자기부상 컨베이어 시스템은 마찰이 없고 오염이 없는 운송을 가능하게 하여 반도체 클린룸과 같은 민감한 환경에 적합하다. 그러나 내재된 비선형성은 물론 소음, 교란, 시간 지연과 같은 불확실성이 함께 존재함에 따라 전통적인 제어기에 큰 도전 과제를 제기한다. 이를 극복하기 위해 본 연구에서는 딥 결정론적 정책 그래디언트(deep deterministic policy gradient) 알고리즘을 활용한 강화학습 기반 제어 전략을 제안한다. 이 알고리즘은 연속적인 상태-행동 공간을 처리하는 데 효과적이며, 복잡한 비선형 환경에서 안정적인 제어 정책을 학습할 수 있다는 점에서 선택되었다. 개발된 강화학습 기반 제어기는 기존 PID 제어기보다 시스템의 비선형 동역학과 다양한 불확실성을 보다 효과적으로 처리하도록 설계되었다. 시뮬레이션 결과, 제안된 제어기는 더 매끄러운 천이 응답과 강건한 정상상태 성능을 제공할 뿐만 아니라 시간 지연 하에서도 안정적인 운전 상태를 유지함을 보여주었다. 제안된 제어기는 다양한 불확실성을 갖는 자기부상 시스템에 적용 가능하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.