PI采用全新的基于学习的控制算法
实现前所未有的运动性能水平
超越传统控制的极限 基于反馈和前馈的控制算法可以实现高水平的性能,但存在根本性限制,我们将如何超越传统控制的极限呢? 预防性干扰补偿 针对高精度运动系统的机器学习控制算法,可以预先补偿干扰,实现反馈和前馈控制规律的智能实时优化。 多种学习模式提升性能 学习不同先前的执行模式,可以最小化运动和稳定时间,减少动态跟随误差,并在广泛的操作范围内最大化稳定性。 市场和应用 使用基于机器学习的控制算法,从先前的执行过程中进行学习,从而避免或补偿重复误差。 “推动我们前进的动力是实现他人认为不可能的运动性能”工程师FabianRudnick深入探讨了PI基于学习的运动控制的未来开发过程。
转载请注明出处。