제약조건 기반 신경망 적응 제어·식별 및 강수축(AWS) 제어
Constrained Neuro-Adaptive Control, System Identification, and Contraction-Based AWS Control
연구 내용
비선형 시스템에서 신경망 기반 식별과 적응을 제약조건과 수렴 이론으로 설계해 안정성과 추종 성능을 보장하는 연구
불확실한 비선형 동역학을 대상으로 신경망 기반 적응 제어와 온라인 식별을 수행하는 연구입니다. 가중치의 크기를 제약하는 부등식 제약을 적응 법칙에 포함해 과도한 제어 입력과 불안정성을 완화하고, Lyapunov 관점에서 추종 오차와 가중치 추정치의 유계성을 분석합니다. 또한 순시 오차 대신 누적 오차를 이용하는 적응 식별을 도입해 수렴성과 모델 일관성을 개선합니다. 차량 타이어 횡력 추정과 4륜 조향의 증분 지수 수렴을 목표로 contraction theory 기반 제어를 LMI로 설계하며, 필요 시 신경망으로 불확실성을 보정합니다. 이와 함께 동기기용 GMPTC로 구속조건 하의 최적 운용을 다룹니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
2024년에는 동기기 구동에서 전압·전류 구속을 만족하면서 토크 오차와 성능지표를 동시에 최소화하는 GMPTC로 구속 최적제어의 틀을 마련했습니다. 2025년에는 불확실 Euler-Lagrange 시스템에서 신경망 적응 시 가중치 노름 제약을 도입하고, 순시 오차 중심 한계를 줄이기 위해 적분 기반 식별 법칙을 제안했습니다. 2026년에는 차량 타이어 횡력과 같은 비선형 입력-출력 매핑에 대해 누적 비용과 frozen-weight 재현성 평가를 결합해 식별 신뢰도를 높였습니다. 동시에 contraction theory와 LMI를 사용해 all-wheel steering에서 초기조건에 무관한 증분 지수 수렴을 확보하는 제어 연구로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 온라인 시스템 식별기
- 가중치 제약 기반 적응 제어기
- Lyapunov 안정성 분석 프레임
- 신경망 불확실성 보상 모듈
- 타이어 횡력 실시간 추정
- 증분 안정성 기반 조향 제어
- LMI 기반 수렴 메트릭 설계
- 구속조건 만족 예측 제어
- 로봇 추종 제어 알고리즘
- 자기장·구동계 모델 기반 제어 설계
관련 논문
구분
제목
Generalized Model Predictive Torque Control of Synchronous Machines
Imposing a Weight Norm Constraint for Neuro-Adaptive Control
Integral Error-Based Adaptive Neural Identifier for a Class of Uncertain Nonlinear Systems
Integral Error-Based Adaptive Neural Identifier for Nonlinear Lateral Tire Forces
All-Wheel Steering Vehicle Control Based on Contraction Theory with Neural Network
관련 프로젝트
구분
제목
기계공학에 기계학습을 적용하기 위한 기초연구
안정성 및 제약조건을 충족하는 온라인 심층학습 및 모빌리티 시스템 제어 응용