비선형 전동기 제어 및 최적 제어는 전동기의 비선형 특성을 고려하여 시스템의 안정성과 성능을 극대화하는 제어기 설계에 중점을 둡니다. 본 연구실에서는 선형 파라미터 가변(LPV) 모델을 활용하여 비선형 시스템을 효과적으로 해석하고, 이를 기반으로 H∞ 및 H2 제어, 슬라이딩 모드 제어, 백스테핑 등 다양한 현대 제어 기법을 적용하고 있습니다. 이러한 접근은 전동기의 동적 특성 변화와 외란에 강인한 제어 성능을 보장하며, 실제 산업 현장에서 요구되는 높은 정밀도와 신뢰성을 제공합니다. 특히, 영구자석 동기모터(PMSM), 브러시리스 DC 모터, 스테퍼 모터 등 다양한 전동기 시스템에 대해 토크 변조, 상태 관측기, 비선형 관측기, 마이크로스테핑 등 첨단 제어 알고리즘을 개발하고 있습니다. 실험 및 시뮬레이션을 통해 제안된 제어기의 효과성을 검증하며, 기존의 PID 제어 등 전통적 방식과 비교하여 우수한 추종 성능과 외란 억제 능력을 입증하였습니다. 이러한 연구는 반도체, 정밀 공정, 로봇, 전기차 등 다양한 산업 분야에 적용될 수 있으며, 향후 스마트 팩토리, 자율주행, 에너지 효율화 등 미래 산업의 핵심 기술로 발전할 수 있습니다. 또한, 제어기 설계의 이론적 기반과 실용적 응용을 동시에 추구함으로써 학문적·산업적 파급효과가 매우 큽니다.

데이터 기반 제어는 전통적인 물리 모델링을 넘어, 실제 시스템에서 수집된 데이터를 활용하여 시스템의 동특성을 식별하고, 이를 기반으로 최적의 제어기를 설계하는 첨단 연구 분야입니다. 본 연구실은 데이터 기반 시스템 식별, 강화학습, 딥러닝 등 인공지능 기법을 접목하여 기존 모델 기반 제어의 한계를 극복하고, 복잡한 비선형 시스템에서도 높은 제어 성능을 실현하고 있습니다. 특히, 로봇 매니퓰레이터, 전력계통, 마이크로그리드, 전기차 충전 시스템 등 다양한 응용 분야에서 데이터 기반 제어 이론을 실제로 적용하고 있습니다. 예를 들어, 통신 지연이나 외란이 존재하는 환경에서 강화학습 기반의 제어 알고리즘을 개발하여, 로봇의 위치 추종 성능을 향상시키고, 전력계통의 고장 진단 및 에너지 관리 시스템의 최적화에도 인공지능을 적극적으로 활용하고 있습니다. 이러한 연구는 4차 산업혁명 시대의 스마트 시스템 구현에 필수적인 요소로, 실시간 데이터 처리, 예측, 최적화, 자율 제어 등 다양한 기술과 융합되어 미래 지능형 시스템의 핵심 기반을 마련합니다. 또한, 데이터 기반 제어는 기존의 제어 이론과 인공지능의 융합을 통해 새로운 연구 패러다임을 제시하며, 산업 현장의 자동화·지능화에 크게 기여할 것으로 기대됩니다.

로봇 매니퓰레이터와 에너지 시스템의 지능형 제어는 본 연구실의 또 다른 핵심 연구 분야입니다. 로봇 제어에서는 통신 지연, 외란, 비선형성 등 실제 환경에서 발생하는 다양한 문제를 고려하여, 강화학습, 예측기 기반 알고리즘, 슬라이딩 모드 제어 등 첨단 기법을 적용하고 있습니다. 이를 통해 로봇의 위치 및 경로 추종 성능을 극대화하고, 산업용 로봇, 자율주행 차량, 무인이동체 등 다양한 응용 분야에 적용하고 있습니다. 에너지 시스템 분야에서는 마이크로그리드, 분산 에너지 자원(DER), 하이브리드 에너지 저장장치(ESS) 등 차세대 에너지 인프라의 최적 운용을 위한 제어 및 관리 알고리즘을 개발하고 있습니다. 예측 오차 보상, 실시간 경제 급전, 고장 진단 등 다양한 문제에 대해 인공지능 및 최적화 기법을 접목하여, 에너지 효율성과 신뢰성을 동시에 확보하고 있습니다. 이러한 연구는 친환경 에너지, 스마트 그리드, 재난 감지 및 대응 등 사회적 요구에 부응하는 기술로, 미래 지능형 인프라 구축에 중요한 역할을 하고 있습니다. 또한, 로봇과 에너지 시스템의 융합 제어는 산업 자동화, 스마트 시티, 재생에너지 확산 등 다양한 분야로 확장될 수 있어, 학문적·실용적 가치가 매우 높습니다.