Journal of the Korean Institute of Illuminating and Electrical Installation Engineers (조명전기설비학회논문지)

The Korean Institute of IIIuminating and Electrical Installation Engineers (한국조명전기설비학회)
권호 표지
DOI QR코드

DOI QR Code

A Fuzzy Rule Extraction by EM Algorithm and A Design of Temperature Control System

EM 알고리즘에 의한 퍼지 규칙생성과 온도 제어 시스템의 설계

  • 오범진 (충북대 전기전자 및 컴퓨터공학부) ;
  • 곽근창 (충북대학교 BK21사업단) ;
  • 유정웅 (충북대 전기전자 및 컴퓨터공학부)
  • Published : 2002.09.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a fuzzy rule extraction method using EM(Expectation-Maximization) algorithm and a design method of adaptive neuro-fuzzy control. EM algorithm is used to estimate a maximum likelihood of a GMM(Gaussian Mixture Model) and cluster centers. The estimated clusters is used to automatically construct the fuzzy rules and membership functions for ANFIS(Adaptive Neuro-Fuzzy Inference System). Finally, we applied the proposed method to the water temperature control system and obtained better results with respect to the number of rules and SAE(Sum of Absolute Error) than previous techniques such as conventional fuzzy controller.

본 논문에서는 EM(Expectation-Maximization) 알고리즘을 이용한 자동적인 퍼지 규칙생성과 적응 뉴로-퍼지 제어기(Adaptive Neuro-Fuzzy Controller)의 설계를 제안한다. EM 알고리즘은 가우시안 혼합모델(Gaussian Mixture Model)의 최대우도추정(Maximum Likelihood Estimate)을 위해 사용되어지며 본 논문에서는 규칙생성을 위해 클러스터 중심을 추정한다. 추정된 클러스터는 ANFIS(Adaptive Neuro-Fuzzy Inference System)의 퍼지 규칙과 소속함수를 구축하는데 사용되어진다. 시뮬레이션으로 제안된 적응 뉴로-퍼지 제어기의 성능을 입증하기 위해 목욕물 온도 제어 시스템에 대해 다루고 기존 퍼지 제어기에 비해 적은 규칙의 수와 작은 값의 SAE(Sum of Absolute Error)으로 성능개선을 확인하였다.

Keywords

References

  1. M. Sugemo, T. Yasukawa, "A fuzzy-logic based approach to qualitative modeling", IEEE Trans. on Fuzzy Systems, Vol. 3, No. 1, pp. 7-31, 1993.
  2. K. M Passino, S. Yurkovich, Fuzzy Control, Addison Wesley, 1997.
  3. J. A. K. Suykens, et al, Artificial Neural Networks for Modelling and Control of Non-Linear Systems, Kluwer Academic Publishers, 1996.
  4. J. S. R. Jang, C. T. Sun, E. Mizutani, Neuro-Fuzzy and Soft Computing : A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1997.
  5. E. Alpaydin, "Soft vector quantization and the EM algorithm", Neural Networks, Vol. 11, pp. 467-477, 1998. https://doi.org/10.1016/S0893-6080(97)00147-0
  6. J. S. R. Jang, ANFIS: Adaptive-Networks-based Fuzzy Inference System", IEEE Trans. on System, Man, and Cybern., Vol. 23, No. 3, pp. 665-685, 1993. https://doi.org/10.1109/21.256541
  7. C. T. Lin, C. F. Juang, C. P. Li, "Water bath temperature control with a neural fuzzy inference network", Fuzzy Sets and Systems, Vol. 111, pp. 285-306, 2000. https://doi.org/10.1016/S0165-0114(98)00075-X
  8. J. Bezdek, R. Hathaway, M. Sabin and W. Tucker, Convergence Theory for Fuzzy C-Means : Counter Examples and Repairs, CRC Press, Chap. 8, 1987.
  9. R. R. Yager, D. P. Filev, "Generation of fuzzy rules by mountain clustering", Journal of Intelligent and fuzzy system", Vol. 2, pp. 209-219, 1994.