• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.393-396
• /
• 2002

This note investigates the necessity of properness constraint on iterative learning controllers from the viewpoint of the initial condition problem. It is shown that unless the iterative learning controller is proper, the teaming control input may grow unboundedly and thus not be feasible in practice, though the convergence of tracking error is theoretically guaranteed. In addition, this note analyzes the effects of initial condition misalignment in the iterative learning control system on the control input and convergence property.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.41 no.3
• /
• pp.17-24
• /
• 2004

We present a P-type iterative learning control(ILC) scheme for uncertain robotic systems that perform the same tasks repetitively. The proposed ILC scheme comprises a linear feedback controller consisting of position error, and a feedforward and feedback teaming controller updated by current velocity error. As the learning iteration proceeds, the joint position and velocity mrs converge uniformly to zero. By adopting the learning gain dependent on the iteration number, we present joint position and velocity error bounds which converge at the arbitrarily tuned rate, and the joint position and velocity errors converge to zero in the iteration domain within the adopted error bounds. In contrast to other existing P-type ILC schemes, the proposed ILC scheme enables analysis and tuning of the convergence rate in the iteration domain by designing properly the learning gain.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.8 no.3
• /
• pp.9-15
• /
• 1998

This paper presents an adaptive learning control method for unknown nonlinear systems by combining neuro control and iterative learning control techniques. In the present control system, an iterative learning controller (ILC) is used for a process of short term memory involved in a temporary adaptive and learning manipulation and a short term storage of a specific temporary action. The learning gain of the iterative learning law is estimated by using a neural network for an unknown system except relative degrees. The control informations obtained by ILC are transferred to a long term memory-based feedforward neuro controller (FNC) and accumulated in it in addition to the previously stored infonnations. This scheme is applied to a two link robot manipulator through simulations.

• Journal of Korea Society of Industrial Information Systems
• /
• v.3 no.1
• /
• pp.183-191
• /
• 1998

다양한 산업분야의 생산공장에서 주로 활용되고 있는 6축 수직다관절로보트는 대부분 단순반복운동을 하고 있다. 단순반복중 point-to-point제어보다 품질을 요하는 tracking-to-trajectory 제어를 위한 분산학습제어에 대하여 연구하고자 한다. 관련 학습제어기법으로는 선형누적형기법과 간접적응기법이 있다. 두기법의 차이는 시스템 정보의 유무이며, 시스템의 주어진 상황에 따라 두 기법중 하나를 선택할 수 있다. 간접적응형 기법은 zero tracking error를 보장받기 위해서 보다 많은 반복을 요하는 경비를 부담하여야 한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.03a
• /
• pp.125-128
• /
• 1998

다양한 산업분야의 생산공장에서 주로 활용되고 있는 6축 수직다관절보트은 대부분 단순반복운동을 하고 있다. 단순반복중 point-to-point제어보다 품질을 요하는 tracking -to-trajectory제어를 위한 분산학습제어에 대하여 연구하고자 한다. 관련 학습제어기법으로는 선형누적기법과 간접적응기법이 있다. 두 기법의 차이는 시스템의 정보의 유무이며 시스템의 주어진상황에 따라 두 기법중 하나를 선택할 수 있다. 간접적응형 기법은 zero tracking error를 보장받기 위해서 보다 많은 반복을 요하는 경비를 부담하여야 한다.

• Journal of the Korean Society for Precision Engineering
• /
• v.18 no.3
• /
• pp.131-142
• /
• 2001

다양한 산업체에서 반복적인 특정업무를 수행하는 경우가 흔히 발생한다. 반복되는 오차의 경험치를 근거로 주어진 작업을 추진하는 과정에서 이들 업무의 정밀도제고를 추구함으로써 갖는 성능개선은 사업장의 품질관리와 직결된다. 학습제어의 본래 적용동기는 생산조립라인에 투입되어 반복적인 일을 수행하는 산업로봇의 정밀도 제고이다. 본 논문에서 분산이산시형시스템에서 출발하였으며, 이를 산업용로봇에 적용하기 위하여 수학적으로 모델링한 모의실험을 통하여 알고리즘의 안정성과 반복오차를 줄여가는 과정을 보여 주었다. 입출력정보가 상호간섭 하는 산업용로봇과 같은 복합구조물에서도 모든 시스템(링크)의 정밀도를 만족함을 보여 줌으로써 복합구조물에서 선형반복학습제어의 안정성을 증명하였다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1994.10a
• /
• pp.439-443
• /
• 1994

본 연구에서는,반복 학습 제어 이론에 기초하고 신경망을 이용하여 설계된 제어 기 술을 광 디스ㅋ 드라이브 시스템(Optical Disk System)을 제어하는데 적용한다. (광디스크 드라이브류에는 compact disk drive,mini drive, magnrto-optical disk drive 등이 있다) 반복 학습 제어이론은 불정확한 시스템의 제어에 이용되며 제어의 대상이 되는 시스템에 대해 보다 적은 정보로도 반복적으로 똑같은 일을 수행하는 것처럼 수행 도가 좋다. 신경망은 신경망의 입력에 대한 출력과 목표 출력간의 맵핑을 학습하고, 이 맵핑의 특성은 두 출력간(목표출력과 실제출력)의 차이를 감소시킨다. 이러한 특성을 가지는 신경망을 이용하여 제어기를 설계하고, 제안된 신경망 제어기를 광 디스크 드라이브 시 스템의 초점 제어에 적용한다. 제안된 제어 알고리즘은 다른 어떤 제어기술과 비교하여 보다 좋은 성능이 예상된다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.39 no.5
• /
• pp.1-7
• /
• 2002

In this paper, an extended type of a direct learning control(DLC) method is proposed for the effective control of systems which perform a given task repetitively. DLC methods have been suggested to overcome the defects of iterative learning control, the learning process should be resumed from the beginning even if a slight change occurs in the desired output pattern. If a given desired output trajectory is "proportional" to the output trajectories which are learned previously, we can obtain the desired control input directly without the iterative learning process by using the DLC. First, most existing DLC methods are shown to be applicable only to single-input single-output systems with the relative degree one and then, an extended type of DLC is proposed for a class of nonlinear systems having the relative degree more than or equal to one by using the known relative degree of a nonlinear system. By the simulation results for the arbitrary nonlinear system with the relative degree more than one, the validity and the performance of the proposed DLC method are examined.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.6
• /
• pp.693-698
• /
• 2004

In this paper, an iterative learning control method is applied to suppress a vibration of a 2-mass system which has a flexible coupling between a load and a motor. More specifically, conditions for the load speed without vibration are derived based on the steady-state condition. And the desired motor position trajectory is synthesized based on the relation between the load and motor speed. Finally, a PD-type iterative learning control law is applied for the desired motor position trajectory. Since the learning law applied for the desired trajectory guarantees the perfect tracking performance, the resulting load speed shows no vibration even when there exist model uncertainties. A modification to the learning law is also Presented to suppress undesired effects of an initial position error, The simulation results show the effectiveness of the proposed learning method.

• ICROS
• /
• v.11 no.3
• /
• pp.52-58
• /
• 2005