To realize an accurate tracking control system, various discrete iterative learning control algorithms have been developed for 1) a class of linear time-varying systems, 2) a class of system subjected to unknown disturbance, 3) a system whose state variables are difficult to measure, 4) a system on which mathematical modeling is difficult and only vague and imprecise information is available. To this end, we employ the well known technologies 1) Parameter estimation schemes which estimate parameters of the inverse system model and the unknown disturbances, 2) Fuzzy set theory by which human thinking and natural language can be imposed to the iterative learning controller.
To investigate the validity of the proposed algorithms, the proposed iterative control algorithms were implemented to the systems 1) Electric servo motor system, 2) Robot manipulator, 3) Hydraulic servo system, 4) Hydroforming process.
The following facts can be observed from the experimental results 1) The proposed algorithm provides high tracking accuracy in comparison with other conventional controllers since additional control input attained from learning eliminates the error due to the unknown factors of the system to be controlled, 2) Monotonic and uniform convergence can be obtained by adjusting the input modification factor, 3) The proposed algorithm successfully come up with the environment change owing to the built-in self improvement mechanism, 4) The proposed algorithm can effectively cope with unknown external disturbance since the disturbance is estimated as the operation is proceeded, 5) The proposed algorithm can be applied to the system using the output measurements instead of state variable. 6) The proposed algorithm can be easily designed for a complex and ill-defined processes by using the vague and qualitative experiences of operators or knowledge of the control engineers.
From the promising results, it has been found that the machine with the proposed learning algorithm can be accurately operated without intervention of human operator regardless of its inherent uncertainties as well as environment change.
본 논문에서는 정밀 추종제어 시스템을 구현하기 위하여, 실용성 있는 반복 학습 제어방법들을 개발하였다. 운동선수들은 같은 운동을 계속적으로 반복하면 할수록 점점 노련해진다. 이는 반복시행착오에의한 "학습 효과" 라 할 수 있다. 그러나, 일반 산업 현장의 기계들은 동일한 작업을 반복적으로 수행하더라도 초기에 부적절하게 조정되거나 노화나 주변상황이 바뀌면, 계속적으로 저급 또는 불량의 제품을 생산하게 될 것이다.
본 논문에서는 정밀고속화 추세에 있는 생산공정에 인간만이 가지고 있는 "학습 능력"을 부여하여 기계 스스로가 과거의 경험을 바탕으로 성능을 점진적으로 향상시킬 수 있도록 하였다. 이를 위하여 대상 시스템을 1) 선형 시변 시스템인 경우, 2) 외란이 존재 하는 경우, 3) 대상 시스템의 상태량을 추정하기 곤란한 경우, 4) 대상 시스템이 복잡하여 수학적 모델을 구하기 어렵고 단지 작업자나 전문가의 경험만으로만 대상 시스템이 표현할 수 있을 경우로 분류하여 이에 적합한 학습제어 방법을 잘 알려진 매개변수 추정과 훠지 방법을 이용하여 제시하였다.
이와 같이 제안된 학습제어 방법을 1) 직류 서어보 모우터제어, 2) PUMA 760 로봇제어, 3) 유압 서어보 제어, 4) 하이드로 포오밍 공정제어와 같은 실제 산업현장에 많이 사용되고 있는 대상에 적용하여 제안된 학습방법들의 효용성을 고찰하였다. 실제실험결과로부터 제안된 학습제어 방법이 대상시스템의 비선형성, 주위환경의 변화, 미지의 외란에의한 불확실성에도 불구하고, 정밀한 추종 성능과 신속한 학습을 보장한다는 것을 보일 수 있었다. 이와 같은 고무적인 결과로보아, 여기서 제안된 학습제어기와 같은 진보적 제어 방법이 계속 발전된다면, 완벽히 인간의 개입이 없는 무인화공장의 시대가 올 날도 머지 않았다고 판단된다.
