As the employment of robots has been increased due to automation, the needs of effective control scheme for various robots have also been enhanced. Moreover, high performance control of robots becomes indispensable since modern industrial societies require fast and accurate handling of products. In practical situation, every physical system has uncertainties to some degree. Since traditional linear control schemes do not perform satisfactorily, there have been various control schemes in order to cope with uncertainties. Uncertainties belong to one of two categories. The first is uncertainty with known structure when functions governing a system dynamics are known but the parameters related to the functions are unknown. The second category is uncertainty with unknown structure when we do not know about the system dynamics at all. A useful robot is one that is able to control its motion and the forces it exerts on its environments. In this paper we deal with two categories of the control : motion control and force/motion control. Our control objective in each control category is to design a controller whose output will drive the actual trajectory to the desired trajectory. We derive controllers which are able to achieve our control objective under two kinds of uncertain conditions discussed above. Firstly, we propose a robust control scheme for the control of robot motion under parametric uncertainty with known structure. The proposed controller is based on the Lyapunov based theory of guaranteed stability of uncertain systems, sometimes referred to as the Leitmann or Corless-Leitmann approach in recognition of the pioneering work of Corless and Leitmann in this area. In order to combine the advantages of adaptive controllers we include an estimation law for the upper bound on unknown parametric uncertainty. Secondly, we consider the control of robots with unknown dynamics. We use CMAC network to approximate and compensate unknown dynamics. Unlike the previous approaches, we design a stable CMAC network based controllers on the basis of Lyapunov stability theory. In addition, we treat the more advanced topics on the robot control problem. Two kinds of force/motion control schemes are proposed using CMAC network which has a role of compensating the uncertainties induced by inaccurate modelling of the system. The motion control problem of rigid-link electrically- driven robot manipulators is also treated to improve the tracking accuracy when the system has any dynamics associated with the joint actuators and these dynamics can not be neglected.
자동화의 영향으로 로봇의 이용이 증가되면서, 여러 가지 로봇을 효과적으로 제어할 수 있는 제어기에 대한 필요성이 커지고 있다. 실제 시스템은 모두 어느 정도의 불확실성을 가지고 있으며, 빠르고 정밀하게 제품을 다룰 수 있는 고성능 로봇은 보통 직접 구동식으로 되어 있기 때문에 대상 로봇이 가지고 있는 불확실성의 영향이 감소기가 달린 로봇에 비해 크게 나타난다. 이러한 불확실성에 대해 미리 알 수 없으므로, 대상 시스템에 대한 정보를 요구하는 기존의 제어방식으로는 원하는 제어성능을 얻기 힘들다.
불확실성은 크게 두 가지 종류로 분류할 수 있다. 시스템의 동력학을 지배하는 함수의 형태는 알고 있으나 이 함수들에 곱해져 있는 매개변수를 모르는 경우와 함수와 매개 변수 모두를 모르는 경우이다. 첫 번째 경우의 불확실성에 대해서는 적응제어 방식과 강인제어 방식이 제안되어 왔다. 적응제어 방식에서는 모르는 매개변수들을 추정하여 제어기를 설계하므로 광범위한 영역의 매개변수 불확실성에 대응할 수 있으나, 외란과 구조화되지 않은 불확실성 등에 매우 민감한 것으로 알려져 있다. 강인제어 방식은 매개변수 불확실성이 알려진 함수에 의해 한정된다는 가정하에 이들의 영향을 고려하여 제어기를 설계하는 방법이다. 일반적으로 강인제어 방식이 적응제어기에 비해 간단하나, 매개변수에 대한 사전지식을 요구하는 단점이 있다. 본 논문에서는 적응제어 방식의 장점을 이용하여, 매개변수 불확실성에 대한 사전지식을 요구하지 않는 강인제어기를 제안하였다. 제안된 제어기는 Lyapunov 안전도 이론에 의거하여 설계되며, 시스템을 원하는 정밀도로 제어하는 것이 가능하다. 간단한 추정법칙을 통하여 매개변수 불확실성의 상한값을 추정하며, 이 상한값을 이용하여 강인제어 입력을 계산하게 된다.
두 번째 경우의 불확실성에 대해서는 신경회로망을 이용한 제어기들이 제안되어 왔다. 신경회로망의 이용은 시스템에 대한 사전지식이 없어도 정밀한 제어가 가능하든 장점이 있으나, 시스템의 안정도 분석이 어렵고 학습속도가 느린 단점도 있다. 본 논문에서는 CMAC회로망은 구조가 간단하고 수렴이 빠르다는 장점이 있으므로, 실제 시스템에 적용시 유리하다. 기존의 제어기와는 달리, 제안된 제어기는 Lyapunov안정도 이론을 이용하여 설계된다. CMAC회로망의 수학적인 모델을 유도하였으며, 이를 이용하여 안정한 제어기를 설계하였다. CMAC회로망의 모사오차와 외란의 영향에서도 안정도를 유지할 수 있는 강인제어 기법도 제안되었다.
위에서 제안된 제어구조를 기본으로 하여 더 복잡한 로봇제어 문제들에 대한 제어 기법도 제안하였다. 힘/위치 제어문제를 다루기 위한 두 가지 제어기를 각각 축소상태 제어기법과 하이브리드 제어기법에 바탕을 두고 제안하였다. 기존 제어기들의 단점이었던 불확실성 문제를 CMAC 회로망을 이용하여 해결하였다. 또한 구동기의 영향을 고려한 제어기도 제안하였다. 구동기와 로봇 동력학을 모두 고려한 3차 시스템을 대상으로 제어기를 설계하였으며 두 개의 CMAC회로망을 이용하여 불확실성을 보상하였다. 제안된 제어기의 안정도를 Lyapunov이론을 이용하여 증명하였다.
