论文部分内容阅读
在为大规模工业进程的层次不变的优化编程,一种可行技术是使用真实系统的信息以便修改基于模型的最佳。在这种情形,有不同大小的步功能类型控制决定的一个序列被计算,由哪个真实系统连续地被刺激。在这份报纸,一套反复的学习控制器为大规模非线性的工业过程的一个班在分散的模式被嵌进层次不变的优化的过程。为每个分系统的控制器被用来产生升级的控制信号的一个序列以便与不同规模承担顺序的步骤控制决定的责任。学习控制设计的目的是连续地精制系统的短暂性能。借助于卷绕旋转积分的 Hausdorff 年轻的不平等,更新的规则的集中在 L