PI采用全新的基于學習的控制算法

實現(xiàn)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(xiàn)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(xiàn)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(nèi)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(xiàn)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。