PI采用全新的基于學習的控制算法
實現前所未有的運動性能水平
超越傳統(tǒng)控制的極限 基于反饋和前饋的控制算法可以實現高水平的性能,但存在根本性限制,我們將如何超越傳統(tǒng)控制的極限呢? 預防性干擾補償 針對高精度運動系統(tǒng)的機器學習控制算法,可以預先補償干擾,實現反饋和前饋控制規(guī)律的智能實時優(yōu)化。 多種學習模式提升性能 學習不同先前的執(zhí)行模式,可以最小化運動和穩(wěn)定時間,減少動態(tài)跟隨誤差,并在廣泛的操作范圍內最大化穩(wěn)定性。 市場和應用 使用基于機器學習的控制算法,從先前的執(zhí)行過程中進行學習,從而避免或補償重復誤差。 “推動我們前進的動力是實現他人認為不可能的運動性能”工程師FabianRudnick深入探討了PI基于學習的運動控制的未來開發(fā)過程。
轉載請注明出處。