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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이태건 (Inha University) 주도윤 (Inha University) 이영삼 (Inha University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제72권 제12호
발행연도
2023.12
수록면
1,705 - 1,713 (9page)
DOI
10.5370/KIEE.2023.72.12.1705

이용수

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

초록· 키워드

오류제보하기
In recent years with the rapid advancement of artificial intelligence, there has been extensive research to address control problems, which was previously unsolvable with traditional control techniques, using reinforcement learning-based controllers. This paper discusses a challenge in controlling a double inverted pendulum system. With the commonly used 2-DOF control technique, once the swing-up control is performed and a strong disturbance is applied, the system becomes uncontrollable and fails to perform another swing-up. However, the reinforcement learning-based controller proposed in this paper overcomes this limitation using the Sim-to-Real learning technique. To ensure successful application of Sim-to-Real learning, this paper proposes a design method for the real-world system that minimizes the reality gap, a chronic issue with the Sim-to-Real technique. Utilizing these techniques, we introduce a characteristic termed ’recovery property’ denoting the ability to recover from strong disturbances, a feature difficult to achieve with traditional control methods. We design a controller with this characteristic and validate its successful operation in a real-world system.
#Reinforcement Learning #Double Inverted Pendulum #Sim-to-Real Learning #Recovery Property

목차

Abstract
1. 서론
2. Recovery 특성을 갖는 강화학습 기반의 제어기
3. 모델 정합성이 높은 2단 도립진자 구조
4. 실험 및 결과
5. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

퍼스널 모빌리티 구동용 영구자석형 동기전동기 설계 및 해석
김기석 ,  장관희 ,  김순웅 외 3명 대한전기학회 학술대회 논문집 2023 .07
토크 성능 향상을 위한 동기 릴럭턴스 전동기의 회전자 형상 설계 기법 연구
송은호 ,  최민규 ,  최길수 대한전기학회 학술대회 논문집 2023 .07
EV 구동용 동기 릴럭턴스 전동기 회전자 설계 및 분석
김지원 ,  박예원 ,  김동한 외 1명 대한전기학회 학술대회 논문집 2023 .07
오픈소스 소프트웨어 기반 영구자석형 동기 릴럭턴스 전동기 설계 및 해석
최재승 ,  김동한 ,  민상원 외 3명 대한전기학회 학술대회 논문집 2023 .07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088499285