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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
한동기 (서울과학기술대학교) Ismi Rosyiana Fitri (서울과학기술대학교) 김정수 (서울과학기술대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제24권 제5호
발행연도
2018.5
수록면
386 - 392 (7page)
DOI
10.5302/J.ICROS.2018.18.0021

이용수

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

초록· 키워드

오류제보하기
This paper presents a method of constructing an inverse model-based disturbance observer using two neural network methods: Multi-Layer Perceptron (MLP) and Recurrent Neural Network (RNN). Learning data is prepared for MLP and RNN by selecting input data such that it contains various signal shapes such as constant, step, sinusoidal and random number, and frequency components. This input data is injected into the nominal model of the system and the resulting state values are used as the measurement. The weights of MLP and RNN are optimized using these data, and how unknown disturbances are estimated is explained using the learned MLP and RNN. The simulation results show that the proposed method works well; in other words, the MLP- and RNN-based disturbance observer can reject both external disturbances and model uncertainties.

목차

Abstract
I. 서론
II. 외란 관측기
III. 인공신경망을 이용한 외란 관측기 설계
IV. 모의 실험 결과
V. 결론
REFERENCES

참고문헌 (21)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-002052664