본 논문은 명시적인 운동학 또는 동역학 모델에 의존하지 않고 데카르트 공간에서 미세·나노 자유 부상 우주 로봇의 말단 집행기 위치 추적 제어 문제를 연구하였다. 이 도전에 대응하기 위해 이중 학습 구조가 구성되었다. 첫 번째 층은 심층 신경망을 이용하여 운동학을 학습하며, 말단 집행기의 데카르트 좌표에서 관절 각속도로의 비선형 매핑을 포착하고 참조 관절 궤적을 생성한다. 두 번째 층은 Koopman 연산자를 기반으로 하는 네트워크를 채택하여 자유 부상 우주 로봇 관절 공간 동역학의 근사 선형화 표현을 구성한다. 이 모델을 바탕으로 Grünwald–Letnikov 분수 연산자를 융합한 종단 분수 차 모델 예측 제어 방안이 제안되었으며, 전통적인 모델 예측 제어에 비해 온라인 제어 성능을 향상시키고 추적 속도 및 정확도를 개선하였다. 시뮬레이션 결과는 제안한 방안의 유효성을 검증하였으며, 제어기 설계에서 명시적인 운동학 및 동역학 모델 분석 없이 입력-출력 궤적만으로 말단 집행기의 정확하고 빠른 궤적 추적이 가능함을 보여주었다.

자유 부상 우주 로봇;심층 신경망;제어 지향 모델 학습;모델 예측 제어