입력 포화를 가지는 불확실한 전기 구동 로봇 시스템에 대해 PSO를 이용한 RBFNN 기반 분산 적응 추종 제어 = RBFNN Based Decentralized Adaptive Tracking Control Using PSO for an Uncertain Electrically Driven Robot System with Input Saturation

다국어 초록 (Multilingual Abstract)

This paper proposes a RBFNN(Radial Basis Function Neural Network) based decentralized adaptive tracking control scheme using PSO(Particle Swarm Optimization) for an uncertain electrically driven robot system with input saturation. Practically, the magnitudes of input voltage and current signals are limited due to the saturation of actuators in robot systems. The proposed controller overcomes this input saturation and does not require any robot link and actuator model parameters. The fitness function used in the presented PSO scheme is expressed as a multi-objective function including the magnitudes of voltages and currents as well as the tracking errors. Using a PSO scheme, the control gains and the number of the RBFs are tuned automatically and thus the performance of the control system is improved. The stability of the total control system is guaranteed by the Lyapunov stability analysis. The validity and robustness of the proposed control scheme are verified through simulation results.

국문 초록 (Abstract)

본 논문은 입력 포화를 가지는 불확실한 전기 구동 로봇 시스템에 대해 입자 군집 최적화(PSO)를 이용한 방사형 기저 함수 신경망(RBFNN) 기반 분산 적응 추종 제어 기법을 제안한다. 실제적으로 로봇 시스템에서는 구동기의 포화로 인해 입력 전압과 전류 신호 크기가 제한된다. 제안된 제어기는 이러한 입력 포화를 극복하며, 어떠한 로봇 링크 및 구동기의 모델 파라미터들을 요구하지 않는다. 제시된 PSO 기법에서 쓰인 적합도 함수는 추종 오차만이 아니라 전압과 전류의 크기를 포함하는 다중 목적 함수로 표현된다. PSO 기법을 이용하여 제어 이득과 방사형 기저 함수의 개수가 자동으로 조정되어 제어 시스템의 성능이 개선된다. 리아푸노프 안정도 해석에 의해 전체 제어 시스템의 안정도가 보장된다. 제안된 제어 기법의 타당성과 강인성이 시뮬레이션 결과를 통해 검증된다.

참고문헌 (Reference)

1 신진호, "제한된 전류 및 전압 입력을 가지는 로봇 시스템에 대한 분산형 적응 경계 제어기의 설계" 한국정보기술학회 14 (14): 19-27, 2016

2 J. Park, "Universal approximation using radial-basis-function networks" 3 : 246-257, 1991

3 H. Liu, "Saturated adaptive back-stepping control for robot manipulators with RBF neural network approximation" 1550-1555, 2016

4 J. Kennedy, "Particle Swarm Optimization" 1942-1948, 1995

5 M. Vijay, "PSO based neuro fuzzy sliding mode control for a robot manipulator" 4 (4): 243-256, 2017

6 N. K. Goswami, "Gain tuning of Lyapunov function based controller using PSO for mobile robot control" 295-299, 2016

7 Z. J. Yang, "Decentralized adaptive robust control of Robot Manipulators Using Disturbance Observers" 20 (20): 1357-1365, 2012

8 M. Homayounzade, "A robust tracking controller for electrically driven robot manipulators: stability analysis and experiment" 12 (12): 83-92, 2015

9 D. J. Loez-Araujo, "A generalized global adaptive tracking control scheme for robot manipulators with bounded inputs" 29 (29): 180-200, 2015

10 M. Mendoza, "A PID-type global regulator with simple tuning for robot manipulators with bounded inputs" 6335-6341, 2015

11 서현세, "6족 보행 로봇에서의 최적 머니퓰레이션" 한국융합신호처리학회 16 (16): 168-174, 2015