A new co-evolutionary algorithm, of which the convergence speed is accelerated by neural networks, is proposed and verified in this thesis. To reduce computational load required for co-evolutionary optimization processes, the cost function and constraint information is stored in the neural networks, and the extra offspring group, whose cost is computed by the neural networks, is generated. It increases the offspring population size without overloading computational effort; therefore, the convergence speed is accelerated. The proposed algorithm is applied to attitude control design of flexible satellites, and it is verified by computer simulations and experiments using a torque-free air bearing system.
본 논문에서는 공진화 연산의 수렴속도를 앞당기는 가속화된 공진화 기법을 제안하여, 유연구조 인공위성의 자세 제어계 설계에 적용하였다. 설계된 제어기의 타당성은 토크프리 환경의 실험을 통해 검증하였다.
가속화된 공진화 기법은 다층 신경회로망의 근사화 특성을 이용하여, 최적화 과정에서 성능함수가 계산될 때마다 항상 신경회로망을 학습시킨다. 충분한 학습이 완료되면 추가적인 자손집단이 생성되고, 그들의 성능함수는 근사화된 신경회로망 계산에 의해 얻어진다. 신경회로망 계산은 단순한 행렬연산으로만 이루어져있으므로 추가적으로 자손집단의 크기를 증가시키더라도 계산량을 크게 증가시키지는 않는다. 그러한 방법에 의해 자손집단의 수를 증가시키면, 무리한 계산량의 증가 없이도 빠른 시간 내에 파라미터 집단을 최적점으로 수렴시킬 수 있게 된다.
제안된 알고리듬을 이용하여 유연구조 인공위성의 자세제어기를 설계하였다. 유연구조를 수학적으로 모델링한 후 제어기 설계문제를 구속조건 최적화 문제로 구성하여, 제안된 알고리듬에 의해 제어기 파라미터들이 빠르게 수렴함을 확인하였다. 제안된 알고리듬에 의해 설계된 제어기는 컴퓨터 시뮬레이션과 토크프리 환경의 실험을 통해 검증되었다.
