메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이진혁 (부산대학교) 김재형 (부산대학교) 이민철 (부산대학교)
저널정보
한국로봇학회(논문지) 로봇학회 논문지 로봇학회 논문지 제17권 제2호
발행연도
2022.6
수록면
221 - 229 (9page)
DOI
10.7746/jkros.2022.17.2.221

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Sliding mode control (SMC) is a robust control method to control a robot arm with nonlinear properties. A high switching gain of SMC causes chattering problems, although the SMC allows the adequate control performance by giving high switching gain, without the exact robot model containing nonlinear and uncertainty terms. In order to solve this problem, SMC with sliding perturbation observer (SMCSPO) has been researched, where the method can reduce the chattering by compensating the perturbation, which is estimated by the observer, and then choosing a lower switching control gain of SMC. However, optimal gain tuning is necessary to get a better tracking performance and reducing a chattering. This paper proposes a method that the Q-learning automatically tunes the control gains of SMCSPO with an iterative operation. In this tuning method, the rewards of reinforcement learning (RL) are set minus tracking errors of states, and the action of RL is a change of control gain to maximize rewards whenever the iteration number of movements increases. The simple motion test for a 7-DOF robot arm was simulated in MATLAB program to prove this RL tuning algorithm. The simulation showed that this method can automatically tune the control gains for SMCSPO.
#Robust Control #Reinforcement Learning #Q-Learning #Sliding Mode Control #Auto-Tuning

목차

Abstract
1. 서론
2. SMCSPO
3. Q-Learning 튜닝 알고리즘
4. 시뮬레이션 시스템 구성
5. 시뮬레이션 결과 및 분석
6. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

산업용 코일 포장을 위한 협동 양팔 로봇 시스템의 개발
이해성 ,  이용희 ,  박재흥 로봇학회 논문지 2024 .09
다중에이전트 경로탐색(MAPF) 기반의 실내배송로봇 군집제어 구현
신동철 ,  문형일 ,  강성규 외 6명 로봇학회 논문지 2022 .12
로봇팔을 지닌 물류용 자율주행 전기차 플랫폼 개발
정의정 ,  박성호 ,  전광우 외 2명 로봇학회 논문지 2023 .03
건물 외벽청소 로봇의 비즈니스 모델 개발
서현영 ,  최인휴 ,  조영조 외 1명 로봇학회 논문지 2022 .09
아바타 로봇을 위한 3지 로봇 손과 손 자세 맵핑 알고리즘
김승연 ,  성은호 ,  박재흥 로봇학회 논문지 2022 .09

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-559-001324730