로봇 매니퓰레이터를 위한 CMAC 신경망 컨트롤러의 최적 설계

이 논문은 소뇌 모델 산술 컴퓨터(CMAC) 신경망을 사용하여 로봇 시스템의 피드백 제어를 위한 운동 제어에 대한 이차 최적화의 적용에 관한 것이다. 로봇 시스템의 최적 제어를 위한 해밀턴-자코비-벨만(H-J-B) 방정식의 명시적 해는 대수적 리카티 방정식을 풀어 찾아진다. CMAC가 사전 오프라인 학습 단계 없이 최적화를 통해 비선형성을 처리할 수 있는 방법이 제시된다. 적응 학습 알고리즘은 리아푸노프 안정성 분석에서 도출되어, 폐쇄 루프 시스템에서 시스템 추적 안정성과 오류 수렴이 보장될 수 있다. 필터링된 추적 오류 또는 비평가 이득과 비선형 분석을 위한 리아푸노프 함수는 지정된 이차 성능 지표 측면에서 사용자 입력에서 도출된다. 두 개의 링크를 가진 로봇 매니퓰레이터의 시뮬레이션 결과는 큰 모델링 불확실성과 외부 간섭이 존재하는 경우에도 제안된 제어 방식의 만족스러운 성능을 보여준다.