DQN 기반 대잠 헬기 호버링 제어를 위한 심층 신경망 구조 설계 및 성능 분석 (Design and Performance Analysis of Deep Neural Network Structure for DQN-based Anti-submarine Helicopter Hovering Control)

서지정보

· 발행기관 : 한국해군과학기술학회
· 수록지 정보 : 한국해군과학기술학회지 / 7권 / 4호 / 469 ~ 475페이지
· 저자명 : 김준수, 박준영, 신예림, 이진호, 한민석

초록

본 연구에서는 DQN(Deep Q-Network)을 활용하여대잠 헬기의 호버링 제어를 위한 심층 신경망 구조를설계하고 성능을 분석하였다. 시뮬레이션에서 목표위치는 (0, 0, 10)으로 설정하고, 질량은 8,000 kg, 중력가속도는 9.81 m/s2로 가정하였다. DQN 에이전트는500 에피소드 동안 학습하여 평균 보상 195에도달하였다. PID 제어기와의 비교에서 DQN 제어기는상승 시간 0.5초, 정착 시간 3.5초, 오버슈트 0.5 %를기록하였고, PID 제어기는 각각 0.47초, 3.8초, 1.2 %를보였다. 평균 RMSE에서도 DQN은 0.032로, PID의0.045보다 우수했다. 이를 통해 DQN 기반 제어기의효과성과 안정성이 입증되었으며, 항공기 제어분야에서의 응용 가능성을 확인하였다.

영어초록

In this study, a deep neural network structure using DQN (Deep Q-Network) was designed and analyzed for anti-submarine helicopter hovering control. The simulation set the target position at (0, 0, 10) with a mass of 8,000 kg and a gravitational acceleration of 9.81 m/s2. The DQN agent trained over 500 episodes, achieving an average reward of 195. Compared to a PID contro ler, the DQN contro ler recorded a rise time of 0.5 seconds, a settling time of 3.5 seconds, and an overshoot of 0.5 %. In contrast, the PID contro ler showed a rise time of 0.47 seconds, a settling time of 3.8 seconds, and an overshoot of 1.2 %. The DQN contro ler also outperformed the PID contro ler with a lower average RMSE of 0.032 compared to 0.045. These results demonstrate the DQN contro ler's effectiveness and stability, highlighting its potential for aircraft control applications.

참고자료

· 없음