강건·적응 비선형 로봇 제어 및 신경망 기반 외란 보상

Robust/Adaptive Nonlinear Robot Control with Neural Network Disturbance Compensation

연구 내용

비선형 로봇의 추종과 자세 제어를 위해 Lyapunov 기반 적응법칙과 RBF 뉴럴 네트워크를 적용하여 외란 및 근사 오차를 보상하는 강건·적응 제어 연구

비선형 로봇 시스템에서 측정 불가능 외란과 모델 불확실성이 추종 성능을 저하시키는 문제를 다룹니다. back-stepping 제어 구조에 RBF 뉴럴 네트워크를 결합하여 잔차 입력이 줄어드는 형태로 근사 오차를 보상하고, Lyapunov 해석으로 안정성을 검증합니다. 또한 prescribed performance 기반 시간지연 추정과 RBF-NN을 함께 사용하여 오차 동역학을 제약 범위 내에서 유지하도록 설계합니다. 이러한 제어 방법을 쿼드로터 자세 제어, 스네이크 로봇 헤드 제어, 수중 글라이더·견인 수중체의 자세 및 추정 제어에 적용하는 차별성을 보유하고 있습니다.

관련 프로젝트

7건

연구 흐름

초기에는 수중 환경에서 글라이더 회수를 위한 제어 프로세스를 수립하고, ROV-글라이더 결합 동역학과 추력 특성을 고려한 cascade adaptive sliding mode 및 PI 계열 제어로 안정적 동작을 확보했습니다. 이후 2023년에는 스네이크 로봇 헤드의 비선형 구조에서 back-stepping과 RBF 뉴럴 네트워크를 결합해 근사 오차 및 측정 불가능 외란을 보상하는 방향으로 확장했습니다. 2024년에는 I-PID 기반 강건 제어에 RBF 보상항과 적응 강건항을 추가해 대변 신호 변화에도 추종 성능을 유지하도록 발전시켰습니다. 최근에는 prescribed performance 기반 시간지연 제어에 RBF-NN 잔차 보상을 결합해 페이로드 변동과 외란 상황에서도 제약 성능을 만족하도록 제어 체계를 구체화하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

비선형 로봇 추종 제어기 설계
강건·적응 외란 보상 제어
수중 무인 플랫폼 자동 회수 제어
쿼드로터 경로 추종 제어
시간지연 기반 안정성 유지 설계
다중 축 I-PID 제어 확장
측정 불가능 외란 대응
모델 불확실 환경 자세 제어
안전로봇 센서-제어 연동
이종 로봇에 대한 공통 제어 구조