칼만 필터의 해는 상태공간에서 그 시스템 모델이 유효할 때만이 최적의 해를 도출하여 준다. 만약 시스템에 외부로부터의 외란이 존재하는 경우 칼만필터의 해는 더이상 최적의 해가 아니며, 적절한 보정이 가해지지 않는다면 필터가 발산하거나 더이상 유효하지 못한 출력을 발생하게 된다. 이러한 문제의 해결책은 첫째 외란의 검출, 둘째 외란크기의 예측, 그리고 마지막으로 외란으로부터의 에러에 대한 보정 이 세 가지 과정에 의하여 해결되어 질 수 있다.
본 논문에서는 칼만필터의 두 가지의 상태변화(Time update and measurement update)에 의거하여 외란의 크기를 예측해내는 새로운 방법을 제시하였다. 이러한 두가지 상태의 변화를 이용하는 방법에 의거하여 외란의 예측 문제는 보다 다루기 쉬운 트랙킹제어의 제어 입력을 구하는 문제로 치환될 수 있음을 보이고 이산영역에서의 슬라이딩 모드를 이용하여 칼만필터를 위한 강인한 외란 예측기를 설계하였다.
또한 칼만필터의 관계식을 이용하여 한 스텝 미래의 외란을 예측할 수 있는 기능을 부가함으로써 빠르게 변하는 외란에도 잘 수렴하는 외란 예측기를 설계하였다. 또한 칼만 필터에서의 에러 분산 행렬을 이용하여 외란의 유무를 확률적으로 검출해 낼 수 있는 검출 알고리듬 또한 제시하였다.
제안된 알고리듬은 표준화된 카이-스쿼어(Chi-square) 테이블을 이용할 수 있으며 칼만필터가 정상상태에 이르기 전에도 유효한 출력값을 내어준다. 그리고 샘플의 윈도우가 작더라도 그 성능의 잘 유지되므로 빠른 검출이 가능하다. 제안된 알고리듬은 컴퓨터에 의한 모의 실험결과 기존의 알고리듬보다 여러가지 외란에 대해서 강건하고 실제 상태변수를 잘 추정하는 것이 확인되었다. 또한 실제 차량의 GPS 항법장치의 신호처리에 적용한 실제실험에서 또한 빠른 수렴속도와 작은 정상상태오차를 가지는 것이 확인되었다. 제안된 알고리듬은 외란이 존재하는 칼만필터의 응용분야에 커다란 변형없이 적용될 수 있다.
레이저가 용접의 에너지원으로 사용되면서, 용접 부위의 품질을 감시하고 제어하려는 다양한 시도들이 계속되어 왔다. 연속적인 용접에 대한 검사는 많은 연구자들에 의해 수행되어 그 몇몇은 좋은 결과를 내고 있는 반면, 다양한 제품의 조립에 유용하게 사용되고 있는 점 용접에 관한 연구들은 미진하다. 본 연구에서는 레이저 점 용접 부위의 검사를 위한 새로운 방법이 성공적인 사례와 함께 소개되고 있다. 용접 품질은 접합 부위의 시간에 따른 변화와 직접적으로 연관되어 있으므로, 점 적외선 센서를 이용한 측정 방법이 이용되었다. 적외선센서를 사용하는데 한 가지 문제점이 있다. 표면에서 방출되는 열은 복사율과 표면 온도의 함수이지만, 검출 가능한 복사열은 측정 조건의 변화에 따라 왜곡된다. 이러한 이유로, 측정 조건의 변화에 영향을 받지 않는 감시의 방법을 찾을 필요가 있다. 본 논문에서는 두개의 복사 특징들을 용접 부위의 고유한 열진행 과정을 묘사하기 위한 수단으로 제안되고 있다. 복사 특징은 용접 부위의열 복사에 대한 수학적 모델로부터 유도되었고, 다양한 모의 실험과 용접실험을 통해 그 성질이 조사되었다. 용접 부위의 품질은 레이저가 가해진 직후에 형성되는 온도의 분포에 깊게 연관되어 있지만, 동일한 용접 품질을 야기할 수있는 용접 인자들의 조건은 여러 개 존재한다. 본 연구에서는, 용접 부위 온도분포 변화가 복사 특징의 변형을 통해 일관되게 해석될 수 있음을 입증하였다. 다양한 실험 결과들은 복사 특징이 용접 부위 온도 분포 변화를 감지하는데 적합함을 보이고 있다. 복사 특징을 대표하는 몇 가지 지표들이 수학적모델로부터 추출되었다. 그 지시자들은 복사 특징의 변화를 감시하는데 유용할 뿐만 아니라 용접점의 크기와 깊은 관련을 맺고 있다. 점 용접 부위는 극히 작기 때문에, 접합 강도가 중요한 정보를 제공해 주는 경우가 대부분이다. 접합 강도는 용접 품질의 가부를 직관적으로 결정하기에 좋은 정량치중 하나이다. 본 논문에서는 복사 특징의 지표들을 이용하여 접합 강도를 예측하는 한 가지 방법을 제안하고 있다. 특징의 지표들과 접합 강도의 상관 관계를 개별적으로 조사하거나 수학적으로 기술되는 해를 찾는 것이 어렵기 때문에, 신경망을 사용하여 암시적인 해를 얻었다. 중요한 용접 인자들을 제어 가능한 범위 내에서 조절하면서 얻어진 640개의 용접 점들이 신경망의 학습을 위해 사용되었고, 240개의 새로운 용접 점들이 학습된 신경망을 평가하기 위하여 사용되었다. 그 결과, 학습된 그룹에 대해 예측된 접합 강도와 측정 강도 사이의 교차 상관계수는 0.98의 높은 값을 나타내고, 학습되지 않은 그룹들에 대한 교차상관 계수는 0.95로 높게 나타났다. 또한, 학습된 용접 점들에 대한 평균자승 오차가 0.64 kgf로 낮은 만큼, 학습되지 않은 용접 점들에 대한 평균자승 오차는 0.78 kgf로 낮았다. 마지막으로, 본 연구에서는 한 공장의 용접 기계에 적용한 몇 가지 응용 예들을 보이고 있다. 예측된 접합 강도는 용접 프로세스를 감시하고 제어하는데 성공적으로 사용되었다. 다음으로, T-형 점 용접의 감시를 위하여 개발된 검사 방법을 응용해 보았다. 그 결과는 예상하지 못했던 좋은 것이었다. 검사 시스템은 허용할 수 있는 범위에서 접합 부위의 강도를 예측하였다.
