Аннотация:
Алгоритмы управления с итеративным обучением появились в связи с задачами повышения точности выполнения повторяющихся операций роботами. Они используют информацию из прошлых повторений для корректировки управляющего сигнала на текущем повторении. В литературе по управлению с итеративным обучением эти повторения называются пробными шагами, пробами или проходами. Критическим показателем эффективности таких алгоритмов является скорость сходимости ошибки обучения к заданному значению, в идеальном случае к нулю. Для повышения скорости сходимости алгоритмов управления с итеративным обучением в своих недавних работах авторы предложили комбинацию метода тяжелого шарика и разработанного ими ранее метода векторных функций Ляпунова для повторяющихся процессов. Оказывается, что такой подход позволяет неявно прогнозировать направление градиента целевой функции, что позволяет существенно повысить скорость сходимости. В примерах сходимость к компьютерному нулю достигалась всего за несколько пробных шагов. Однако при этом не учитывались неизбежно присутствующие случайные возмущения, действующие на систему, и шумы измерения, снижающие достижимую точность. В настоящей работе указанный подход распространяется на случай дискретных систем с учетом упомянутых случайных факторов. На примере лабораторного портального робота приведены результаты моделирования, подтверждающие теоретические результаты.
Библ. 32. Фиг. 10.
Ключевые слова:
управление с итеративным обучением, повторяющиеся процессы, ошибка обучения, скорость сходимости, методы оптимизации, векторная функция Ляпунова, случайные возмущения, линейные матричные неравенства.
УДК:517.977
Поступила в редакцию: 20.06.2025 Исправленный вариант: 07.09.2025 Принята в печать: 19.09.2025
