본 논문은 카오틱 신경망과 PD 제어기를 이용한 로봇 시스템의 직접적응제어 방식에 관한 것이다. 카오틱 신경망은 상·하층 결합계수 외에 궤환 결합계수와 동일 층 내의 결합계수를 가지며, 뉴런자체의 충분한 비선형성 때문에 강한 동적특성을 가지고 있다. 그러나 신경망의 구조 및 학습의 문제점으로 인하여 동적 시스템의 제어에 적용되지 못하고 있다. 본 논문에서는 기존의 카오틱 신경망을 제어 분야에 적용하기 위하여 적합한 구조로 수정하고 수정된 신경망의 학습에 관하여 고찰하였다. 제안된 신경망은 모의 실험을 통하여 3 축 푸마 로봇의 경로 제어에 적용하였다. 카오틱 신경망 제어기는 PD 제어기와 병렬로 구성하여 학습 초기의 안정성을 확보하였고, 제어대상의 비선형성을 보상하는 보상 제어기의 역할을 수행하도록 하였다
This paper presents a direct adaptive control of robot system using chaotic neural networks and PD controller. The chaotic neural networks have robust nonlinear dynamic characteristics because of the sufficient nonlinearity in neuron itself, and the additional self-feedback and inter-connecting weights between neurons in same layer. Since the structure and the learning method are not appropriate for applying in control system, this neural networks have not been applied. In this paper, a modified chaotic neural networks is presented for dynamic control system. To evaluate the performance of the proposed neural networks, these networks are applied to the trajectory control of the three-axis PUMA robot. The structure of controller consists of PD controller and chaotic neural networks in parallel for conforming the stability in initial learning phase. Therefore, the chaotic neural network controller acts as a compensating controller of PD controller.
