모델불확실성과 외란에 강인한 RBFNN 백스테핑 제어기 설계

Abstract

본 연구에서는 모델불확실성과 외란이 있는 산업용 머니퓰레이터 시스템을 위한 Radial Basis Function(RBF)인공신경망 기반의 적응 백스테핑 제어 방식을 제안한다. 모델불확실성과 외란이 있는 로봇 시스템에 대한 비선형 상태공간식을 구성하고, 위치추종제어에 대해 일반적인 백스테핑 방식을 제안하고 제어입력을 완성할 수 없는 이유를 설명한다. 오차기반 방사신경망 백스테핑 제어기(Error Basis RBFNN Adaptive Backstepping Control)는 모델불확실성과 외란에 의해 만들어진 불확실한 제어로 형성된 오차를 보상하는 능력이 있고, 본 제어기의 적응칙 함수는 리아프노프 (Lyapunov)를 기반으로 제어의 안정성을 보일 수 있게 설계하였다. 오차를 외란과 모델불확실성을 추정하는 RBF 인공신경망의 입력벡터의 요소로 설정함으로써 백스테핑제어기의 제어입력값과 RBF 인공신경망의 보상입력값의 안정성을 판별할 수 있으며, 본 오차기반 방사신경망 백스테핑 제어기의 제어 안정성은 리아프노프함수를 기반으로 UUB (Uniformly Ultimately Bounded) 안정함을 증명해 제어 변수의 범위를 설정할 기준을 마련하였다. 3차원 공간에서 위치를 추종하는 3자유도 머니퓰레이터 시스템에 대한 모의실험으로 제안한 제어기 방법의 성능을 증명했으며, 현존하는 기타제어기와의 성능비교를 통해 본 제어기의 우수성을 입증했다.