Modeling of Magentic Levitation Logistics Transport System Using Extreme Learning Machine

In this paper, a new modeling method of a magnetic levitation(Maglev) system using extreme learning machine(ELM) is proposed. The linearized methods using Taylor Series expansion has been used for modeling of a Maglev system. However, the numerical method has some drawbacks when dealing with the components with high nonlinearity of a Maglev system. To overcome this problem, we propose a new modeling method of the Maglev system with electro magnetic suspension, which is based on ELM with fast learning time than conventional neural networks. In the proposed method, the initial input weights and hidden biases of the method are usually randomly chosen, and the output weights are analytically determined by using Moore-Penrose generalized inverse. matrix Experimental results show that the proposed method can achieve better performance for modeling of Maglev system than the previous numerical method.

Extreme Learning Machine을 이용한 자기부상 물류이송시스템 모델링

본 논문에서는 Extreme Learning Machine(ELM)을 이용한 자기부상시스템 모델링 기법을 제안한다. 자기부상시스템의 모델링을 위하여 일반적으로 테일러 급수를 이용한 선형화 모델이 사용되어져 왔으나, 이런 수학적 기법의 경우 자기부상시스템의 비선형 반영에 한계가 있다는 단점을 가지고 있다. 이러한 단점을 극복하기 위해 본 논문에서는 학습시간이 빠른 특성을 가진 ELM을 이용한 자기부상시스템의 모델링 기법을 제안한다. 제안된 기법은 입력 가중치들과 은닉 바이어스들의 초기값을 무작위로 선택하고 출력 가중치들은 Moore-Penrose의 일반화된 역행렬 방법을 통하여 구해진다. 실험을 통하여 제안된 알고리즘이 자기부상시스템의 모델링에서 수학적 기법에 비해 우수한 성능을 보임을 알 수 있었다.