본 논문에서는 리칭모드 제어기와 신경 회로망을 이용하여 3상 유도전동기의 위치제어 시스템을 구현한다. 리칭모드 제어기는 위치오차와 속도오차의 궤적을 슬라이딩 평면으로 들어가도록 하고 신경회로망의 초기학습을 담당한다. 리칭모드 제어기의 구조는 슬라이딩 평면의 스위칭 함수로부터 간단히 구성하였다. 또한, 신경 회로망은 전향경로 신경망으로 구성되며 비선형 매핑능력과 탁월한 학습능력을 이용하여 유도전동기의 등가제어입력을 학습하도록 하였고 신경 회로망의 입력으로는 모터의 기준속도, 기준위치 및 엔코더를 이용하여 측정된 모터의 실제속도와 위치 등을 이용하였고 온라인 상태로 학습되도록 하였다. 이와 같이 복합적으로 구성된 제어기들을 유도전동기의 위치제어 시스템에 적용하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존의 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 리칭모드 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경 회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 제어가 가능함을 확인하였다.
This paper presents the implementation of the position control system for 3 phase induction motor using reaching mode controller and neural networks. The reaching mode controller is used to bring the position error and speed error trajectories toward the sliding surface and to train neural networks at the first time. The structure of the reaching mode controller consists of the switch function of sliding surface. And feedforward neural networks approximates the equivalent control input using the reference speed and reference position and actual speed and actual position measured form an encoder and, are tuned on-line. The reaching mode controller and neural networks are applied to the position control system for 3 phase induction motor and, are compared with a PI controller through computer simulation and experiment respectively. The results are illustrated that the output of reaching mode controller is decreased and feedforward neural networks take charge of the main part for the control action, and the proposed controllers show better performance than the PI controller in abrupt load variation and the precise control is possible because the steady state error can be minimized by training neural networks.
