Perturbations such as state disturbances, measurement noise, initialization error and set-point changes are inevitable in learning control systems and tend to gradually deteriorate the performance of the learning control systems. To resolve this problem, when the perturbations are introduced in the learning control systems, the behavior of the learning law is investigated in the error state space and a novel learning paradigm that can efficiently eliminate the effect of perturbations on the overall system is proposed. The proposed paradigm of learning says that the learning or rule modification in the controller should occur in consideration of both the system's current performance and the system's behavioral tendency as well.
At first, it is considered to design robust direct and indirect fuzzy logic-based learning controllers that can be applied for tracking control of a class of uncertain nonlinear SISO systems. It is shown that, in the presence of the perturbations such as approximation error of fuzzy system and external signals, boundedness of all the signals in the system is ensured and, while under the assumption of no perturbations, the stability of overall system is guaranteed. The concept of persistent excitation in the fuzzy logic-based learning control systems is first utilized to guarantee the convergence and boundedness of adaptation parameter in the proposed learning controllers. Robustness and stability of the proposed control system are proved. Also, it is observed that parameter and tracking error convergence in the proposed method can be smoother and faster than the previous fuzzy learning controllers. Two simulations are conducted to show the robustness property of the proposed controllers.
Then, a robust self-learning fuzzy controller for a class of nonlinear MIMO systems is proposed based on the proposed learning paradigm. The well-known techniques of sliding mode control and the fuzzy decision making method are utilized to implement the proposed learning scheme in the learning controller. Via simulation study and experiments, the proposed learning controller is verified to be robust in the presence of external signals.
Finally, robust iterative learning control algorithms for both continuous linear/nonlinear systems and discrete linear/nonlinear systems are proposed. In contrast to conventional algorithms, the proposed learning algorithms are constructed based on both time-domain performance and iteration-domain performance. The robustness of the proposed learning algorithms is proved. Also, it is shown that the proposed methods can improve the tracking and convergence accuracy. Numerical examples are provided to show the effectiveness of the proposed algorithms.
학습제어기를 실제 시스템에 적용할 때는 외란, 노이즈, 초기화 오차, 근사화 오차, 설정값 변화 등과 같은 피할수 없는 섭동들이 존재하게 된다. 이러한 섭동들은 전체 학습제어시스템의 성능을 저하시키는 주요 원인이 된다. 본 연구에서는 이러한 섭동들의 효과를 효율적으로 제거하여 전체 시스템의 강인성 및 안정성을 보장하는 학습제어기를 설계하는 문제를 다루었다. 먼저 섭동들이 존재할 때 학습규칙의 행동을 고찰하여 섭동들의 효과를 제거할 수 있는 새로운 학습패러다임을 제안하였다. 기존의 학습제어시스템들에서의 학습은 주로 시스템의 현재 성능을 평가하여 이루어지는 데 반하여, 제안한 방법은 시스템의 현재 성능뿐만 아니라 시스템의 성능 변화 추이까지도 고려하여 학습을 하는 것이다.
이러한 학습 방법은 먼저 직접/간접 퍼지논리 학습제어기의 설계에 적용되었다. 제안한 학습제어시스템은 근사화 오차와 외란이 존재할때도 전체 시스템의 강인성이 보장되며, 이러한 섭동들이 없어지면 전체 시스템의 안정성이 보장되는 것을 수학적으로 증명하였다.
또한, 제안한 시스템은 기존의 방법들에 비해서 보다 나은 계수 추정과 궤적 추적 성능을 가지고 있다는 것을 보였다. 이러한 사실들은 시뮬레이션 연구를 통해 타당성을 검증하였다. 또한, 직접 퍼지논리 학습제어기의 설계방법을 확장하여 다입력다출력의 비선형 시스템의 추적제어를 위한 자기학습 퍼지제어기를 제안하였다. 제안한 학습패러다임을 구현하기 위해 퍼지규칙을 이용한 판단 기법과 슬라이딩모드 제어기법을 이용하였다. 제안한 방법의 유용성은 시뮬레이션과 실험을 통해서 검증하였다.
마지막으로 시간영역의 성능뿐만아니라 반복영역의 성능을 이용한 강인한 반복학습제어기를 제안하였다. 제안한 반복학습 제어시스템은 섭동들이 존재해도 강인성이 보장된다는 것을 수학적으로 증명하였으며, 시뮬레이션 연구를 통해 그 타당성을 보였다.
