Nonlinear Adaptive Control of Unmanned Helicopter Using Neural Networks Compensator

To improve the performance of inner loop based on PD controller for a unmanned helicopter, neural networks are applied. The performance of PD controller designed on the response characteristics of error dynamics decreases because of uncertain nonlinearities of the system. The nonlinearities are decoupled to modified dynamic inversion model(MDIM) and are compensated by the neural networks. For the training of the neural networks, online weight adaptation laws which are derived from Lyapunov's direct method are used to guarantee the stability of the controller. The results of the improved performance of PD controller by neural networks are illustrated in the simulation of unmanned helicopter with nonlinearities,

신경회로망 보상기를 이용한 무인헬리콥터의 비선형적응제어

PD 제어기 기반으로 설계된 무인헬리콥터의 내부루프 제어기의 성능을 향상시키기 위 하여 한 개의 신경회로망이 적용되었다. 오차방정식의 응답특성 기반으로 설계된 PD 제어기는 운동모델의 비선형성에 의해 성능이 저하된다. 이러한 비선형성은 운동모델로부터 변형된 운동 역변환 모델(Modified Dynamic Inversion Model, MDIM)로 분리되었고 신경회로망의 출력에 의해 보상되었다. 신경회로망의 학습에는 제어기 안정성 보장을 위하여 리야프노프의 직접방법(Lyapunov's direct method)으로부터 유도된 온라인 가중치 적응법칙이 이용되었다. 신경회로망에 의한 PD제어기의 성능향상은 비선형성을 갖고 있는 무인헬리콥터의 수치시뮬레이션 결과로 보였다.