인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Magnetic levitation conveyor systems enable frictionless and contamination-free transport, making them suitable for sensitive environments such as semiconductor cleanrooms. However, their inherent nonlinearities, along with uncertainties such as noise, disturbances, and time delays, pose significant challenges to conventional controllers. To overcome these limitations, this study proposes a reinforcement learning based control strategy utilizing the deep deterministic policy gradient algorithm, selected for its effectiveness in handling continuous state-action spaces and learning stable control policies in complex nonlinear environments. The developed reinforcement learning based controller is designed to handle the system’s nonlinear dynamics and various uncertainties more effectively than traditional PID controller. Simulation results demonstrate that the proposed controller not only produces smoother transient responses and robust steady-state performance but also maintains stable operation under time delays. The proposed controller is applicable to magnetic levitation systems with various uncertainties.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092307875
