초록
퍼지논리 제어에서 정적인 퍼지규칙은 플랜트나 환경 파라메터의 중대한 변화에 대처할 수 없다. 이러한 문제를 해결하기 위하여 지금까지 스스로 조직화하는 퍼지제어 및 신경망에 기초한 뉴로퍼지등의 기법이 도입되었다.그러나 이러한 기존 방법들은 동적으로 변화된 퍼지 규칙이 완전하지 않거나 모순될 수 있음으로 해서 퍼지 제어기를 위험한 상황에 처하게 할수도 있다. 본 논문에서는 예측 신경망을 사용하여 새로운 적응퍼지 제어기법을 제안한다.제안된 퍼지제어기는 비록 제어 플랜트나 환경 파라메터가 변화할지라도 초기의 완전하고 모순되지 않은 퍼지 규칙과 계속해서 학습하는 예측 신경망의 예측에러를 이용하여 제어출력을 안전하게 적응적으로 변화시켜간다. 직류 서보모터의 위치제어문제를 이용하여 실험해본 결과 제안한 방법이 적응면에서 매우 유용함을 보였다.
In fuzzy logic control, static fuzzy rules cannot cope with significant changes of parameters of plants or environment. To solve this prohlem, self-organizing fuzzy control. neural-network-hased fuzzy logic control and so on have heen introduced so far. However, dynamically changed fuzzy rules of these schemes may make a fuzzy logic controller Fall into dangerous situations because the changed fuzzy rules may he incomplete or inconsistent. This paper proposes a new adaptive filzzy logic control scheme using a predictivc neural network. Although some parameters of a controlled plant or environment are changed, proposed fuzzy logic controller changes its decision outputs adaptively and robustly using unchanged initial fuzzy rules and the predictive errors generated hy the predictive neural network by on-line learning. Experimental results with a D<' servo-motor position control problem show that propnsed cnntrol scheme is very useful in the viewpoint of adaptability.