비선형 시스템은 실제 환경에서 자주 접할 수 있는 복잡한 동적 시스템으로, 기존의 선형 제어 이론만으로는 안정적이고 효율적인 제어가 어렵습니다. 본 연구실에서는 이러한 비선형 시스템의 동작 특성을 정확히 분석하고, 다양한 외란과 불확실성 하에서도 안정적으로 동작할 수 있도록 지능형 제어 및 필터 설계 기법을 개발하고 있습니다. 특히, Takagi-Sugeno 퍼지 시스템, 신경망 기반 모델 등 다양한 비선형 모델링 기법을 활용하여 시스템의 동적 특성을 정밀하게 파악하고, 이를 바탕으로 한 제어 및 필터링 전략을 연구합니다. 지능형 제어는 인공지능, 퍼지 논리, 신경망 등 첨단 알고리즘을 접목하여 기존 제어 방식의 한계를 극복하는 데 중점을 둡니다. 예를 들어, 퍼지 제어와 신경망 제어를 결합한 하이브리드 제어 기법을 통해 복잡한 시스템의 비선형성과 불확실성을 효과적으로 처리할 수 있습니다. 또한, LMI(Linear Matrix Inequality) 기반의 강인 제어 및 필터 설계 기법을 도입하여, 시스템의 안정성과 성능을 수학적으로 보장하는 연구도 활발히 이루어지고 있습니다. 이러한 연구는 자율주행 차량, 드론, 로봇 등 실제 응용 분야에서의 신뢰성 높은 제어 시스템 구현에 필수적입니다. 비선형 시스템의 특성을 반영한 지능형 제어 및 필터 설계는 미래의 스마트 모빌리티, 자동화 시스템, 산업용 로봇 등 다양한 분야에서 핵심적인 역할을 할 것으로 기대됩니다.

최근 인공지능 기술의 발전과 함께 딥러닝을 활용한 영상 및 음성 복원, 그리고 비전 기반 자율주행 제어 기술이 주목받고 있습니다. 본 연구실에서는 딥러닝 기반의 이미지 복원, 노이즈 제거, 음성 향상 등 다양한 신호 복원 문제를 다루고 있으며, 실제 환경에서 발생하는 다양한 왜곡과 노이즈를 효과적으로 제거하는 알고리즘을 개발하고 있습니다. 예를 들어, 복잡한 그림자 제거, 강우 환경에서의 영상 복원, 음성 신호의 잡음 제거 등 실질적인 문제 해결에 초점을 맞추고 있습니다. 또한, 비전 기반 제어 기술은 자율주행 차량과 드론 등에서 핵심적인 역할을 합니다. 본 연구실은 딥러닝과 컴퓨터 비전 기술을 융합하여, 실시간으로 환경을 인식하고 경로를 추종하거나 장애물을 회피하는 자율주행 시스템을 개발하고 있습니다. 특히, 단안 카메라를 이용한 깊이 추정, 시각-관성 센서 융합, 비주얼 오도메트리 등 첨단 기술을 적용하여, 다양한 환경에서도 높은 신뢰성과 정확도를 보장하는 자율주행 제어 솔루션을 연구합니다. 이러한 연구는 스마트 시티, 무인 운송, 산업 자동화 등 다양한 분야에 적용될 수 있으며, 실제 논문 및 국제 학회 발표를 통해 그 우수성을 입증하고 있습니다. 앞으로도 본 연구실은 딥러닝과 제어 이론의 융합을 통해, 더욱 지능적이고 실용적인 영상 및 음성 복원, 자율주행 제어 기술을 선도해 나갈 것입니다.