Control de aprendizaje iterativo desencadenado por eventos para sistemas distribuídos de parámetros parabólicos discretos

El control de aprendizaje iterativo (ILC) es una estrategia de control inteligente que puede lograr el seguimiento de trayectoria deseada al renovar continuamente la señal de control basada en la experiencia previa. En este artículo, se propone una condición desencadenada por eventos que puede ahorrar recursos del sistema al reducir el número de actualizaciones iterativas. Además, se diseña un algoritmo ILC desencadenado por eventos para sistemas distribuidos de parámetros parabólicos discretos lineales, la entrada del sistema se actualiza con la ley de aprendizaje solo cuando se cumple la condición de activación derivada. A través de un análisis matemático riguroso, el error de seguimiento puede converger a cero cuando el lote iterativo se aproxima a infinito bajo la condición suficiente dada. Luego, también extendimos las ideas anteriores al caso no lineal. A través de simulaciones, se ilustra la efectividad del algoritmo diseñado.