이 논문은 부분적으로 모델링된 공정 동역학을 갖는 시스템에서 상태 및 비선형 함수 추정을 위한 신경-적응 관측기(neuro-adaptive observer)를 개발한다. 개발된 적응 관측기는 상태와 비선형 함수가 모두 실제 값으로 수렴하는, 지수적으로 안정한 추정 오차를 제공함이 입증된다. 신경 근사기가 실제 비선형 함수에 대해 근사 오차를 갖는 경우, 관측기는 추정 오차에 대한 상계(bound)를 제공하는 데 사용할 수 있다. 이 논문은 공정 동역학이나 출력 방정식이 신경망 가중치의 선형 함수라는 가정이 필요하지 않으며, 대신 공정 동역학에서의 합리적인 선형-어파인(affine) 매개변수 의존성을 가정한다. 볼록(convex) 문제를 정식화하고, 이에 상응하는 폴리토픽(polytopic) 관측기 설계 방법을 개발한다. 마지막으로, 시스템 식별을 위한 신경-적응 관측기와 상태 추정을 위한 정규(non)선형 관측기를 전환하는 하이브리드 추정 시스템이 제안된다. 전환 운전은 적절한 측정이 이용 가능할 때마다 매개변수 추정 갱신을 가능하게 한다. 개발된 적응 관측기의 성능은 Van der Pol 발진기와 단일 링크 로봇에 대한 시뮬레이션을 통해 확인된다. 적용에서는 적응 이득(adaptation gains)에 대한 수동 조정이 필요 없으며, 상태와 비선형 함수에 대한 추정이 모두 성공적으로 수렴한다.

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