불확실한 듀얼 암 로봇을 위한 적응형 신경망 기반 동적 표면 제어

본 논문은 불확실성을 내포한 듀얼 암 로봇(DAR)의 비선형 궤적 추적 문제를 해결하기 위해, 동적 표면 제어(DSC)와 방사형 기저 함수 신경망(RBFN)을 결합한 적응형 제어 프레임워크를 제안한다. 서론에서는 인간과 협동하거나 인간을 보조하는 듀얼 암 로봇의 중요성을 강조하고, 기존의 비선형 피드백, 임피던스 제어, 전통적인 슬라이딩 모드 제어(SMC) 및 백스테핑 기반 방법들의 한계—특히 정확한 모델링이 어려운 점과 ‘폭발적 항’ 문제, 그리고 채터링 현상—를 지적한다. 이러한 배경에서 DSC가 저역통과 필터를 이용해 백스테핑의 복잡성을 완화하고, 연속적인 제어 신호를 제공한다는 점을 소개한다. 그러나 DSC 자체는 시스템 파라미터가 정확히 알려져 있을 때만 유효하므로, 파라미터 변동, 구동기 비선형성, 외란 등 실제 환경에서 발생하는 불확실성을 다루기 위해 신경망 기반 적응 메커니즘이 필요함을 제시한다. 제2절에서는 듀얼 암 로봇의 물리 모델을 상세히 전개한다. 각 팔은 2자유도(θ₁~θ₄)로 구성되며, 페이로드는 질량 m 과 길이 d₁, d₂ 를 가진 강체로 가정한다. 라그랑주 방정식을 이용해 관성 행렬 M(θ), 코리올리·원심력 벡터 C(θ, θ̇), 구속력 JᵀF, 마찰·외란 β, Td 를 포함한 동역학식 M(θ)θ̈ + C(θ, θ̇)θ̇ = u + JᵀF − Td − β 를 도출한다. 여기서 u 는 토크 입력, F 는 페이로드에 작용하는 힘·모멘트이며, 식 (1)~(9)에 구체적인 파라미터 관계가 제시된다. 제3절에서는 제어 설계 과정을 두 단계로 나눈다. 3.1절은 확정적인(불확실성이 없는) 시스템을 대상으로 DSC 기반 제어기를 설계한다. 추적 오차 z₁ = x₁ − x₁ʳ, 가상 제어 α = ẋ₁ʳ − c₁z₁, 저역통과 필터 τż₂f + z₂f = α 를 정의하고, 슬라이딩 표면 s = λz₁ + z₂를 도입한다. Lyapunov 후보 V₁ = ½z₁ᵀz₁, V₂ = V₁ + ½sᵀs 에 대해 미분을 수행한 뒤, 스위칭 제어 u_sw = −M(c₂ sgn(s) + c₃s)와 등가 제어 u_eq = −M