$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 신경회로망을 이용한 쿼드로터의 자세 제어에 관한 연구
A Study on the attitude control of the quadrotor using neural networks 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.9 no.9, 2014년, pp.1019 - 1025  

김성대 (동명대학교 전기공학과)

초록
AI-Helper 아이콘AI-Helper

최근 무인항공기(UAV : Unmanned Aerial Vehicle)에 대한 연구가 다양한 각도로 진행되어 군사용 비행체에 관한 연구에서 부터 민간용 비행체 및 일반 취미 활동용 비행체에 이르기까지 다양하게 연구가 진행되고 있다. 특히, 무인 소형 비행체에 대한 연구는 수직이착륙(VTOL : Vertical Take-Off and Landing)과 용이한 방향전환 및 정지비행(hovering)에 대하여 연구되고 있으며, 이러한 연구부분에 적합한 무인 소형 비행체가 쿼드로터(quardrotor)형 무인비행체를 중심으로 연구되고 있다. 이러한 무인 비행체에 대한 연구는 공기역학적 힘에 의해 부양되므로 복잡한 동역학 분석과정을 필요로 하고 있으며, 이러한 역학적 분석 및 실험적 모델을 바탕으로 제어기를 설계하고 있다. 본 논문에서는 일반적인 PID 제어기를 바탕으로 기본적인 자세제어를 구현한 후, 제어기 설계에 고려하지 못한 비선형적인 요소를 신경회로망(neural networks)의 강화학습(reinforcement learning) 알고리즘을 이용하여 일반적인 제어기 설계에 고려하지 못한 비선형적인 요소를 보완하여 보다 안정적인 쿼드로터의 자세제어 방안을 제시하고자 한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, the studies of the Unmanned Aerial Vehicle(UAV) has been studied a variety from military aircraft to civilian aircraft and for general hobby activity aircraft. In particular, for small unmanned aircraft research for the ease of turning and hovering and Vertical-Off Take Landing(VTOL), have...

주제어

#쿼드로터   #자세제어   #신경회로망   #강화학습  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 일반적인 PID 제어기를 바탕으로 쿼드로터에 대한 기본적인 자세제어를 Matlab Simulink를 통하여 시뮬레이션 하였다. 또한, 신경회로망 기반의 강화학습을 통하여 일반적인 제어기 설계에 고려하지 못한 비선형적인 요소를 보완하여 제어성능을 향상시키는 방안을 제시하고자 한다.
  • 본 논문에서는 쿼드로터의 자세 제어를 위하여 자세 오차를 최소화하기 위하여 쿼드로터의 상태와 제어 행동에 대한 평가를 통하여 최적의 제어입력을 도출하는데 있다고 할 수 있다.
  • 즉, 시스템이 처해진 환경에서 에이전트가 보상을 최대화 할 수 있는 행동전략을 학습하는 것이라 할 수 있다. 이러한 에이전트 중심의 행위와 보상에 의해 현재 환경에 대한 보상을 최대로 할 수 있는 행동을 선택하는 것이다. 강화학습이 이루어지는 시간 t가 무한하다고 가정하고, 에이전트에게 입력된 보상값을 rt+n라 두고, 보상값의 합을 Rt라 하면 보상함수는 식(3)과 같이 표현된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
쿼드로터형 무인비행체는 공기역학적 힘에 부양되므로 어떤 과정이 필요한가? 특히, 무인 소형 비행체에 대한 연구는 수직이착륙(VTOL : Vertical Take-Off and Landing)과 용이한 방향전환 및 정지비행(hovering)에 대하여 연구되고 있으며, 이러한 연구부분에 적합한 무인 소형 비행체가 쿼드로터(quardrotor)형 무인비행체를 중심으로 연구되고 있다. 이러한 무인 비행체에 대한 연구는 공기역학적 힘에 의해 부양되므로 복잡한 동역학 분석과정을 필요로 하고 있으며, 이러한 역학적 분석 및 실험적 모델을 바탕으로 제어기를 설계하고 있다. 본 논문에서는 일반적인 PID 제어기를 바탕으로 기본적인 자세제어를 구현한 후, 제어기 설계에 고려하지 못한 비선형적인 요소를 신경회로망(neural networks)의 강화학습(reinforcement learning) 알고리즘을 이용하여 일반적인 제어기 설계에 고려하지 못한 비선형적인 요소를 보완하여 보다 안정적인 쿼드로터의 자세제어 방안을 제시하고자 한다.
중강화학습의 학습방법은? 인공지능(AI : Artificial Intelligent)의 학습방법 중강화학습(reinforcement learning)은 동적 프로그래밍 (DP : Dynamic Programming) 방식과 교사학습 (supervised learning) 방식이 혼합된 방식으로 학습을 진행하는 에이전트(agent)와 에이전트 외부에 존재하는 환경(environment)에 대하여 반복적으로 시행착오를 거쳐 내부 상호작용(interacting)을 학습한다. 이러한 시행착오를 통하여 각 상태에서의 최적 행동 (action)을 결정하는 학습 알고리즘이다.
본 논문에서 사용된 쿼드로터의 구성은? 본 논문에서 사용된 쿼드로터의 구성은 가장 일반 적인 십자형 프레임 구조로 하고 각각의 끝부분에 4개의 로터로 구성된다. 각각 마주보는 2개의 로터는 같은 방향으로 회전하도록 하고, 이웃하는 로터는 반대방향으로 회전하게 하여 로터의 회전운동에서 발생 하는 반발 토크를 서로 상쇄하도록 하여 균형을 잡도록 한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (7)

  1. I. Maza and A. Ollero, "Multiple UAV Cooperative Searching Operation using Polygon Area Decomposition and Efficent Coverage Algorithms," In Proc. the 7th Int. Symp. on Distributed Autonomous Robotic Systems, Toulouse, France, 2004, pp. 211-220. 

  2. S. Jeong, S. Jung, and M. Tomizuka, "Attitude control of a quad-rotor system using an acceleration-based disturbance observer : An empirical approach," The 2012 IEEE/ASME Int. Conf. on Advanced Intelligent Mechatronics, Kaohsiung, Taiwan, July 2012, pp. 916-921. 

  3. J. Kim, M. Kang, W. Chung, H. Kim, and I. Suh, "On the robustness control of a quadrotor VTOL aircraft," J. of Institute of Control, Robotics and Systems, vol. 14, no. 12, 2008, pp. 1260-1265. 

    원문보기 상세보기 crossref

  4. J. Choi, "Voiced-Unvoiced-Silence Detection Algorithm using Perceptron Neural Network," J. of the Korea Institute of Electronic Communication Sciences, vol. 6, no. 2, 2011, pp. 237-242. 

  5. J. Choi, "Speech and Noise Recognition System by Neural Network," J. of the Korea Institute of Electronic Communication Sciences, vol. 5, no. 4, 2010, pp. 237-242. 

  6. L.-J. Lin, Reinforcement Learning for Robots Using Neural Networks. Pittsburgh, PA, Carnegie-Mellon Univ., 1993. 

  7. M. Hoffmann, J. Jang, and J. Tomlin, "Multi- Agent Quardrotor Tested Control Design : Integral Sliding Mode vs. Reinforcement Learning," IEEE/RSJ Int. Conf. on Intelligent Robot and Systems, Alberta, Canada, Aug. 2005, pp. 3712-3717. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로