• Composites Research
• /
• v.14 no.1
• /
• pp.39-46
• /
• 2001

Experimental studies on the adaptive multi-mode vibration control of composite beams have been performed using neuro-controller. Neuro-controllers require too much computational burden, which blocks wide real-time applications of neuro-controllers. Therefore, in this paper, an adaptive notch filter is proposed to separate a vibration signal into each modal vibration signal. Two neuro-controllers with fewer weights are connected to the corresponding modal signals to generate proper modal control forces. The vibration controls using the adaptive notch filter and neuro-controllers have been performed for two specimens. A and B, which have different natural frequencies because of different positions of tip masses. Significant vibration reduction has been observed in both cases. The vibration control results show that the present neuro-controller has good adaptiveness under the system parameter variations.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.6 no.4
• /
• pp.39-48
• /
• 1996

비선형 동적 시스템을 제어하기에 적합한 귀환 신경망에 대한 연구는 안정성(stability) 유도와 학습 알고리듬(learning algorithm) 개발의 두가지 방향으로 지금까지 많은 연구가 이루어져 왔다. 본 논문에서는 비선형 동적 시스템 제어시 온라인(on-line) 학습이 가능하고 안정성을 보장하도록 귀환 신경망의 학습 알고리듬에 VSS이론을 도입하여 개발한다. 또한 개발한 학습 알고리듬을 사용한 귀환 신경망을 전형적인 비선형 동적 시스템인 로보트 매니퓰레이터의 제어 시스템에 적용하고 기존의 학습 방법의 적용 결과와 비교하여 개발한 제어 알고리듬의 효용성을 입증한다.

• The Journal of the Acoustical Society of Korea
• /
• v.11 no.6
• /
• pp.23-31
• /
• 1992

신경망을 이용한 음성인식에 관한 연구이다. 우선 음성을 음소로 분리하였다. 그런다음 각각의 음소를 인식하였다. 음소인식을 위해 제어망과 몇 개의 소규모 망으로 구성된 복합신경망을 이용하였다. 제어망은 음소가 어느 집단에 속하는가를 결정하고, 소규모망에서는 각 집단에 속하는 음소를 인식한다. 마지막으로 프레임별 인식 결과를 누적하여 음소를 판별하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.694-696
• /
• 2005

본 논문에서는 개선된 유전자 알고리즘과 역전파 신경망 알고리즘의 특징을 살펴보고, 비선형 모의자료를 이용하여 개선된 유전자 알고리즘 기반의 신경망 학습 효과와 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 비교해 본다. 유전자 알고리즘을 이용한 신경망 학습에는 개선된 신경망 제어기를 이용한다. 역전파 알고리즘을 이용한 신경망 학습에는 일반화 성능향상을 위한 인자들의 결합효과를 이용한다. 모의실험을 통하여 두 가지의 학습에서 학습 수령의 정도와 학습 속도 등을 비교하는 모의실험 결과를 개선된 유전자 알고리즘과 신경망 알고리즘의 학습 결과와 항께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 개선된 신경망 제어기를 통한 학습 결과가 일반 신경망 학습 결과보다 초기 가중값을 작은 범위에서 발생시킬 때 수렴 정확도 및 학습 속도에서 좋은 결과를 나타내 주고 있다.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.11 no.1
• /
• pp.103-112
• /
• 2007

Recently structures become longer and higher because of the developments of new materials and construction techniques. However, such modern structures are susceptible to excessive structural vibrations, which may induce problems of serviceability and structural damages. In this paper we attempt to control structural vibration using the probabilistic neural network(PNN) and the artificial neural network(ANN) based on the training pattern that consist of only the structural state vector and the control force. The state vectors of the structure and control forces made by linear quadratic regulator(LQR) algorithm are used for training pattern of PNN and ANN. The proposed algorithm is applied for the vibration control of the three story shear building under Northridge earthquake. Control results by the proposed PNN and ANN are compared with each other.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.289-295
• /
• 1998

본 논문은 빠른 학습과 정확한 근사 능력을 갖는 새로운 CMAC 신경망 기반 퍼지 제어기르 제안한다. 제안한 CMAC 신경망 기반 퍼지 제어기(CBFLC)는 한 학습 주기 동안 전향 및 역전파 연산시 신경망내 유닛중 극히 일부분만이 활성화되어 학습에 참가하므로 학습 시간이 매우 빠르고, 비퍼지화 연산시 소속 함수의 중심값 뿐 아니라 폭을 동시에 고려하여 정확한 근사화를 얻는다. 제안한 퍼지 제어기내 입？출력 소속 함수의 중심값 및 폭 등의 구조적 파라메터들은 역전파 알고리즘에 의해 갱신된다. 제안한 CMAC 신경망 기반 퍼지 제어기를 트럭 후진 주차문제에 적용하여 근사화 능력 및 제어 성능면에서 여러 다른 퍼지 제어기들과 비교한다.

• Proceedings of the Earthquake Engineering Society of Korea Conference
• /
• 2006.03a
• /
• pp.463-470
• /
• 2006

이 논문에서는 신경망 제어기와 MR 댐퍼를 이용하여 지진하중을 받는 지진격리 벤치마크 구조물의 응답 감소를 위한 반능동 제어방법이 제안되었다. 제안방법 중 신경망 제어기에는 적절한 제어력을 산출하기 위해 가격함수를 기반으로한 학습 알고리즘과 간편한 민감도 계산기법이 도입되었다. MR 댐퍼가 계산되어진 제어력과 비슷한 제어력을 낼 수 있도록 clipped 알고리즘을 이용하였고, 제안된 반능동 신경망 제어방법이 지진격리 장치가 설치된 벤치마크 구조물에 적용되었다. 수치해석에서는 벤치마크 문제를 정의한 논문에서 제공된 수동제어방법이나 예시제어방법과 제안 방법의 제어성능을 비교하였다. 수치해석 결과 제안방법은 지하 변위를 약간 증가시키지만, 각층의 가속도, base shear, building corner drift 등을 매우 효과적으로 줄이는 것으로 판명되었다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.5
• /
• pp.46-55
• /
• 2000

This paper presents a direct adaptive control of robot system using chaotic neural networks and PD controller. The chaotic neural networks have robust nonlinear dynamic characteristics because of the sufficient nonlinearity in neuron itself, and the additional self-feedback and inter-connecting weights between neurons in same layer. Since the structure and the learning method are not appropriate for applying in control system, this neural networks have not been applied. In this paper, a modified chaotic neural networks is presented for dynamic control system. To evaluate the performance of the proposed neural networks, these networks are applied to the trajectory control of the three-axis PUMA robot. The structure of controller consists of PD controller and chaotic neural networks in parallel for conforming the stability in initial learning phase. Therefore, the chaotic neural network controller acts as a compensating controller of PD controller.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.7
• /
• pp.1527-1532
• /
• 2003

기존의 GPC방법으로 제어하기 힘든 비선형성과 플랜트의 변수변화를 포함하는 비선형 플랜트를 지연 예측신경망을 사용하여 효과적으로 제어하는 적응 GPC방법을 제안한다 제안한 방법에서는 플랜트의 선형 변수 추정이나 근사적인 모델로부터 선형 매개변수를 구해서 선형 모델을 만들고 실제 시스템의 출력과 선형모델의 오차를 신경망의 출력으로 표현한 다음, 이 식으로부터 적응 GPC 알고리듬을 유도한다. 여기서 지연 예측신경망은 적응 GPC에 이용될 플랜트의 출력을 예측하도록 학습된다. 이와 같은 제어기를 구성함으로써 선형 변수만으로 적응 GPC 제어기가 구성되어질 경우 생기는 비선형 변수의 추정과 출력 예측 값을 계산하는 번거로움을 해결하였다.

• The Transactions of the Korea Information Processing Society
• /
• v.4 no.8
• /
• pp.2070-2079
• /
• 1997

In this paper, we proposed the FNCAC (fuzzy neural call admission control) scheme of the ATM networks which used the benefits of fuzzy logic controller and the learning abilities of the neural network to solve the call admission control problems. The new call in ATM networks is connected if QoS(quality of service) of the current calls is not affected due to the connection of a new call. The neural network CAC(call admission control) system is predictable system because the neural network is able to learn by the input/output pattern. We applied the fuzzy inference on the learning rate and momentum constant for improving the learning speed of the fuzzy neural network. The excellence of the proposed algorithm was verified using measurement of learning numbers in the traditional neural network method and fuzzy neural network method by simulation. We found that the learning speed of the FNCAC based on the fuzzy learning rules is 5 times faster than that of the CAC method based on the traditional neural network theory.