Der Artikel präsentiert einen neuen Algorithmus zur iterativen Anpassung der Parameter eines Feedforward-Reglers, wenn die direkte Messung der zu regelnden Größe nicht möglich ist. Der Algorithmus kombiniert drei Konzepte, um die Konvergenzgeschwindigkeit im Vergleich zu früheren Ansätzen deutlich zu verbessern:
Periodische Anpassung des Koordinatensystems basierend auf der Sensitivität des Feedforward-Reglers. Dadurch wird das Problem in separierbare Teilprobleme zerlegt.
Schrittweise Suche nach dem Minimum entlang einer Koordinate, inspiriert von Pattern-Search-Algorithmen und Gradientenverfahren.
Einführung einer lernfähigen Schrittweite, die auf Konzepten aus Subgradienten-Methoden basiert. Dies ermöglicht es dem Algorithmus, auch bei größeren Abweichungen der Initialparameter vom Optimum zu konvergieren.
Die Leistungsfähigkeit des neuen Algorithmus wird anhand von Simulationen an einem nichtlinearen elektromechanischen Schaltsystem demonstriert. Die Ergebnisse zeigen eine deutliche Verbesserung der Konvergenzgeschwindigkeit und -genauigkeit im Vergleich zu früheren Ansätzen.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Eloy Serrano... alle arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00036.pdfDomande più approfondite