Core Concepts
ReLU-ANN을 활용하여 피드백 선형화 기법에서 발생하는 복잡한 제약 조건을 혼합 정수 선형 제약 조건으로 변환할 수 있으며, 이를 통해 선형 제어 설계와의 호환성을 유지하고 모델 예측 제어 설정에서 예측된 궤적에 대한 제약 조건 만족을 보장할 수 있다.
Abstract
이 연구에서는 피드백 선형화 기법에서 발생하는 복잡한 제약 조건을 효과적으로 처리하기 위한 방법을 제안한다. 구체적으로 다음과 같은 절차를 따른다:
ReLU-ANN을 사용하여 제약 조건 Φ(z, v)를 근사한다.
이 근사 함수 ΦNN(z, v)를 혼합 정수 선형 제약 조건으로 변환한다.
ReLU-ANN의 매개변수(가중치, 편향, 노드 경계)와 근사 오차 한계를 활용하여 변환을 수행한다.
변환된 혼합 정수 선형 제약 조건을 선형 제어 설계 및 모델 예측 제어 설정에 통합한다.
제약 조건 만족을 보장하면서도 선형 제어 기법의 장점을 유지할 수 있다.
시뮬레이션 결과를 통해 제안된 방법의 유효성을 검증하였다. 특히 안정성, 안전성, 제약 조건 만족 측면에서 우수한 성능을 보였다. 또한 모델 예측 제어 설정에서 예측된 궤적에 대한 제약 조건 만족을 엄격하게 보장할 수 있었다.
Stats
비선형 질량-스프링-댐퍼 시스템의 경우, 제안된 선형 비용 함수 제어기와 2차 비용 함수 제어기의 계산 시간은 각각 25.15ms와 23.83ms였다.
1차원 쿼드로터 시스템의 경우, 모델 예측 제어기의 평균 계산 시간은 1.69초였다.
Quotes
"ReLU-ANN을 활용하여 피드백 선형화 기법에서 발생하는 복잡한 제약 조건을 혼합 정수 선형 제약 조건으로 변환할 수 있다."
"변환된 혼합 정수 선형 제약 조건을 선형 제어 설계 및 모델 예측 제어 설정에 통합할 수 있다."
"제안된 방법을 통해 안정성, 안전성, 제약 조건 만족을 보장할 수 있다."