Key points are not available for this paper at this time.
Dieses Kurzpapier präsentiert einen neuartigen adaptiven iterativen Lernkontrollalgorithmus (ILC) für eine Klasse von Ein-Parameter-Systemen mit binärwertigen Beobachtungen. Unter Verwendung des Prinzip der Sicherheitsequivalenz wird der adaptive ILC-Algorithmus durch ein Projektionsidentifikationsverfahren entlang der Iterationsachse entworfen. Es wird gezeigt, dass, obwohl die verfügbaren Systeminformationen sehr begrenzt sind und die gewünschte Trajektorie iterationsabhängig ist, der vorgeschlagene adaptive ILC-Algorithmus die Konvergenz der Parameterschätzung über ein zeitlich begrenztes Intervall entlang der iterativen Achse garantieren kann; gleichzeitig konvergiert der Nachführfehler punktweise asymptotisch. Zwei Beispiele werden gegeben, um die Effektivität des Algorithmus zu validieren.
Bu et al. (Tue,) haben diese Frage untersucht.