KR20050062714A - An intelligent control apparatus for non linear systems - Google Patents
An intelligent control apparatus for non linear systems Download PDFInfo
- Publication number
- KR20050062714A KR20050062714A KR1020030094381A KR20030094381A KR20050062714A KR 20050062714 A KR20050062714 A KR 20050062714A KR 1020030094381 A KR1020030094381 A KR 1020030094381A KR 20030094381 A KR20030094381 A KR 20030094381A KR 20050062714 A KR20050062714 A KR 20050062714A
- Authority
- KR
- South Korea
- Prior art keywords
- nonlinear system
- control
- dsp
- neural network
- fpga
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/26—Automatic controllers electric in which the output signal is a pulse-train
- G05B11/28—Automatic controllers electric in which the output signal is a pulse-train using pulse-height modulation; using pulse-width modulation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/21—Pc I-O input output
- G05B2219/21109—Field programmable gate array, fpga as I-O module
Abstract
본 발명은 고기능 및 고속의 하드웨어 기술로서 DSP 및 MCU와 같은 마이크로 콘트롤러가 고속 컴퓨팅에 이용 가능해지고, 원칩 제어 개념으로 FPGA칩이 많은 응용에 사용되어지고 있다는 점에 착안하여 학습에 의해 비선형 시스템을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망을 DSP로 구현하고, 이의 출력이 PID콘트롤러 및 PWM신호발생기 등이 원칩화된 FPGA를 통해 비선형 시스템에 인가되도록 함으로써 비선형 시스템을 지능적으로 제어할 수 있도록 함과 더불어 본 발명의 기능 수행을 위해 원칩화된 FPGA를 이용함에 따라 하드웨어가 단순화됨은 물론 원칩화에 따라 노이즈 및 전력소모를 감소시킬 수 있도록 한 비선형 시스템의 지능형 제어장치를 제공하게 된다.The present invention focuses on the fact that microcontrollers such as DSPs and MCUs are available for high-speed computing as high-performance and high-speed hardware technologies, and that one-chip control concepts are used in many applications for FPGA chips. The DSP can implement the neural network that outputs the optimum control value necessary for the control by the DSP and the output of the PID controller and the PWM signal generator can be applied to the nonlinear system through the one-chip FPGA to intelligently control the nonlinear system. In addition, by using a one-chip FPGA to perform the functions of the present invention, the hardware is simplified and an intelligent control device of a nonlinear system that can reduce noise and power consumption according to the one-chip is provided.
Description
본 발명은 비선형 시스템의 지능형 제어장치에 관한 것으로, 특히 학습에 의해 비선형 시스템을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망을 DSP로 구현하고 이의 출력이 PID콘트롤러 및 PWM신호발생기 등이 원칩화된 FPGA를 통해 비선형 시스템에 인가되도록 하여 비선형 시스템을 지능적으로 제어할 수 있도록 한 비선형 시스템의 지능형 제어장치에 관한 것이다.The present invention relates to an intelligent control device of a nonlinear system. In particular, the DSP implements a neural network that outputs an optimal control value necessary for intelligently controlling a nonlinear system by learning and its output is a PID controller, a PWM signal generator, or the like. An intelligent control device for a nonlinear system that can be applied to a nonlinear system through this one-chip FPGA to enable intelligent control of the nonlinear system.
일반적으로 선형 시스템에서는 PID콘트롤러가 잘 동작되나 비선형 시스템에서 PID콘트롤러는 다양한 변수 및 외부변화요인에 의해 잘 동작되지 않는다. 따라서 PID콘트롤러는 성능이 저하되며, 이는 실제적으로 비선형 시스템에서는 비선형 콘트롤러가 필요하다는 것을 의미한다.Generally, PID controller works well in linear system, but PID controller does not work well due to various variables and external change factors in non-linear system. Thus, the PID controller degrades in performance, which means that a nonlinear controller is required in practice.
이러한 비선형 콘트롤러로서 신경회로망은 알려지지 않은 불확실성 보상에 의해 비선형 시스템을 위해 매우 잘 동작하는 잘 알려진 방법의 하나이다.As such a nonlinear controller, neural networks are one of the well known methods that work very well for nonlinear systems with unknown uncertainty compensation.
신경회로망의 응용은 움직임 제어 시스템, 신호 처리 및 데이터 처리 등 많은 분야에 이용되고 있으며, 최근 들어, 고기능 및 고속의 하드웨어 기술에 힘입어 DSP 및 MCU와 같은 마이크로 콘트롤러가 고속 컴퓨팅에 이용 가능해지고, 원칩 제어 개념으로 FPGA칩이 많은 응용에 사용되어지고 있다.Neural network applications are used in many fields such as motion control systems, signal processing, and data processing. Recently, microcontrollers such as DSPs and MCUs have become available for high-speed computing, thanks to high-performance and high-speed hardware technologies. As a control concept, FPGA chips are used in many applications.
따라서 본 발명은 최근 고기능 및 고속의 하드웨어 기술로서 DSP 및 MCU 같은 마이크로 콘트롤러가 고속 컴퓨팅에 이용 가능해지고, 원칩 제어 개념으로 FPGA칩이 많은 응용에 사용되어지고 있다는 점을 감안하여, 학습에 의해 비선형 시스템을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망을 DSP로 구현하고, 이의 출력이 PID콘트롤러 및 PWM신호발생기 등이 원칩화된 FPGA를 통해 비선형 시스템에 인가되도록 함으로써 비선형 시스템을 지능적으로 제어할 수 있도록 함과 더불어 하드웨어를 단순화할 수 있도록 한 비선형 시스템의 지능형 제어장치를 제공함에 그 목적이 있다. Therefore, the present invention is a non-linear system by learning in consideration of the fact that microcontrollers such as DSPs and MCUs have become available for high-speed computing in recent years as high-performance and high-speed hardware technologies, and FPGA chips are used in many applications as a one-chip control concept. It implements neural network to DSP and outputs the optimal control value necessary for intelligent control, and the output is intelligently controlled by non-linear system by PID controller and PWM signal generator are applied to nonlinear system through one-chip FPGA. The goal is to provide an intelligent control of a nonlinear system that can simplify the hardware as well as make it possible.
이러한 목적을 달성하기 위한 본 발명에 따른 비선형 시스템의 지능형 제어장치는, 비선형 시스템을 제어하기 위한 장치에 있어서, 학습에 의해 비선형 시스템을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망을 DSP로 구현하고, 상기 DSP로 구현된 신경회로망의 출력이 통신부, 엔코더 카운터, PID콘트롤러 및 PWM신호발생기 등이 원칩화된 FPGA를 통해 비선형 시스템에 인가되도록 하여 비선형 시스템을 지능적으로 제어할 수 있도록 된 것을 특징으로 한다.The intelligent control device of the nonlinear system according to the present invention for achieving the above object, in the device for controlling the nonlinear system, the neural network is configured to output the optimal control value required for intelligent control of the nonlinear system by learning. DSP, and the output of the neural network implemented by the DSP is applied to the non-linear system through the one-chip FPGA through the communication unit, encoder counter, PID controller and PWM signal generator to intelligently control the non-linear system It features.
이하, 본 발명을 첨부된 도면을 참조로 하여 보다 상세히 설명한다.Hereinafter, the present invention will be described in more detail with reference to the accompanying drawings.
도 1은 본 발명의 전체적인 구성도를 도시한 것으로, 핑거 로봇(Robot Hand)이나 역진자(Inverted Pendulum) 등의 비선형 시스템(100)을 학습에 의해 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망(210)을 상업적인 목적의 저가의 DSP(200)로 구현하고, DSP(200)로 구현된 신경회로망(210)의 출력이 통신부(310), 엔코더 카운터(320), PID콘트롤러(330) 및 PWM신호발생기(340) 등이 원칩화된 FPGA(300)를 통해 비선형 시스템(100)에 인가되도록 하여 비선형 시스템(100)을 지능적으로 제어할 수 있도록 구성된다.Figure 1 shows the overall configuration of the present invention, so as to output the optimal control value required to intelligently control the non-linear system 100, such as a robot (Robot Hand) or inverted pendulum (Inverted Pendulum) by learning The neural network 210 is implemented as a low-cost DSP 200 for commercial purposes, and the output of the neural network 210 implemented by the DSP 200 is the communication unit 310, the encoder counter 320, the PID controller 330. ) And the PWM signal generator 340 may be applied to the nonlinear system 100 through the one-chip FPGA 300 to intelligently control the nonlinear system 100.
상기 통신부(310), 엔코더 카운터(320), PID콘트롤러(330) 및 PWM신호발생기(340) 등이 원칩화된 FPGA(300)는 도 2에 도시한 바와 같이, 그 입력 신호로는 DSP(200)와 통신하기 위한 통신부(310)에 입력되는 32비트 데이터 버스, 6비트 어드레스 버스, 제어신호(CS,OE,WE), 엔코더 카운터(320)에 입력되는 엔코더 신호, 25MHz클럭 등이 있으며, 그 출력 신호는 PID콘트롤러(330)의 제어에 따라 비선형 시스템(100)이 구동될 수 있도록 구동신호를 출력하는 PWM신호발생기(340)로부터의 PWM신호가 있다.As shown in FIG. 2, the FPGA 300 in which the communication unit 310, the encoder counter 320, the PID controller 330, the PWM signal generator 340, etc. are one-chip, has a DSP 200 as its input signal. 32-bit data bus, 6-bit address bus, control signal (CS, OE, WE), encoder signal input to the encoder counter 320, 25MHz clock, etc. The signal is a PWM signal from the PWM signal generator 340 that outputs a drive signal so that the nonlinear system 100 can be driven under the control of the PID controller 330.
상기와 같이 구성된 본 발명에서 신경회로망(210)을 갖는 DSP(200) 보드는 매 샘플링 타임마다 비선형 시스템(100) 제어를 위한 최적의 보상값 즉, 학습에 의해 비선형 시스템(100)을 지능적으로 제어하는데 필요한 최적의 제어값을 FPGA(300)에 주며, 이에 따라 FPGA(300)는 통신부(310)를 통해 이를 인가받아 PID콘트롤러(330)에서 비선형 시스템(100)의 구동 제어를 위한 값을 PWM신호발생기(340)로 출력하며, PWM신호발생기(340)는 해당 PWM신호를 비선형 시스템(100)으로 출력하여 비선형 시스템(100)이 DSP(200)로 구현된 신경회로망(210)의 출력 및 FPGA(300) 내의 PID콘트롤러(330)의 출력에 의해 지능적으로 제어될 수 있도록 된다.In the present invention configured as described above, the DSP 200 board having the neural network 210 intelligently controls the nonlinear system 100 by an optimal compensation value for controlling the nonlinear system 100 at every sampling time, that is, learning. The FPGA 300 is provided with the optimum control value necessary for the control. Accordingly, the FPGA 300 is applied through the communication unit 310 and the PWM controller converts the value for driving control of the nonlinear system 100 from the PID controller 330. Output to the generator 340, the PWM signal generator 340 outputs the corresponding PWM signal to the non-linear system 100, the output of the neural network 210 is implemented by the DSP (200) non-linear system 100 and FPGA ( 300 can be intelligently controlled by the output of the PID controller 330.
이러한 본 발명의 실험 예로 도 3과 같이 3개의 핑거를 갖는 핑거 로봇을 살펴보면 다음과 같다.An experimental example of the present invention looks at a finger robot having three fingers as shown in FIG. 3.
먼저, 도 4는 핑거 로봇의 제어 블록을 나타낸 것으로, 복수개의 입력(θd(k),θd(k+1),θd(k+2),eθ(k),eθ(k-1),e θ(k-2), 여기서 θd는 Desired Angle, eθ는 θd - θ로, θ는 Actual Angle)을 갖는 신경회로망(210)이 DSP(200)로 구현되고, FPGA(300)에는 편의상 PID콘트롤러(330)만 나타낸 것이다.First, Figure 4 shows a control block of a finger robot, a plurality of inputs (θ d (k), θ d (k + 1), θ d (k + 2), e θ (k), e θ (k -1), e θ (k-2), where θ d is Desired Angle, e θ is θ d -θ, θ is Actual Angle, and the neural network 210 is implemented with DSP 200, FPGA For convenience, only the PID controller 330 is shown at 300.
여기서, 상기 DSP(200)로 구현되는 신경회로망(210)은 도 5와 같이, 6개의 입력층 및 6개의 뉴론을 갖는 은닉층과 3개의 뉴론을 갖는 출력층으로 이루어지며, 상기 FPGA(300) 내의 PID콘트롤러(330)에는 상기 신경회로망(210)의 출력(Ø1,Ø2,Ø3)과 비선형 시스템(100)인 핑거 로봇으로부터의 실제 상태값이 입력되어 이들에 의해 오차 보정된 값이 출력되게 된다.Here, the neural network 210 implemented by the DSP 200 includes a hidden layer having six input layers and six neurons and an output layer having three neurons, as shown in FIG. 5, and the PID in the FPGA 300. The controller 330 receives the outputs Ø 1 , Ø 2 , Ø 3 of the neural network 210 and the actual state values from the finger robot, which is the nonlinear system 100, to output the error corrected values. do.
즉, 상기 PID콘트롤러(330)는 제1 오차값 출력부(331)에서 바람직한 각도(Desired Angle : θd(k))와 비선형 시스템(100)인 핑거 로봇의 실제 상태값인 실제 각도의 차이값을 출력하며, 이는 각각 제1 내지 제3 보정값 출력부(332-334)에 입력되어 신경회로망(210)의 출력(Ø1,Ø2,Ø3)과 각각 가산되어 제1 내지 제3 보정값을 출력하게 된다.In other words, the PID controller 330 is a difference between the desired angle (Desired Angle: θ d (k)) in the first error value output unit 331 and the actual angle value that is the actual state value of the finger robot that is the nonlinear system 100. , Which are input to the first to third correction value output units 332 to 334, respectively, and are respectively added to the outputs Ø 1 , Ø 2 , and Ø 3 of the neural network 210 to compensate for the first to third corrections. Will output the value.
상기 제1 내지 제3 보정값 출력부(332-334)의 출력은 각각 제1 내지 제3 이득값(ki,ki,kd) 보정부(335-337)를 통해 이득값에 의해 그 값이 보정된 후, 제4 보정값 출력부(338)를 통해 최종 보정값으로 오차 보정되어 비선형 시스템(100)인 핑거 로봇에 인가되어 핑거 로봇이 오차 보정된 값으로 움직일 수 있도록 된다.The outputs of the first to third correction value output units 332 to 334 are respectively corrected by gain values through the first to third gain values ki, ki, and kd correction units 335-337. After that, the error correction is performed to the final correction value through the fourth correction value output unit 338 and applied to the finger robot which is the nonlinear system 100 so that the finger robot can move to the error corrected value.
이들의 위치 트랙킹을 도 6 내지 도 8을 참조로 살펴보면, 도 6은 PID콘트롤러를 갖는 신경회로망 제어기에 의한 위치 트랙킹 결과를, 도 7은 단지 PID콘트롤러에 의한 위치 트랙킹 결과를 나타낸 것으로, 이들은 도 8과 같이 신경회로망(NN)을 사용한 경우에 위치 트랙킹 에러가 감소함을 알 수 있다.6 to 8, FIG. 6 shows position tracking results by a neural network controller having a PID controller, and FIG. 7 only shows position tracking results by a PID controller. It can be seen that the position tracking error is reduced when the neural network NN is used.
다음, 도 9에 도시한 바와 같은 역진자 시스템에 대하여 살펴본다.Next, an inverted pendulum system as shown in FIG. 9 will be described.
도 10은 PID콘트롤러가 사용된 경우의 역진자의 각도를 나타낸 것으로, 역진자의 각도는 ±0.4도 이내의 값으로 진동하면서 진자의 각이 0을 기준으로 균형을 유지하고 있음을 알 수 있으며, 도 11은 카트의 위치를 나타낸 것이다.FIG. 10 illustrates the angle of the inverted pendulum when the PID controller is used. The inverted pendulum is oscillated to a value within ± 0.4 degrees while the angle of the pendulum is balanced based on zero. Indicates the position of the cart.
즉, 역진자의 경우 진자의 각도는 선형 제어기인 PID제어를 이용하여 안전하게 제어가 가능하지만 카트 위치의 경우는 PID제어기로는 완전하게 제어되지 않음을 알 수 있다.In other words, the inverted pendulum angle can be safely controlled using the linear control PID control, but the cart position is not completely controlled by the PID controller.
도 12 및 도 13은 신경회로망이 사용된 경우의 진자 각도 및 카트의 위치를 나타낸 것으로, 충분한 밸런싱이 이루어지고 관찰자가 쳤을 때도 밸런싱이 잘 이루어진다.12 and 13 show the pendulum angle and the position of the cart when the neural network is used, and is well balanced and well balanced by the observer.
이러한 본 발명은 학습에 의해 비선형 시스템(100)을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망(210)을 구비하여 비선형 시스템(100)을 지능적으로 제어할 수 있도록 되되, 고기능 및 고속의 하드웨어 기술로서 DSP 및 MCU와 같은 마이크로 콘트롤러가 고속 컴퓨팅에 이용 가능해짐에 따라 신경회로망(210)을 DSP(200)로서 구현하고, 통신부(310), 엔코더 카운터(320), PID콘트롤러(330) 및 PWM신호발생기(340) 등을 FPGA(300)로 원칩화함에 따라 보드의 부피를 감소시킴과 더불어 노이즈 및 전력소모를 줄일 수 있게 된다.The present invention is provided with a neural network 210 to output the optimal control value required for intelligent control of the nonlinear system 100 by learning, it is possible to intelligently control the nonlinear system 100, high functionality and As a high-speed hardware technology, microcontrollers such as DSP and MCU become available for high-speed computing, implement neural network 210 as DSP 200, communication unit 310, encoder counter 320, PID controller 330 ) And the PWM signal generator 340, etc. into the FPGA 300, thereby reducing the board volume and reducing noise and power consumption.
본 발명은 상기에 기술된 실시 예에 의해 한정되지 않고, 당업자들에 의해 다양한 변형 및 변경을 가져올 수 있으며, 이는 첨부된 청구항에서 정의되는 본 발명의 취지와 범위에 포함된다.The present invention is not limited to the above described embodiments, and various modifications and changes can be made by those skilled in the art, which are included in the spirit and scope of the present invention as defined in the appended claims.
이상에서 살펴본 바와 같이 본 발명은 고기능 및 고속의 하드웨어 기술로서 DSP 및 MCU와 같은 마이크로 콘트롤러가 고속 컴퓨팅에 이용 가능해지고, 원칩 제어 개념으로 FPGA칩이 많은 응용에 사용되어지고 있는 점에 따라 학습에 의해 비선형 시스템을 지능적으로 제어하는데 필요한 최적의 제어값을 출력하도록 된 신경회로망을 DSP로 구현하고 이의 출력이 PID콘트롤러 및 PWM신호발생기 등이 원칩화된 FPGA를 통해 비선형 시스템에 인가되도록 함으로써 비선형 시스템을 지능적으로 제어할 수 있게 됨과 더불어 본 발명의 기능 수행을 위해 원칩화된 FPGA를 이용함에 따라 하드웨어가 단순화됨은 물론, 노이즈와 전력소모를 감소시킬 수 있게 된다. As described above, the present invention is a high-performance and high-speed hardware technology, and microcontrollers such as DSP and MCU are available for high-speed computing, and one-chip control concept has been used for many applications such as FPGA chips. Implement the neural network with DSP to output the optimal control value needed to intelligently control the nonlinear system, and output the PID controller and PWM signal generator to the nonlinear system through the one-chip FPGA. In addition to being able to control, the use of a one-chip FPGA to perform the functions of the present invention not only simplifies hardware but also reduces noise and power consumption.
도 1은 본 발명에 따른 비선형 시스템의 지능형 제어장치의 개념 구성도.1 is a conceptual configuration diagram of an intelligent control device of a non-linear system according to the present invention.
도 2는 도 1의 원칩화된 FPGA의 내구 블록 구성도.2 is a durable block diagram of the one-chip FPGA of FIG.
도 3은 본 발명을 설명하기 위한 핑거 로봇을 나타낸 도.Figure 3 is a view showing a finger robot for explaining the present invention.
도 4는 도 3의 핑거 로봇의 제어 블록도.4 is a control block diagram of the finger robot of FIG.
도 5는 본 발명에 이용되는 신경회로망 구조도. 5 is a neural network structure diagram used in the present invention.
도 6 내지 도 8은 도 3의 핑거 로봇의 위치 트랙킹 결과를 나타낸 그래프.6 to 8 are graphs showing the position tracking results of the finger robot of FIG.
도 9는 역진자 시스템을 나타낸 도.9 shows an inverted pendulum system.
도 10 및 도 11은 역진자의 각도 및 카트의 위치를 나타낸 그래프.10 and 11 are graphs showing the angle of the reverse pendulum and the position of the cart.
도 12 및 도 13은 신경회로망이 사용된 경우의 진자 각도 및 카트의 위치를 나타낸 그래프.12 and 13 are graphs showing pendulum angles and cart positions when neural networks are used.
<도면의 주요부분에 대한 부호의 설명><Description of the symbols for the main parts of the drawings>
100 : 비선형 시스템 200 : DSP100: nonlinear system 200: DSP
210 : 신경회로망 300 : FPGA210: neural network 300: FPGA
310 : 통신부 320 : 엔코더 카운터310: communication unit 320: encoder counter
330 : PID콘트롤러 340 : PWM신호발생기330: PID controller 340: PWM signal generator
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020030094381A KR100572590B1 (en) | 2003-12-22 | 2003-12-22 | An intelligent control apparatus for non linear systems |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020030094381A KR100572590B1 (en) | 2003-12-22 | 2003-12-22 | An intelligent control apparatus for non linear systems |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20050062714A true KR20050062714A (en) | 2005-06-27 |
| KR100572590B1 KR100572590B1 (en) | 2006-04-24 |
Family
ID=37254664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020030094381A KR100572590B1 (en) | 2003-12-22 | 2003-12-22 | An intelligent control apparatus for non linear systems |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100572590B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107908129A (en) * | 2017-10-27 | 2018-04-13 | 上海交通大学 | DSP and the control method of FPGA/CPLD multidimensional interconnection |
| CN108469726A (en) * | 2018-03-19 | 2018-08-31 | 南开大学 | A kind of variable parameter PID motion controller implementation method based on EthernetPowerlink |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100925274B1 (en) | 2007-08-28 | 2009-11-05 | 성균관대학교산학협력단 | Circuit and apparatus for controlling multi-axis motion |
-
2003
- 2003-12-22 KR KR1020030094381A patent/KR100572590B1/en not_active IP Right Cessation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107908129A (en) * | 2017-10-27 | 2018-04-13 | 上海交通大学 | DSP and the control method of FPGA/CPLD multidimensional interconnection |
| CN108469726A (en) * | 2018-03-19 | 2018-08-31 | 南开大学 | A kind of variable parameter PID motion controller implementation method based on EthernetPowerlink |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100572590B1 (en) | 2006-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jin et al. | Practical nonsingular terminal sliding-mode control of robot manipulators for high-accuracy tracking control | |
| Spong | Adaptive control of flexible joint manipulators: Comments on two papers | |
| Rajeev et al. | Modeling a controller for an articulated robotic arm | |
| KR100572590B1 (en) | An intelligent control apparatus for non linear systems | |
| Mingji et al. | Adaptive position servo control of permanent magnet synchronous motor | |
| Li et al. | Design of a variable-gain adjacent cross-coupled controller for coordinated motion of multiple permanent magnet linear synchronous motors | |
| Singh et al. | Comparison of conventional PID controller with sliding mode controller for a 2-link robotic manipulator | |
| Susnea et al. | Real-time, embedded fuzzy control of the pioneer 3-dx robot for path following | |
| CN108155836A (en) | Based on global online heuristic dynamic programming permanent magnet synchronous motor vector control method | |
| Zhang et al. | Fuzzy PID inverse compensation for mechanic systems with input backlash | |
| Brahmi et al. | New Adaptive Sliding Mode for Unperturbed Forearm and Wrist Rehabilitation Robot | |
| Kumai et al. | A servo module with DC motor for education and R&D in robotics | |
| Tsai et al. | The model reference control by adaptive PID-like fuzzy-neural controller | |
| Talebi et al. | Experimental results on tracking control of a flexible-link manipulator: a new output re-definition approach | |
| Dragoicea et al. | Adaptive neural control for mobile robots autonomous navigation | |
| KR100925274B1 (en) | Circuit and apparatus for controlling multi-axis motion | |
| Zhao et al. | Adaptive sliding mode observer-based force feedback control for nonlinear bilateral teleoperators | |
| KR20040064104A (en) | Multi joints position control device uning fpga | |
| Shahnazari et al. | Fuzzy gain scheduling saturated PID controller: Design and implementation on robot manipulator | |
| JPH02222002A (en) | Proportion/integration control system via sliding mode | |
| Fry et al. | Fuzzy Logic Control for Flexible Joint Manipulator: An Experimental Implementation | |
| Shenthuran et al. | Controlling the speed of dc motor by applying a fractional order sliding mode controller | |
| US9160253B2 (en) | Sine pulse width modulation controller | |
| Huang et al. | A high-integrated and high-precision robot manipulator joint servo system | |
| Zhang et al. | An open embedded industrial robot hardware and software architecture applied to position control and visual servoing application |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20130321 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20140401 Year of fee payment: 9 |
|
| FPAY | Annual fee payment |
Payment date: 20160329 Year of fee payment: 11 |
|
| LAPS | Lapse due to unpaid annual fee |