In this dissertation, new sliding mode control methods using neural networks are developed. Although the conventional sliding mode control is simple and insensitive to uncertainties, it has three main problems. The first one is chattering due to the discontinuous switching function in the control input. The second one is the assumption of known bounds of uncertainties. The last one is how to control the magnitude of undershoot in nonminimum phase (NMP) systems. In order to overcome these problems, we propose a new neuro sliding control using neural networks as a feedback controller. Multilayer neural networks with an error back-propagation learning algorithm are used to compensate for arbitrary uncertainties existing in the system. By virtue of the action of neural networks, the proposed control scheme reduces the steady state error which is intrinsically occurred by the boundary layer method for alleviating the chattering. Moreover, the proposed controller does not require a priori knowledge of the bounds of uncertainties. We show that the performance of tracking control depends on the learning capability of neural networks of which the learning rates can be obtained from the local convergence condition of the weight update rule. In order to control the magnitude of undershoot in NMP systems, a new control scheme using two sliding manifolds is proposed. The control design is based on two sliding manifolds which are in charge of control in turn. One is used for convergence of the state trajectory to the origin and the other for maintaining the magnitude of undershoot to the desired value. The stability of the proposed control scheme is proved with Lyapunov function method. Computer simulations show the effectiveness of the proposed control scheme.
본 논문에서는 두개의 새로운 슬라이딩 모드 제어 방법들을 제안하였다. 비록 기존의 슬라이딩 모드 제어 방법이 간단하고 불확실성에 강인한 특징을 지니고 있지만 다음과 같은 문제점들을 지니고 있다. 첫째, 제어 입력의 불연속적인 스위칭 함수 때문에 떨림 현상이 발생한다. 둘째, 불확실성의 최대 크기에 대한 정보를 알고 있어야 한다. 셋째, 비최소 위상 시스템의 하향초과의 크기를 직접적으로 제어하지 못한다. 첫 번째와 두 번째 문제점을 해결하고자 새로운 뉴로 슬라이딩 모드 제어기를 제안하였다. 오차 역전파 알고리즘으로 학습되는 신경회로망을 추가적인 되먹임 제어기로 사용함으로써 시스템에 존재하는 불확실성을 보상하게 하였다. 이로 인해 떨림 현상과 정상 상태 오차가 줄어들었다. 그리고 제안된 제어기는 신경회로망이 적응적으로 불확실성을 보상해 주기 때문에 불확실성의 크기에 대한 정보가 필요 없는 장점이 있다. 제어 성능은 신경회로망의 학습 능력에 달려 있음을 랴푸노프 함수 방법을 사용하여 증명하였고 신경회로망의 학습 법칙의 수렴성도 증명하였다. 세 번째 문제를 해결하고자 두 개의 슬라이딩 메니폴드를 사용한 새로운 슬라이딩 모드 제어 방법을 제안하였다. 첫 번째 슬라이딩 메니폴드는 시스템을 안정화시키는데 사용하고 두 번째 슬라이딩 메니폴드는 하향초과의 크기를 직접적으로 결정하는데 사용한다. 제안된 제어 방법의 안정성은 랴푸노프 함수 방법으로 증명하였다.
컴퓨터 모의시험 결과 제안하는 제어 방법들이 기존의 제어 방법들보다 더 좋은 제어 성능을 보임을 확인하였다.
