Abstract
In this paper, we proposed a recurrent time delayed neural network(RTDNN) controller which compensate a output of neural network controller. Even if learn by neural network controller, it can occur an bad results from disturbance or load variations. So in order to adjust above case, we used the fuzzy compensator to get an expected results. And the weight of main neural network can be changed with the result of learning a inverse model neural network of plant, so a expected dynamic characteristics of plant can be got. As the results of simulation through the second order plant, we confirmed that the proposed recurrent time delayed neural network controller get a good response compare with a time delayed neural network(TDU) controller. We implemented the controller using the DSP processor and applied in a hydraulic servo system. And then we observed an experimental results.
본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 리커런트 시간 지연 신경망(RTDNN) 제어기를 제안하였다. 학습이 완료된 신경망제어기를 사용하더라도 예상치 못한 외란으로 인해 플랜트의 출력이 좋지 못한 경우가 있는데, 이것을 적절하게 조절해 주기 위해 퍼지보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 플랜트의 역모델 신경망을 학습시킨 결과를 이용하여 주 신경망의 가중치를 변경시킴으로서 원하는 플랜트의 동적 특성을 얻게 된다. 2차 플랜트를 통한 모의실험 결과가 시간 지연 신경망(TDNN)제어기보다 더 좋은 응답 특성을 가짐을 확인할 수 있다. 제안한 제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험결과를 통하여 제안된 방법의 유용성을 보였다.
