Diante do problema de falha de desempenho do novo sistema monocromador de dupla cristal multicanal causado por erros de paralelismo das lâminas cristalinas, propõe-se uma estratégia de Controle Preditivo baseado em Modelo de Aprendizagem Iterativa (Iterative Learning Model Predictive Control, ILMPC). Essa estratégia converte o erro de paralelismo do eixo mestre-escravo das lâminas cristalinas em uma trajetória de referência repetitiva para o motor do eixo escravo, utiliza ILC para eliminar erros mecânicos periódicos de instalação e, em seguida, usa MPC para suprimir os erros aleatórios do motor do eixo escravo durante um único ciclo de rotação. Finalmente, a estratégia foi validada em uma plataforma experimental de movimento de motor de eixo único. Os resultados experimentais mostram que o erro de rastreamento de posição do motor do eixo escravo dentro da área de trabalho efetiva da lâmina cristalina alcançou 1,44″, com reduções de 99,64%, 98,52%, 98,26% e 73,33% em comparação com controladores PID, MPC, DOB+MPC e ILC+PID, respectivamente. Os resultados verificam a eficácia da estratégia ILMPC proposta na compensação do erro de paralelismo da lâmina cristalina e na melhoria da precisão do alinhamento paralelo, possuindo bom valor prático para melhorar o desempenho do novo monocromador de dupla cristal multicanal.

controle de movimento; controle de aprendizagem iterativa; controle preditivo baseado em modelo; monocromador de dupla cristal multicanal