Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

Indirect Adaptive Control of Nonlinear Systems Using a EKF Learning Algorithm Based Wavelet Neural Network

확장 칼만 필터 학습 방법 기반 웨이블릿 신경 회로망을 이용한 비선형 시스템의 간접 적응 제어

  • 김경주 (연세대학교 전기전자공학과) ;
  • 최윤호 (경기대학교 전자공학부) ;
  • 박진배 (연세대학교 전기전자공학과)
  • Published : 2005.12.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we design the indirect adaptive controller using Wavelet Neural Network(WNN) for unknown nonlinear systems. The proposed indirect adaptive controller using WNN consists of identification model and controller. Here, the WNN is used in both Identification model and controller The WNN has advantage of indicating the location in both time and frequency simultaneously, and has faster convergence than MLPN and RBFN. There are several training methods for WNN, such as GD, GA, DNA, etc. In this paper, we present the Extended Kalman Filter(EKF) based training method. Although it is computationally complex, this algorithm updates parameters consistent with previous data and usually converges in a few iterations. Finally, ore illustrate the effectiveness of our method through computer simulations for the Buffing system and the one-link rigid robot manipulator. From the simulation results, we show that the indirect adaptive controller using the EKF method has better performance than the GD method.

본 논문에서는 미지의 비선형 시스템을 제어하기 위해 웨이블릿 신경 회로망을 이용한 간접 적응 제어기를 설계한다. 제안 된 간접 적응 제어기는 웨이블릿 신경 회로망을 이용한 동정 모델과 제어기로 구성된다. 여기서 동정 모델과 제어기에 사용되는 웨이블릿 신경 회로망은 시간과 주파수에 대한 정보를 동시에 포함하는 웨이블릿의 특성을 가지고 있기 때문에 다층구조 신경회로망과 방사 기저 함수 신경회로망에 보다 더 빠른 수렴특성을 보인다. 웨이블릿 신경 회로망의 학습방법은 경사 하강법, 유전알고리듬, DNA 기법등 여러 가지가 있으나, 본 논문에서는 확장 칼만 필터를 기반으로 한 학습 방법을 제안한다. 확장 칼만 필터 학습 방법은 계산이 복잡하기는 하지만 학습되어 갱신되는 파라미터의 이전 데이터 정보를 이용하는 특성 때문에 매우 빠른 수렴 특성을 보인다. 본 논문에서는 Buffing 시스템과 1축 머니퓰레이터에 대한 컴퓨터 모치실험을 통해 제안한 확장 칼만 필터 학습 방법을 이용한 간접 적응 제어기가 일반적인 경사 하강법을 이용한 경우보다 우수함을 보인다.

Keywords

References

  1. J. E. Slotin and W. Li, Applied Nonlinear Control, Prentice-Hall, 1991
  2. X. M. Ren, A. B. Rad, P. T. Chan, and W. L. Lo, 'Identification and Control of Continuous-Time Nonlinear Systems via Dynamic Neural Networks,' IEEE Trans. Industrial Electronics, Vol. 50, No. 3, June 2003
  3. G. W. Irwin, 'Artificial Intelligence Approaches to Model-based Control,' Proc. of IEE Colloquium on Update on Developments in Intelligent Control, pp. 4/1 - 4/6, October 1998
  4. D. E. Rumelhart, G. E. Hinton, and R. J. Williams, Learning Internal Representation by Error Propagation, in D. E. Rumelhart, J. L. McClelland & the PDP research Group, (Eds.), Parallel Distributed Processing: Experiments in the Microstructure of Cognition, Vol. 1, pp. 318-362. Cambridge: MIT Press, 1986
  5. T. Poggio anf F. Girosi, 'Networks for Approximation and Learning,' The Proc. of IEEE , Vol. 78, Issue. 9, pp. 1481-1497, September 1990
  6. J. Zhang, G. G. Walter, Y. Miao and W. N. Wayne Lee, 'Wavelet Neural Networks for Function Learning,' IEEE Trans. Signal Processing, Vol. 43, No. 6, pp. 1485-1497, June 1995 https://doi.org/10.1109/78.388860
  7. C. S. Burrus, R. A. Gopinath, and H. Guo, Introduction to Wavelets and Wavelet Transforms, Prentice Hall, 1998
  8. 최종태, 최윤호, 박진배, '웨이블릿 신경 회로망을 이용한 혼돈 비선형 시스템의 간접 적응 제어,' 대한전자공학회/대한전기학회 시스템 및 제어분야 합동 추계학술대회 논문집, pp. 71-73, November 2002
  9. 박상우, '웨이블릿 신경 회로망을 이용한 혼돈 비선형 시스템의 일반형 예측제어기 설계,' 연세대학교 대학원, 2003
  10. J. S. Oh, J. B. Park, and Y. H. Choi, 'Path Tracking Control using a Wavelet Neural Network for Mobile Robot with Extended Kalman Filter,' Proc. of ICCAS2003, pp. 1283-1288, October 2003
  11. A. Waibel, T. Hanazawa, G. Hinton, K. Shikano and K. Lang, 'Phoneme Recognition Using Time-Delay Neural Networks,' IEEE Trans. ASSP, Vol. 37 , No.3, pp. 328-339, April 1989 https://doi.org/10.1109/29.21701
  12. S. Singhal and L. Wu, 'Training Feed-forward Networks with the Extended Kalman Algorithm,' Proc. of ICASSP-89., Vol. 2, pp. 1187-1190, May 1989
  13. M. S. Grewal, A. P. Andrews, Kalman Filtering: Theory and Practice Using MATLAB, Wiley-Interscience Publication, 2001
  14. S. Mallat, 'A Theory for Multiresolution Signal Decomposition: The Wavelet Representation,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 11, No. 7, pp. 674-693, July 1989 https://doi.org/10.1109/34.192463
  15. Q. Zhang and A. Benveniste, 'Wavelet Networks,' IEEE Trans. Neural Networks, Vol. 3, No. 6, pp. 889-898. November 1992 https://doi.org/10.1109/72.165591
  16. M. Zhihong, H.R. Wu, M. Palaniswami, 'An Adaptive Tracking Controller Using Neural Networks for a Class of Nonlinear Systems,' IEEE Trans. Neural Networks, Vol. 9, No. 5, pp. 947-955, September 1998 https://doi.org/10.1109/72.712168

Cited by

  1. Sparse Reconfigurable Adaptive Filter with an Upgraded Connection Constraint Algorithm vol.11, pp.4, 2011, https://doi.org/10.5391/IJFIS.2011.11.4.305