Computationally‐Light Non‐Lifted Data‐Driven Norm‐Optimal Iterative Learning Control

Computational complexity and model dependence are two significant limitations on lifted norm optimal iterative learning control (NOILC). To overcome these two issues and retain monotonic convergence in iteration, this paper proposes a computationally‐efficient non‐lifted NOILC strategy for nonlinear...

Celý popis

Podrobná bibliografie

Vydáno v:	Asian journal of control Ročník 20; číslo 1; s. 115 - 124
Hlavní autoři:	Chi, Ronghu, Hou, Zhongsheng, Jin, Shangtai, Huang, Biao
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Hoboken Wiley Subscription Services, Inc 01.01.2018
Témata:	Chemical reactions Complexity Computationally‐light algorithm Computer simulation Data‐driven control approach Discrete time systems Iterative methods Learning Nonlinear control Nonlinear discrete‐time systems Nonlinear systems Norm optimal ILC
ISSN:	1561-8625, 1934-6093
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!