한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제17권4호
  • /
  • Pages.534-539
  • /
  • 2007
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

퍼지 분류기 기반 지능형 차단 시스템

Intelligent Diagnosis System Based on Fuzzy Classifier

  • 성화창 (연세대학교 전기전자공학과) ;
  • 박진배 (연세대학교 전기전자공학과) ;
  • 소제윤 (군산대학교 전자정보공학부) ;
  • 주영훈 (군산대학교 전자정보공학부)
  • 발행 : 2007.08.25
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문에서는 저압 배선 진단 시스템 개발을 위한 지능형 차단 시스템을 제안한다. 제안된 배선 진단 시스템은 TFDR(Time-Frequency Domain Reflectometry) 알고리즘을 통해 배선이 어떤 상태인지를 보여 주는 시스템이다. 그리고 제안된 진단 시스템으로부터 얻은 신호를 분석하여 이상 종류에 따라 분류하는 시스템을 통해 지능형 차단 시스템을 제안한다. 일반적으로, TFDR을 통해 알아 낼 수 있는 이상의 종류는 damage, open 그리고 short 이다. 각 상황에 대한 효율적인 분류를 위하여 IF-THEN 규칙에 기반 한 분류기가 사용된다. 기존 TFDR이 수행되었던 통신선 케이블의 실험 데이터에 기반 한 실험을 통해 본 제안 내용의 우수성을 보이게 된다.

In this paper, we present the development of an intelligent diagnosis system for detecting faults of the low voltage wires. The wire detecting system based on the Time-Frequency Domain Reflectometry (TFDR) algorithm shows the condition of the wires. We analyze the reflected signal which is sent from the wire detecting system and classify the fault type of the wires by using the intelligent diagnosis system. Through the TFDR, generally, the conditions of the wires are classified into the three types - damage, open and short. In order to classify the fault type efficiently, we use the fuzzy classifier which is represented as IF-THEN rules. Finally, we show the utility of the proposed algorithm by performing the simulation which is based on the data of the coaxial cable.

키워드

참고문헌

  1. Y. J. Shin, T. S. Choe, C. Y. Hong, E. S. Song, J. G. Yook, and J. B. Park, 'Application of time-frequency domain reflectometry for detection and localization fault on a coaxial cable,' IEEE Trans. Instrumentation and measurement, Vol. 54, no. 6, Dec. 2005
  2. 최덕선, 곽기석, 윤태성, 박진배, '시간-주파수 반사파 계측 방법을 이용한 전송선로의 결합 위치 추정,' 대한전기학회 논문지 9월호, pp. 521-530, 2005
  3. M. H. Kim, J. B. Park, W. G. Kim, and Y. H. Joo, 'Identification of T-S fuzzy classifier via linear matrix inequalities,' LNAI 3809, pp. 1134-1137, 2005
  4. M. Setnes, and H. Roubos 'GA fuzzy modeling and classification: complexity and performance,' IEEE Trans. Fuzzy Syst., Vol. 8, pp. 509-522, 2000 https://doi.org/10.1109/91.873575
  5. Y. H. Joo, H. S. Hwang, K. B. Kim, and K. B. Woo, 'Linguistic model identification for fuzzy system,' Electron. Letter. Vol. 31, pp. 330-331, 1995 https://doi.org/10.1049/el:19950163
  6. Y. H. Joo, H. S. Hwang, K. B. Kim, and K. B. Woo, 'Fuzzy system modeling by fuzzy partition and GA hybrid schemes,' Fuzzy Set and Syst. Vol. 86, pp. 279-288, 1997 https://doi.org/10.1016/S0165-0114(95)00414-9
  7. Y. H. Joo, L. S. Shieh, and G. Chen, 'Hybrid state-space fuzzy model-based controller with dual-rate sampling for digital control of chaotic systems,' IEEE Trans. Fuzzy Syst., Vol. 7, no. 4, pp. 394-408, 1999 https://doi.org/10.1109/91.784199
  8. L. S. Shieh, X. M. ZHAO, and J. W. SUNKE, 'Hybrid state-space self-tuning control using dual- rate sampling'. IEE Proc, Control Theory Appl, 1991, 138, (1), pp. 50-58 https://doi.org/10.1049/ip-d.1991.0007
  9. T. P. Wu and S. M. Chen, 'A new method for constructing membership functions and fuzzy rules from training examples,' IEEE Trans. Syst., Man, Cybern. B., Vol. 29, pp. 25-40, 1999 https://doi.org/10.1109/3477.740163
  10. H. Roubos and M. Setnes, 'Compact transparent fuzzy models and classifiers through iterative complexity reduction,' IEEE Trans. Fuzzy Syst., Vol. 9, no. 4, pp. 516-524, 2001 https://doi.org/10.1109/91.940965
  11. Y. Shi, R. Eberhart, and Y. Chen, 'Implementation of evolutionary fuzzy systems,' IEEE Trans. Fuzzy Syst., Vol. 7, pp. 109-119, 1999 https://doi.org/10.1109/91.755393
  12. G. Castellano, A. M. Fanelli, and C. Menear, 'An empirical risk functional to improve learning in a neuro-fuzzy Classifier,' IEEE Trans. Syst., Man, Cybern, B., Vol. 34, pp. 725-731, 2004 https://doi.org/10.1109/TSMCB.2003.811291
  13. L. I. Kuncheva, J. C. Bezdek, and R. P. W. Duin, 'Decision templates for multiple classifier fusion: an experimental comparison,' Pattern Recognition, Vol. 34, pp. 299-314, 2001 https://doi.org/10.1016/S0031-3203(99)00223-X
  14. S. Paul and S. Kumar, 'Subsethood based adaptive linguistic networks for pattern classification,' IEEE Trans. Syst., Man, Cybern., Vol. 33, pp. 248-258, 2003 https://doi.org/10.1109/TSMCC.2002.806073
  15. D. Chakraborty and N. R. Pal, 'A neuro- fuzzy scheme for simultaneous featur selection and fuzzy rule-based classification,' IEEE Trans. Neural Networks, Vol. 15, pp.110 -123, 2004 https://doi.org/10.1109/TNN.2003.820557