[논문]스키드형 무인자율차량을 위한 신경망 기반 적응제어 기법 설계

신종호; 주상현

doi:10.5302/j.icros.2014.14.8023

스키드형 무인자율차량을 위한 신경망 기반 적응제어 기법 설계
NN-based Adaptive Control for a Skid-type Autonomous Unmanned Ground Vehicle 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.20 no.12, 2014년, pp.1278 - 1283

Abstract ▼ AI-Helper

This study proposes a NN (Neural Networks)-based adaptive control method for a 6X6 skid-type UGV (Unmanned Ground Vehicle) with 6 in-wheel motors. The UGV experiences lots of uncertainties and, thus, the control performance can degrade significantly without a compensation of the unknown terms. To improve the control performance of the UGV, the NN is utilized to design the adaptive controller. Then, the designed overall force and moment are optimally distributed into 6 traction forces with the assumption that six vertical forces of the UGV are known exactly, because the six traction forces are original source to be excited to the UGV to move. Finally, numerical simulations with the TruckSim model are performed to validate the effectiveness of the proposed approach.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 동체좌표계의 x, y방향 속도를 합한 전체 속도 Vt를 정의하고 Vt와 ψ를 제어하는 제어기를 설계하고자 한다.
본 논문에서는 스키드형 무인차량의 자율주행을 위한 신경망 기반 적응제어기법을 제안하였다. 무인차량의 전체속도와 요각 추종 제어기를 설계할 수 있도록 동역학을 모델링하였고, 모델링 시 발생하게 되는 불확실성을 보상하기 위한 신경망 기반 적응제어기법을 설계하였다.
그리하여 감시정찰 및 타격, 폭발물 탐지/제거 등 야지에서 운용되는 무인차량이 임무를 수행하기에 유리하기 때문이다. 본 논문에서는 스키드형 무인차량의 자율주행을 위한 신경망(NN: Neural Network) 기반 적응제어(adaptive control) 기법을 제안한다.
또한 참고문헌[4]에서는 fuzzy logic을 활용한 제어기법을 제시하였고, 참고문헌[5]에서는 optimal finite preview 제어기법을 활용한 경로추종제어기법을 제안하였다. 본 논문에서는 실제 무인차량과 동역학 모델과의 차이를 보상하기 위해 신경망을 활용한 적응제어기법을 제안한다.

가설 설정

F_zi는 각 타이어에 작용하는 수직력을 의미하며, 본 연구에서는 측정이 가능하다고 가정한다.
이러한 비선형 모델을 완벽하게 모델링한다는 것은 불가능할 뿐만 아니라, 모델링이 가능하더라도 그러한 비선형 모델을 활용하여 제어기를 설계한다는 것은 불가능하다. 따라서 동체좌표계의 x, y축과 yaw 운동으로 구성된 3자유도 모델을 활용하여 제어기를 설계하는 것이 일반적이며 생략된 다양한 비선형 요소는 불확실 요소로 가정한다. 본 논문에서 고려한 3자유도 모델은 다음과 같다(그림 1 참고).
따라서 불확실성 Δ1과 Δ2를 3겹으로 구성된 신경망으로 가정한다.

제안 방법

는 3 × 10 행렬로 선정하였다. 각 파라미터의 마지막 하나는 1로 선정하여 bias도 동시에 추정하는 형태로 설계하였다.
본 장에서는 III장에서 제안한 신경망 기반 적응제어기법의 타당성을 검증하기 위해 다축 차량 동역학 시뮬레이터인 TruckSim을 활용하여 수치 시뮬레이션을 수행하였다. 더불어 제안된 기법의 우수성을 확인하기 위해 비례미분제어기를 활용한 시뮬레이션을 수행하였다.
본 논문에서는 스키드형 무인차량의 자율주행을 위한 신경망 기반 적응제어기법을 제안하였다. 무인차량의 전체속도와 요각 추종 제어기를 설계할 수 있도록 동역학을 모델링하였고, 모델링 시 발생하게 되는 불확실성을 보상하기 위한 신경망 기반 적응제어기법을 설계하였다. 신경망 요소의 잔여 추정 오차를 제거하기 위한 적응 요소를 추가하였고, deadzoned 오차를 활용하여 안정성 증명 시 고려되는 모든 오차의 UUB가 아닌, 속도 및 요각 추종 오차만의 UUB를 얻을 수 있었다.
부드러운 속도와 요각 명령, 그리고 그들의 미분값을 획득하기 위해 각각 1차 필터와 2차 필터를 설계하였다. 벡터필드의 중심은 (100,100)(m)으로 선정하였고, 무인차량은 (0,0)에서 출발하여 반지름 30(m)인 원으로 수렴하는 시뮬레이션을 수행하였다.
본 논문에서는 불확실성 Δ1과 Δ2를 제거하기 위해 신경망을 활용한다.
본 장에서는 III장에서 제안한 신경망 기반 적응제어기법의 타당성을 검증하기 위해 다축 차량 동역학 시뮬레이터인 TruckSim을 활용하여 수치 시뮬레이션을 수행하였다. 더불어 제안된 기법의 우수성을 확인하기 위해 비례미분제어기를 활용한 시뮬레이션을 수행하였다.
제어목표인 속도 및 요각 추종 성능을 확인하기 위해, 일정한 속도 명령과 limit cycle 기법[14]을 활용한 요각 명령을 생성하였다. 부드러운 속도와 요각 명령, 그리고 그들의 미분값을 획득하기 위해 각각 1차 필터와 2차 필터를 설계하였다. 벡터필드의 중심은 (100,100)(m)으로 선정하였고, 무인차량은 (0,0)에서 출발하여 반지름 30(m)인 원으로 수렴하는 시뮬레이션을 수행하였다.
한편, 무인차량을 위해 결정되는 전체 힘과 모멘트는 결국 타이어의 구동력으로 변환되어야 한다. 이를 위해 무인 차량의 수직력을 획득할 수 있다는 가정하에 결정된 힘과 모멘트를 각 타이어에 필요한 구동력으로 변환하는 알고리듬을 제안한다[13].
또한 신경망의 형태를 3층(three layered NN)로 설계하게 되면 가중 파라미터 오차변수를 정의 할 때 새롭게 제거해야할 잔여오차들이 생성된다[9]. 이에 본 논문에서는 참고문헌 [10]에서 제안한 방법을 활용하여 신경망요소의 적용 후 남게 되는 모든 오차를 추정하는 알고리듬을 추가한다. 그리하여 제안된 제어기법은 차량모델의 불확실 요소 뿐만 아니라 불확실 요소를 제거하기 위해 투입되는 신경망 요소로 인해 남게 되는 잔여오차를 효과적으로 제거할 수 있다.

대상 데이터

본 논문에서는 TruckSim 프로그램이 탑재하고 있는 모델을 기반으로 시뮬링크 파일을 생성하였고, 활용한 모델의 총 질량은 6300kg, 회전관성모멘트 I z는 6721kg·m 2이며 타이어의 지름은 약 1m이다.

데이터처리

신경망 요소의 잔여 추정 오차를 제거하기 위한 적응 요소를 추가하였고, deadzoned 오차를 활용하여 안정성 증명 시 고려되는 모든 오차의 UUB가 아닌, 속도 및 요각 추종 오차만의 UUB를 얻을 수 있었다. 차량동역학 해석 프로그램 TruckSi m을 활용하여 제안한 제어기법의 타당성을 검증하였다. 향후 제안된 기법을 활용하여 실제 무인차량을 제어하는 실험을 수행하고 타당성을 검증할 계획이다.

이론/모형

제어목표인 속도 및 요각 추종 성능을 확인하기 위해, 일정한 속도 명령과 limit cycle 기법[14]을 활용한 요각 명령을 생성하였다. 부드러운 속도와 요각 명령, 그리고 그들의 미분값을 획득하기 위해 각각 1차 필터와 2차 필터를 설계하였다.

성능/효과

그림 2는 무인차량의 속도 및 요각 추종 오차를 보여주며, 그림 3은 무인차량의 이동궤적을 나타낸다. 결과에서 확인할 수 있듯이, 제안된 신경망 기반의 적응 제어기법은 비례미분제어기법보다 우수한 성능을 보이고 있다. 그림 4와 5는 각 타이어에 가진되는 구동 명령을 보여준다.
이에 본 논문에서는 참고문헌 [10]에서 제안한 방법을 활용하여 신경망요소의 적용 후 남게 되는 모든 오차를 추정하는 알고리듬을 추가한다. 그리하여 제안된 제어기법은 차량모델의 불확실 요소 뿐만 아니라 불확실 요소를 제거하기 위해 투입되는 신경망 요소로 인해 남게 되는 잔여오차를 효과적으로 제거할 수 있다.
본장에서는 앞장에서 유도한 동역학 모델 (3)을 활용하여 속도 및 요각 추종을 위한 신경망 기반 적응제어기를 설계하고 전체 폐루프 시스템이 UUB (Uniformly Ultimate Boundedness)가 됨을 증명한다.
무인차량의 전체속도와 요각 추종 제어기를 설계할 수 있도록 동역학을 모델링하였고, 모델링 시 발생하게 되는 불확실성을 보상하기 위한 신경망 기반 적응제어기법을 설계하였다. 신경망 요소의 잔여 추정 오차를 제거하기 위한 적응 요소를 추가하였고, deadzoned 오차를 활용하여 안정성 증명 시 고려되는 모든 오차의 UUB가 아닌, 속도 및 요각 추종 오차만의 UUB를 얻을 수 있었다. 차량동역학 해석 프로그램 TruckSi m을 활용하여 제안한 제어기법의 타당성을 검증하였다.
그림 4와 5는 각 타이어에 가진되는 구동 명령을 보여준다. 주어진 속도 및 요각 명령의 추종성능 향상을 위해 제안된 제어기법의 구동 명령이 증가된 것을 확인할 수 있다.

후속연구

차량동역학 해석 프로그램 TruckSi m을 활용하여 제안한 제어기법의 타당성을 검증하였다. 향후 제안된 기법을 활용하여 실제 무인차량을 제어하는 실험을 수행하고 타당성을 검증할 계획이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	스키드 조향방식의 장점은 무엇인가?	최근에 군사용 무인차량 분야의 연구가 국내외에서 많이 진행되고 있으며, 주로 야지에서 운용되어야 하는 특성 때문에 대부분의 군사용 무인차량은 스키드 조향을 채택하는 경우가 많다[1,2]. 이는 스키드 조향방식이 야지 및 험지를 주행할 때 주행방향을 신속히 바꿀 수 있고, 조향 반경이 작아 좁은 공간에서도 선회할 수 있다는 장점이 있기 때문이다. 그리하여 감시정찰 및 타격, 폭발물 탐지/제거 등 야지에서 운용되는 무인차량이 임무를 수행하기에 유리하기 때문이다.
	신경망 기반 적응제어기법의 단점은 무엇인가?	더욱이, 그러한 시스템의 차이가 구조가 없는 불확실한 요소(unstructured uncertainty)라 하더라도 효과적으로 추정 및 보상이 가능하다. 하지만, 신경망 자체가 잔여오차(residual error) 안에서 어떤 함수를 근사화 시키는 형태로 유도되었기 때문에 전체 폐루프 시스템의 안정성은 UUB (Uniformly Ultimate Boundedness)로 한정된다는 단점을 갖는다. 또한 신경망의 형태를 3층(three layered NN)로 설계하게 되면 가중 파라미터 오차변수를 정의 할 때 새롭게 제거해야할 잔여오차들이 생성된다[9]. 이에 본 논문에서는 참고문헌 [10]에서 제안한 방법을 활용하여 신경망요소의 적용 후 남게 되는 모든 오차를 추정하는 알고리듬을 추가한다.
	신경망 기반 적응제어기법의 가장 큰 장점은 무엇인가?	신경망 기반 적응제어기법의 가장 큰 장점은 모델링된 시스템과 실제 시스템의 차이를 효과적으로 보상할 수 있다는 것이다[6-10]. 더욱이, 그러한 시스템의 차이가 구조가 없는 불확실한 요소(unstructured uncertainty)라 하더라도 효과적으로 추정 및 보상이 가능하다.

참고문헌 (14)

J. Kang, W. Kim, J. Lee, and K. Yi, "Skid steering-based control of a robotic vehicle with six in-wheel drives," Proc. IMechE, Part D: J. of Automobile Engineering, vol. 224, no. 11, pp. 1369-1391, Nov. 2010.

상세보기
S. Kang, J. Huh, S. Lee, and T. Jee, "Study on vehicle motion analysis and control for skid steering UGVs with articulating arms," Journal of the Korean Institute of Military Science and Technology, vol. 14, no. 5, pp. 747-752, 2011.

원문보기 상세보기
S. Golconda, "Steering controller for a skid-steered autonomous ground vehicle at varying speed," Ph.D. Thesis, Osmania University, 2005.
J. Economou and R. Colyer, "Modeling of skid steering and fuzzy logic vehicle ground interaction," In Proc. of the American Control Conference, Chicago, Illinois, pp. 100-104, 2000.
H. Peng, "Vehicle lateral control for highway automation," Ph.D. Thesis, University of California at Berkeley, 1992.
M. M. Polycarpou and P. A. Ioannou, "Identification and control of nonlinear systems using neural networks models: Design and stability analysis," USC, Technical Report, 91-09-01, 1991.
S. S. Ge and C. Wang, "Direct adaptive NN control of a class of nonlinear systems," IEEE Transactions on Neural Networks, vol. 13, no. 1, pp. 21-221, Jan. 2002.
J. Shin, J. Huh, T. Choe, C. Kim, and S. Joo, "Adaptive control for lateral motion of an unmanned ground vehicle using neural networks," Journal of Institute of Control, Robotics and Systems, vol. 19, no. 11, pp. 998-1003, Nov. 2013.

원문보기 상세보기
D. Shin and Y. Kim, "Reconfigurable flight control system design using adaptive neural networks," IEEE Transactions on Control Systems, vol. 12, no. 1, pp. 87-100, 2004.

상세보기
D. Chwa, "Fuzzy adaptive tracking control of wheeled mobile robots with state-dependent kinematic and dynamic disturbances," IEEE Transactions on Fuzzy Systems, vol. 20, no. 3, pp. 587-593, 2012.

상세보기
H. K. Khalil, Nonlinear Systems, 3rd Ed., Prentice-Hall PTR: Upper Saddle River, 2002.
J. Shin, J. Huh, Y. Lee, C. Kim, and S. Joo, "Adaptive control for skid-type unmanned ground vehicle," Proc. of ICROS Annual Conference 2014, Daegu, Korea, pp. 289-290, May 2014.
T. Johansen and T. Fossen, "Control allocation-A Survey," Automatica, vol. 49, pp. 1087-1103, 2013.

상세보기
D. Kim and J. Kim, "A real-time limit-cycle navigation method for fast mobile robots and its application to robot soccer," Robotics and Automation Systems, vol. 42, no. 1, pp. 17-30, 2003.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증