The neural network model based system identification with sliding mode learning algorithm is well modeling the system for tri-cycle landing gear plane with unknown coefficient. Sliding mode controller with reference model which is identified using neural network model is quite well control without any information of the system. Yaw rate based waypoint generator spaces the waypoint by rule. Path heading control simulation with commercial software is performed in real time neural network learning process. This algorithm is also tested in real vehicles, Soul(full-sized automobile) and F-16(scaled RC). The control performance and dynamic system identification are represented.
본 논문에서는 신경망 회로를 이용하여 삼륜형 착륙 장치를 모델링하고 슬라이딩 모드 제어를 적용하여 활주로를 자율 주행하는 시스템을 연구하였다. 불확실하거나 측정할 수 없는 계수를 갖는 삼륜형 착륙장치의 모델을 슬라이딩 모드 알고리즘을 이용한 신경망 회로 모델을 이용하여 식별하였다. 완전히 알지 못하는 시스템에 대해서 시스템에서 측정 가능한 상태와 조종 입력 만으로 신경망 회로 모델을 구축하였으며 신경망 회로를 이용하여 구축된 모델을 통해 동역학 역변환과 추가적인 슬라이딩 제어기를 통해 모델을 정확히 알지 못하는 상태에서 제어를 하였다. 신경망 회로의 갱신 알고리즘과 제어 알고리즘의 검증은 MABLAB 시뮬레이션을 통해 검증하였다.
항공기가 저속으로 이동한다는 가정에서 벗어나 신경망 회로의 확장성을 이용하여 고속 활주 시뮬레이션을 상업용 소프트웨어를 통하여 검증하였다.
실제 환경에서의 자동차(Soul)를 통한 실험과 F-16 RC 기체를 사용하여 실험하여 검증 하였으며 실험 과정중에 점 기반 항법으로부터 주어진 궤적을 따라가는 방법을 제안하였고 또한 실험을 통하여 검증 하였다.
추후 다양한 기체를 통해 확장성을 검증하고 주행뿐만 아니라 비행에도 적용하여 실험하고자 한다.
