनुकूलन गणना तक होता है।

संदर्भ

  • S.Arimoto, S. Kawamura; F. Miyazaki (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 Deterministic Systems. London: Springer-Verlag. ISBN 0-387-19707-9.
  • Jian Xin Xu; Ying Tan. (2003). Linear and Nonlinear Iterative Learning Control. Springer-Verlag. p. 177. ISBN 3-540-40173-3.
  • Bristow, D. A.; Tharayil, M.; Alleyne, A. G. (2006). "A Survey of Iterative Learning Control A learning-based method for high-performance tracking control". IEEE control systems magazine. Vol. 26. pp. 96–114.
  • Owens D.H.; Feng K. (20 July 2003). "Parameter optimization in iterative learning control". International Journal of Control. 76 (11): 1059–1069. doi:10.1080/0020717031000121410. S2CID 120288506.
  • Owens D.H.; Hätönen J. (2005). "Iterative learning control — An optimization paradigm". Annual Reviews in Control. 29 (1): 57–70. doi:10.1016/j.arcontrol.2005.01.003.
  • Daley S.; Owens D.H. (2008). "Iterative Learning Control – Monotonicity and Optimization". International Journal of Applied Mathematics and Computer Science. 18 (3): 179–293. doi:10.2478/v10006-008-0026-7.
  • Wang Y.; Gao F.; Doyle III, F.J. (2009). "Survey on iterative learning control, repetitive control, and run-to-run control". Journal of Process Control. 19 (10): 1589–1600. doi:10.1016/j.jprocont.2009.09.006.


बाहरी संबंध