Based on the approximating and the generalizing capabilities of the feedforward multilayer neural networks, many methodologies of the neuro-control have been developed for identification and control of the nonlinear dynamic systems with unknown charactreristics. Although these approaches give a possibility for construction of an efficient controller of a system which is difficult to be controlled by the conventional methods, it is still necessary for the neuro-control methods to contain the control concepts such as stability, robustness, and optimality for real applications. On the other hand, a structured information of a system may be available in real situations, and it is more benefit to use the information for construction of the system controller. In order to handle not only the unstructured numerical data but also the structured informations, a new neural network model must be developed by incorporating the fuzzy logic.
In this dissertation, new identification and control methods using neural and neuro-fuzzy networks are developed for real applications, which depend on a priori informations of the systems. The developed control methods satisfy the stability with neural system identifier and controller training algorithm. Moreover, a robustness of the control scheme is introduced to the neuro-control by combining the feedback error learning method with the sliding mode control theory. It also has the advantages that the steady state error of conventional sliding mode controller with boundary layer technique is reduced by the on-line training process of the neural controller, and the control performances can be more or less maintained by the actions of the neural controller even though the initial assumptions of uncertainty bound are violated. A new neuro-fuzzy network is developed to deal with the structured informations of a system. The proposed neuro-fuzzy network can modify and creat the fuzzy rules of a system, and also be used for finding the inverse fuzzy relations, that are the fuzzy control rules, of an unknown system. Total artificial heart with mock circulation system is used for real application of the developed controller. From the experimental results it is shown that the proposed control scheme is effective to control of hemodynamics such as aorta pressure, pulmonary arterial pressure without any transducers.
다층 구조 신경회로망의 함수 근사화 능력과 일반화 성능에 근거하여 그 특성을 알지 못하는 비선형 동적 시스템의 동정화와 제어를 위해 신경 제어의 방법들이 많이 소개되고 있다. 이들 연구 결과들은 기존의 방법들로 제어하기 어려운 시스템들에 대해 신경회로망을 이용함으로써 효과적인 제어기의 구성이 가능하다는 것을 제시하고 있지만, 실제 응용을 위해서는 전체 시스템의 안정성이나 외부 잡음에 대한 강건성, 또는 최적성의 제어 개념을 포함해야 할 필요가 있다. 한편, 시스템 특성에 대한 구조적 지식이 이용 가능 하다면 제어기를 설계하는데에 이 정보를 활용하는 것이 보다 효과적일 수 있다. 이를 위해서, 구조적 특성이 없는 수치 데이타를 다루는 기존의 신경회로망에 구조화된 정보를 이용할 수 있는 퍼지 논리의 개념을 포함시키는 새로운 모델의 개발이 필요하다.
이 논문에서는 신경회로망과 뉴로-퍼지를 이용한 불확실 시스템의 동정화와 제어에 대한 실제 응용을 위한 새로운 방법들을 제안한다. 제어하고자 하는 대상 시스템으로부터 입출력 데이타들만을 취득할 수 있는 경우, 이들 데이타를 이용하여 신경회로망 동정화기를 효과적으로 구성하는 방법에 대해 우선 설명하고, 개발된 신경회로망 동정화기를 이용하여 전체 시스템의 안정도를 보장할 수 있도록 신경회로망 제어기를 설계한다. 또한, 시스템의 상태 공간 모델에 대한 취득이 가능한 경우, 제어 구조에 대한 강건성의 개념을 신경회로망 제어기 설계에 도입한다. 이를 위해서, 궤환 오차 학습 방법과 기존의 가변 구조 제어 이론을 결합한 새로운 신경회로망 제어기를 설계하고, 안정성을 보인다. 한편, 기존의 가변 구조 제어기를 이용할때 생기는 떨림 제어 입력 문제를 해결하기 위해 사용되는 경계층 기법은 정상 상태 오차를 유발한다. 제안된 강건한 신경회로망 제어기는 신경회로망의 학습 작용에 의해 이 정상 상태 오차를 줄일 수 있을 뿐만 아니라, 가변 제어 구조 제어기의 설계에 필요한 불확실 정보의 최대 크기 한계에 대한 초기 가정이 성립되지 않더라도 신경 제어기의 학습 작용에 의해 제어 성능이 어느 정도 유지될 수 있는 장점이 있다. 그리고, 신경회로망 모델이 구조화된 정보를 처리할 수 있도록 하기 위해 새로운 뉴로-퍼지 모델을 개발하고, 이를 이용하여 시스템의 동정화기와 제어기를 구성하는 새로운 방법들을 제안한다. 또한, 개발된 뉴로-퍼지 모델을 이용하여 그 특성을 알지 못하는 시스템의 역 퍼지 관계를 찾는 방법을 소개하고, 이를 이용하여 뉴로-퍼지 제어기를 설계하는 방법을 소개한다. 또한, 개발된 제어기를 사람의 혈액 순환 과정을 모사하는 Mock 시스템에 연결된 인공 심장 시스템에 적용하여 실험함으로써 제안한 제어기의 성능을 보인다. 외부 환경의 조건이 바뀌더라도 제안된 제어기의 작용에 의해 센서를 사용하지 않고서도 대동맥압이나 폐동맥압을 잘 제어할 수 있음을 실험 결과로부터 알 수 있다.
