머신러닝 기반 지능제어와 저비용 HILS를 통한 자기부상·서스펜션 검증

ML-Based Intelligent Control and Low-Cost HILS Validation for Maglev and Suspension

연구 내용

시간지연·잡음·섭동 환경에서 강화학습 제어기를 적용하고, 저비용 HILS 테스트베드를 통해 자기부상·서스펜션 제어 성능을 검증하는 연구

반도체·디스플레이 증착 공정의 무마찰 이송에서는 시간지연과 외란이 제어 성능을 제한합니다. 본 연구는 딥 강화학습 기반 정책 제어를 적용하여 비선형 동특성과 불확실성을 함께 다루고, 기존 PID 대비 더 매끄러운 과도응답과 안정 운용을 목표로 합니다. 또한 저비용 Hardware-in-the-Loop Simulation 기반 시험 구성을 통해 마이크로프로세서에서 제어기를 실행하고 통신 방식에 따른 지연 영향을 평가합니다. 강화학습 제어기 설계와 HILS 기반 성능 테스트베드 구축을 연계하여 지능제어의 검증 절차를 확보합니다.

관련 프로젝트

2건

연구 흐름

초기에는 자기부상 컨베이어와 전기자기 서스펜션에서 시간지연, 잡음, 외란이 존재할 때 기존 제어기의 한계를 분석하고, 강화학습이 연속 상태·행동 공간에서 정책을 학습하는 방식의 적용 가능성을 검토했습니다. 이후 딥 강화학습 제어기를 설계하고 시뮬레이션에서 안정 운용과 과도응답 개선을 확인하는 흐름으로 확장했습니다. 동시에 저비용 HILS 플랫폼을 구축하여 제어기 실행 환경과 통신 프로토콜에 따른 성능 변화를 정량적으로 비교할 수 있도록 했습니다. 최근에는 반도체·디스플레이 증착 공정 이송을 대상으로 머신러닝 기반 지능제어 기술과 테스트베드를 함께 고도화하는 연구를 수행하고 있습니다.

활용 가능성

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

강화학습 기반 제어 정책
시간지연 견딤 제어 전략
저비용 HILS 테스트베드
실시간 제어기 검증
통신 지연 영향 분석
마이크로프로세서 기반 실험 운용
머신러닝 제어 튜닝 워크플로
전자기 서스펜션 시운전 자동 검증
반도체 증착공정 이송 안정화
프로토콜별 데이터 전송 성능평가