سعید کشتکار - دانشگاه آزاد اسلامی، واحد ابرکوه، گروه برق، ابرکوه، ایران
سیداسماعیل میرعبدالهی - دانشگاه آزاد اسلامی، واحد ابرکوه، گروه برق، ابرکوه، ایران

روش کنترل یاد گیر تکرارشونده ازجمله روش های کنترل تطبیقی است که نیاز چندانی به مدل دقیق سیستم ندارد و این از خصوصیات یک روش تطبیقی ایده آل است. در سوی دیگر الگوریتم های ساده یادگیری و به دنبال آن پیاده سازی آسان از دیگر محاسن بزرگ این روش است. با توجه به این خصوصیات مهم در ILC نقاط ضعفی هم برای آن وجود دارند. روش های کنترل یاد گیر تکرارشونده قادر هستند بر اغتشاش های تکراری غلبه کنند و اثرات مخرب ناشی از آن ها را تا حد بسیار بالایی کاهش دهند اما متأسفانه این روش ها توانایی از بین بردن تأثیرات اغتشاش های غیرتکراری را ندارند. ایده اصلی در پایین آوردن اثرات مخرب در حالت اغتشاش غیرتکراری، استفاده از ویژگی های منحصربه فرد کنترل فیدبک است.همچنین یکی از ترفندهایی که باعث می شود که سرعت همگرایی الگوریتم های کنترل یاد گیر تکرارشونده افزایش یابند، استفاده از اطلاعات بیشتر از گذشته در الگوریتم های یادگیری است. این نکته در علم یادگیری بدیهی است که با آگاهی یافتن از خطاهای گذشته می توان سرعت و دقت آموزش را بالا برد. در الگوریتم های ILC نیز از این ایده استفاده شده است و الگوریتم های با درجات بالاتر پیشنهادشده اند. در این مقاله الگوریتم های فیدبک حالت با درجات بالاتر از یک ارائه گردیده اند.

حالت همگرایی، خطای ردیابی ، فیدبک حالت یاد گیر تکرارشونده