In this thesis, a class of iterative learning control systems is investigated, and two different types of learning control methods are presented. In particular, the technique is shown to be useful for the path control of robot manipulators.
Specifically, the plant to be controlled is assumed to be linear and time-varying but also periodic so that the plant dynamics remains the same at each iterative operation. In order to find a control input which makes the system state track the desired trajectory within a given error bound for all time, an iterative learning control method is first proposed which is based on a parameter estimator together with an inverse system model to generate the control signal at each iteration. In particular, the parameter estimation is performed with respect to the domain of discrete iterative sequence of operation with time frozen, not with respect to the usual continuous time domain as done in conventional adaptive control techniques. Also, a convergency proof for the algorithm is given. Then the method is shown to be applicable for the motion control of a robot manipulator via linearized model.
Another type of an iterative learning control method is proposed by employing a model algorithmic control together with an inverse system model. The proposed model algorithmic control is utilized with respect to the domain of discrete sequence of operation with time frozen, which is different from the conventional model algorithmic control techniques. Also a sufficient condition for convergency of the method is given and two numerical examples, one for a linear periodic system and one for a two link robot manipulator, are illustrated to show the validities of the second method.
It is shown that both of the methods are capable of learning in the sense that the subsequent performance of the system is improved in the next operation with the aid of information of previous operation as well as current process data. Finally, it is further shown that the model algorithmic learning method can be directly applicable for continuous-path control of a nonlinear robot manipulator by simulation.
본 논문에서는, 반복 학습 제어 시스템에 대한 조사를 통하여 로봇트 매니퓰레이터의 경로제어에 유용한 두 종류의 학습제어 방법들을 제안하였다.
제어 대상 시스템은 매 반복 시행시에 같은 플랜드 다이내믹스가 유지되도록 주기성을 갖는 선형 시변 시스템으로 가정하였고 시스템의 파라미터는 미지의 파라미터를 포함하고 있다고 가정하였다. 이러한 시스템에 대하여, 동작이 수행되는 전 시간 구간동안 주어진 오차 한계내에서 시스템의 상태 벡터가 원하는 궤적을 추종할 수 있도록 하는 제어 입력을 구하는 것을 제어 문제로 하였다.
이러한 제어문제를 풀기위하여 3장에서는 시스템의 역 모델 및 파라미터 추정기를 이용한 반복학습 제어 방법을 제안하였다. 특히 제안된 파라미터 추정기는, 보통의 적응제어 기법에서와 같이 동작이 수행되는 시간축에 대하여 파라미터를 추정하지 않고, 시스템의 주기성을 고려하여 매 반복시행마다 일정한 시간 점에서 얻은 데이타를 이용하여 반복동작 축에 대하여 파라미터를 추정하였다. 그 결과 잘 알려진 시불변 시스템에 대한 반복 최소 자승 추정법을 시변 시스템에 적용하여 사용할 수 있었다. 제시된 방법이 동작을 반복함에 따라 원하는 동작에 수렴한다는 것을 보였고, 단일입출력 선형시변 시스템에 대한 수치예제를 통하여 제시된 방법의 유용성을 보였다. 또한 로봇트 매니퓰레이터에 대한 선형화된 모델을 유도하여 제시된 방법이 로봇트의 동작제어에도 유용하다는 것을 보였다.
4장에서는 시스템의 역모델및 모델 알고리즘 제어를 이용한 새로운 반복 학습제어방법을 제시하였다. 본 방법은 기존의 모델 알고리즘 제어 방법을 3장에서와 같이 반복 동작축으로 변형하여 사용하였다. 제시된 알고리즘이 수렴하기 위한 충분조건을 제시하였고 단일 입출력 선형 시스템및 2개의 자유도를 갖는 로봇트의 선형화된 시스템에 대한 예제를 통하여 타당성을 제시하였다.
제시된 방법들은 과거및 현재 수행하여 얻은 정보를 이용하여 미래 동작이 원하는 동작을 하도록 시스템을 제어한다는 점에서 학습 기능을 갖는 다는 것을 보였고, 기존의 다른 학습제어 방식에 비하여 수렴속도가 훨씬 우수하다는 것을 컴퓨터시뮬레이션을 통하여 입증하였다.
마지막으로 5장에서는 비선형 다이내믹스를 갖는 로봇트 매니퓰레이터의 경로제어를 위한 모델 알고리즘적 반복 학습제어 방법을 제시하였고 컴퓨터 시뮬레이션을 통하여 제안된 알고리즘의 우수성을 보였다. 그러나 전체 시스템에 대한 안정성이나 제안 된 알고리즘의 수렴성등에 대하여는 앞으로의 연구과제로 남아있다.
