퍼지 시스템과 신경망 기반의 불확실 로봇 매니퓰레이터 시스템의 적응형 고정 시간 합성학습 제어

요약 본 논문은 로봇 매니퓰레이터 시스템을 위한 새로운 적응형 오차 구동 합성학습 제어(AEDCLC) 방법을 제안한다. 본 방법은 적응형 오차 구동 합성 순환 신경망(AEDCRNN)과 비특이 고속 종단 슬라이딩 모드 제어(NFTSMC) 프레임워크를 기반으로 개발되었다. 이 결합 전략은 집합된 불확실성 학습 중 파라미터 드리프트를 효과적으로 방지하며, NFTSMC의 통합은 전체 시스템의 견고성을 크게 향상시킨다. 먼저, 로봇 매니퓰레이터 시스템에 대해 견고한 추적 성능, 빠른 수렴 및 제어 진동 최소화를 보장하는 NFTSMC 방식을 구성한다. 둘째, 고정 시간 적응 튜닝 전략과 오차 일정 메커니즘을 포함하는 새로운 AEDCRNN 알고리즘을 개발하여 전역 학습 능력과 수렴 속도를 향상시킨다. 이후, NFTSMC 방식과 AEDCRNN을 기반으로 한 새로운 내결함 제어기를 고안한다. 그리고 엄격한 안정성 분석을 수행하여 폐회로 시스템의 전역 실용적 고정 시간 안정성을 보장한다. 마지막으로, 제안된 방법의 효과성과 성능 향상을 입증하기 위한 비교 시뮬레이션을 수행한다.