신경망모델과 자기 동조 제어기를 이용한 이산신호의 추적 성능 개선

Tracking Performance Improvement of Discrete Signal using Neural Networks and Self Tuning Controller

본 논문에서는 추적 성능 개선을 위해 기존의 신경망 제어기에 PID제어기를 직렬로 연결하여 시뮬레이션 결과를 고찰했다. 추적 성능을 평가하기 위해 신경망모델은 2계층으로 구성하고 Widrow-Hoff델타 규칙을 이용하여 예측 오차가 최소화되도록 정규적인 동특성을 학습하였다. 이 학습 결과, 기존의 신경망제어기의 경우보다 PID를 연결하였을 경우가 추적 성능이 다소 개선되었음을 확인했으며, 251샘플에서 추적할 플랜트 파라메터가 시변인 경우에도 빠른 속도로 수렴되는 결과를 얻었다.

In this paper, Simulation result was studied by PID controller in series to the estblised neural networks controller. Neural network model is composed of two layers to evaluate tracking performance improvement. The regular dynamics was also studied for the expected error to be minimized by using Widrow-Hoff delta rule. As a result of the study, We identified that tracking performance improvement was developed more in case of connecting PID than conventional neural network controller and that tracking plant parameter in 251 sample was approached rapidly in case of time varying.