Abstract
反覆學習是一種漸近改善的程序，於有限的時間間隔中，透過反覆逼近的方式去調整輸入量以使系統響應能跟隨意欲的指令運作，而且已成功地應用在許多的運動控制系統上。尤其對於那些有不明確模式或不確定量之複雜系統的控制，效果更為顯著。一般說來，這樣的機制是用來增強反饋控制的效能，並同時滿足穩態與暫態的要求。然而，查諸現有文獻，反覆學習收斂的過程描述卻仍付之闕如的。而且，對於反覆學習控制，如何選取參數及如何避免局部最小化的困擾仍一再發生。針對反覆學習控制器設計流程來說，主要的問題可分為反覆學習動態的建立，反覆學習行為的特性化，以及意欲之反覆學習行為的保持。於本論文中，首先我們以觀察一個ｎ階控制系統的意欲模式與實際動態表現的差異，來推導反覆學習的動態方程式。接著利用一些對映技巧去進一步地分析反覆學習的行為，同時區分其規格與性能來將其特性化。然後，以此特性化為基礎，我們提出反覆學習控制器來進行機械臂的軌跡循跡控制，這些控制器設計包括模糊學習控制器，其滑動模式的學習律，以及具正規化平滑滑動模式的學習律等，並經由實驗來驗證其可行性。總而言之，反覆學習提供了一種循序漸近的方式，藉離線之方法來滿足暫態性能的要求，而它也同時引導出另一誘人的課題，反覆學習行為的控制。此外，由控制系統的性能要求來看，相較於反饋控制器（其往往只能達到滿意的穩態響應），反覆學習控制器的性能要求是較為上層的研究，因為在暫態響應達到意欲的性能要求時，自然也會使控制系統達到滿意的穩態響應。所以，在對達到意欲暫態響應的過程有所要求時，反覆學習控制器的設計就顯得相當重要。換句話說，假如可使反覆學習行為能有好的性能表現，那麼自然也會使控制系統有好的性能表現。以本論文為基礎，對於反覆學習行為的控制，這樣的課題是值得繼續去深入探究的。