본 논문은 자동문에서 발생하는 출입자의 충돌을 신경회로망과 외란 관측기를 이용하여 감지하는 새 방법을 제안한다. 본 연구는 충돌을 빠르게 감지하여 출입자의 피해와 자동문의 손상을 최소화하기 위한 필요성에 의해 착수했다. 본 연구의 중요성은 충돌을 감지하는 안전 센서가 설치되지 않은 경우 두드러지게 나타난다.
본 연구에서는 출입자와의 충돌을 외란으로 간주하고 자동문의 선형화된 모델로부터 외란 관측기를 설계하여 외란을 추정하였으며, 자동문의 동적 특성이 반영된 학습된 신경회로망을 이용하여 추정된 외란으로부터 출입자의 충돌을 감지한다. 그리고 감지 성능의 일관성을 유지하기 위하여 추가 동역학을 가진 최적 상태궤환 시스템에 외란 보상기가 추가된 제어기를 적용한다.주요 결과는 제안하는 제어기가 극배치 방법을 사용하는 제어기와 비교하여 작은 위치 오차가 발생하였고, 원하는 기준 입력에 추종하는 성능을 보였다. 충돌 감지를 위해 제안한 신경회로망을 이용하는 방법이 정해진 속도 프로파일에 맞는 충돌 실험을 통해서 전류 한계값 방법과 외란 한계값 방법보다 우수한 성능을 보였다.
Alternative Abstract
This dissertation proposes a new method for collision detection of entering people occurred at the automatic door using neural networks and disturbance observer. The study is conceived by the need to minimize damage of entering people and an automatic door by detecting collision quickly. The importance of the study is appreciated when the safety sensor detecting collision is not installed.
The method used herein is considering the collision of entering people as a disturbance. We estimate the disturbance by disturbance observer designed through linearized automatic door model. We detect the collision of the entering people from the disturbance by using trained neural networks that the dynamic characteristic of automatic door is reflected. And in order to maintain the consistency of detection performance we propose and use the controller that the disturbance compensator is added to optimal state feedback system with additional dynamics.
The main results are that the proposed controller generated smaller position error compared to the controller using pole placement method, and showed performance tracking desired reference input. The method using neural networks proposed for the collision detection showed better performance than the current threshold method and disturbance threshold method in the collision experiment fit the fixed velocity profile.