초록
신경회로망은 많은 제어 시스템 분야에서 이용되고 있으나, 단일 궤환 신경회로망 제어기로 사용할 경우 입출력 패턴을 구하기 쉽지 않고, 부하급변 및 외란이 인가되는 경우에는 만족할만한 성능을 얻을 수 없었다. 이러한 문제를 해결하기 위해 본 논문에서는 신경회로망 출력노드의 활성화 함수 대신에 제어 대상체를 사용하는 새로운 알고리즘을 제안하였다. 결과적으로 제안된 신경회로망 자율 적응 제어 시스템은 구조가 간략화 되었으며 입출력 패턴의 문제가 해결되었고 일반적인 역전파 알고리즘을 이용하여 실시간으로 학습이 가능하게 되었다. 제안된 신경망 자율 적응 제어의 알고리즘 효과는 고속연산을 실행하는 DSP(TMS320C32)에 알고리즘을 탑재하여 A.C. 서보 모터의 속도제어에 의해서 확인하였다.
Neural network is used in many fields of control systems currently. However, It is not easy to obtain input-output pattern when neural network is used for the system of a single feedback controller and it is difficult to get satisfied performance with neural network when load changes rapidly or disturbance is applied. To resolve these problems, this paper proposes a new mode to implement a neural network controller by installing a real object in place of activation function of Neural Network output node. As the Neural Network self adaptive control system is designed in simple structure neural network input-output pattern problem is solved naturally and real tin Loaming becomes possible through general back propagation algorithm. The effect of the proposed Neural Network self adaptive control algorithm was verified in a test of controlling the speed of a A.C. servo motor equipped with a high speed computing capable DSP (TMS320C32) on which the proposed algorithm was loaded.