Abstract
The new architecture that fuzzy logic control(FLC) with difficulties for tuning membership function
(MF) is parallel with neural networks(NN) to be learned from the output of FLC is proposed.
Therefore proposed scheme has the characteristics to utilize the expert knowledge in design process, to
be learned during the operation without any learning mode.
In this architecture, the function of the FLC is to supply the sliding surface which is constructed on the
phase plane by rule base for giving the desired control characteristics and learning criterion of NN and the
stabilization of the control performance before NN is learned, The function of the NN is to let the system
trajectory be tracked to the sliding surface and reached to the stable point.
퍼지 제어기에 신경회로망을 병렬로 연결시키므로 제어성능 향상을 위해 필요했던 소속함수의 미세조정 과정이 학습으로 대신되게 하는 제어기 구조를 제안하였다. 신경회로망의 학습은 오차 역전파 알고리듬에 의해 수행되고 퍼지 제어기의 출력이 학습에 사용되는 오차량으로 사용된다. 따라서 본 제어기는 전문가의 경험과 지식을 제어기 설계에 이용할 수 있고, 별도의 학습과정 없이 제어과정 중에서 신경회로망 제어기가 학습되어 초기의 제어특성이 개선되어지는 특성이 있다. 그리고 본 구성에서 퍼지 제어기는 사용된 규칙에 의해 형성되는 위상평면상의 슬라이딩 면으로 필요한 제어특성과 신경회로망의 학습기준을 제시하는 한편 신경회로망이 학습되기전 제어 시스템의 제어특성이 안정되도록 하며, 신경회로망은 시스템의 상태궤적이 퍼지제어기에 의해 형성된 슬라이딩 면을 가능한한 근사하게 추종하도록 학습되어져 위상평면상 임의의 위치에 있는 시스템의 상태가 슬라이딩 면을 따라 안정점에 도달하도록 하게한다.
