초록 close

본 논문에서는 시간지연이 존재하고 시스템 파라미터가 변하는 비선형 비최소위상 시스템에서도 만족스러운 제어성능을 얻기 위해 PID구조를 갖는 일반화 최소분산 자기동조제어기와 신경회로망 제어기를 병렬로 결합한 제어기를 제안한다. PID구조를 갖는 자기동조는 PID제어기처럼 구조가 간단하고 계통을 정밀하게 제어하는 자기동조 제어기의 특성을 그대로 유지할 수 있다. 일반화 최소분산 자기동조 제어기 파라미터는 비선형 시스템을 선형시스템으로 간주하고 순환최소자승법으로 추정하여 제어값을 얻었다. 역전파 학습 알고리듬을 사용하는 신경회로망 제어기는 비선형 부분의 제어를 보상하기 위해 필터된 기준입력과 필터된 플랜트 출력이 같도록 제어값을 출력한다. 제어 알고리듬의 타당성을 확인하기 위해 시간 지연이 있는 비선형 시스템과 일정한 시간이 경과한 후 시스템의 파라미터가 변하는 비선형 비최소위상 시스템에 대해 컴퓨터 시뮬레이션을 하였다. 그리고 신경회로망에 의한 직접 적응 제어기의 제어성능과 비교하였다.


This paper presents the parallel neuro-generalized minimum-variance self-tuning controller with a PID structure which adapts to the changing parameters of the nonlinear system with nonminimum phase behavior and time delays. The self-tuning controller with a PID structure is a combination of the simple structure of a PID controller and the characteristics of a self-tuning controller that can adapt to changes in the environment. The self-tuning control effect is achieved through the RLS (recursive least square) algorithm at the parameter estimation stage and the neural network control effect which compensates for nonlinear factor is obtained from the learning algorithm which the learning error between the filtered reference and the auxiliary output of plant becomes zero. The proposed method is compared with a direct adaptive controller using a neural network. The effectiveness of the proposed algorithm is demonstrated by the computer simulation of the nonlinear nonminimum phase system with time delays and changed system parameter after a constant time.