• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.3
• /
• pp.72-83
• /
• 2000

This paper presents the implementation of the position control system for 3 phase induction motor using reaching mode controller and neural networks. The reaching mode controller is used to bring the position error and speed error trajectories toward the sliding surface and to train neural networks at the first time. The structure of the reaching mode controller consists of the switch function of sliding surface. And feedforward neural networks approximates the equivalent control input using the reference speed and reference position and actual speed and actual position measured form an encoder and, are tuned on-line. The reaching mode controller and neural networks are applied to the position control system for 3 phase induction motor and, are compared with a PI controller through computer simulation and experiment respectively. The results are illustrated that the output of reaching mode controller is decreased and feedforward neural networks take charge of the main part for the control action, and the proposed controllers show better performance than the PI controller in abrupt load variation and the precise control is possible because the steady state error can be minimized by training neural networks.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.2
• /
• pp.109-114
• /
• 2001

본 논문에서는 비선형 제어시스템의 성능 개선을 위한 새로운 신경망 직접 적응제어 알고리즘을 제시하였다. 제어칙은 Gaussian RBF 신경망을 이용한 제어입력과 근사화 오차 및 외란의 영향을 제거하기 위한 보조제어 입력으로 구성하였다. 또한 신경망에 사용된 가중치와 보조입력의 파라미터를 조정하기 위한 적응칙은 Lyapunov 안정도 이론에 의하여 구하였다. 이렇게 함으로써 외란이나 근사화 오차에 관계없이 플랜트와 기준모델 사이의 오차가 0이 되도록 하는 알고리즘을 구할 수 있었다. 또한 제시된 알고리즘의 효용성을 알아보기 위하여 Duffing forced oscillation 시스템에 대하여 시뮬레이션 하여본 결과 만족할만한 성능을 얻을 수 있었다.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.12 no.1
• /
• pp.111-116
• /
• 1998

Robust control for DC servo motor is needed according to the highest precision of industrial automation. However, when a motor control system with PID controller has an effect of load disturbance, it is very difficult to guarantee the robustness of control system. As a compensation method solving this problem, in this paper, PID-neural network hybrid control method for motor control system is presented. The output of neural network controller is determined by error and rate of error change occurring in load disturbance. The robust control of DC servo motor using neural network controller is demonstrated by computer simula tion.a tion.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.3
• /
• pp.41-48
• /
• 2003

This paper presents an indirect adaptive neuro controller using modified chaotic neural networks(MCNN) for nonlinear dynamic system. A modified chaotic neural networks model is presented for simplifying the traditional chaotic neural networks and enforcing dynamic characteristics. A new Dynamic Backpropagation learning method is also developed. The proposed MCNN paradigm is applied to the system identification of a MIMO system and the indirect adaptive neuro controller. The simulation results show good performances, since the MCNN has robust adaptability to nonlinear dynamic system.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.40 no.5
• /
• pp.299-307
• /
• 2003

The local structure of CMAC neural networks (NN) results in better and faster controllers for nonlinear dynamical systems. In this paper, we propose a CMAC NN-based disturbance observer and its corresponding controller for a flexible joint robot. The CMAC NN-based disturbance observer compensates for the parametric uncertainties and the external disturbances throughout the entire mechanical system. Finally, a simulation result is given to demonstrate the effectiveness of proposed design method's robust tracking performance.

• Journal of Korean Society of Steel Construction
• /
• v.21 no.2
• /
• pp.175-181
• /
• 2009

An intelligent control technique using a neural network is proposed for offshore structures exposed to sea-bed earthquakes. Fluid-structure interaction effect was considered in developing controller and a training algorithm for the neural network is presented. In the numerical example, the performance of the proposed neural network controller was compared with that of a passive controller and uncontrolled structures. Based on the example, it can be concluded that the proposed neuro-control scheme can be used for offshore structures with nonlinear characteristics due to its interaction with fluid.

• Proceedings of the KIEE Conference
• /
• 2001.11c
• /
• pp.297-300
• /
• 2001

본 논문에서는 로봇 매니퓰레이터의 제어에 사용할 수 있는 신경망 외란 관측기를 제안하도록 한다. 제안한 신경망 외란 관측기는 다층신경 망의 구조로 신경망 외란관측기의 오차와 제어 오차가 충분히 작은 콤팩트 집합에 절대 상시 유계된다. 본 논문에서 제안하는 신경망 외란 관측기는 기존의 적응 제어기의 단점을 해결한 방식으로 복잡한 회귀 모델을 필요로 하지 않는다. 끝으로 제안한 방식을 3관절 로봇에 적용하여 그 타당성을 확인한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1999.12a
• /
• pp.747-757
• /
• 1999

본 논문에서는 가변구조제어기의 슬라이딩모드이득과 경계층두께(boundary layer thickness)를 신경망을 이용하여 계산하는 신경망 가변구조제어기를 제시한다. 제시된 방법은 신경망의 역전파오차 학습기능을 이용하여 슬라이딩모드이득과 경계층 범위를 계산할 수 있도록 신경망 제어기를 학습시킴으로써, 슬라이딩모드 제어법칙을 단순화 하고, 시스템 불확실성에 대하여 강인하며, 추적오차를 더욱 개선시킬 수 있다. 설계의 예와 시뮬레이션 결과를 통하여 제시된 방법에 대한 유용성을 보인다.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2052-2054
• /
• 2003

본 논문에서는 혼돈 비선형 시스템의 지능 제어를 위해 간접 적응 제어 기법에 기반한 웨이블릿 신경 회로망 제어기 설계 방법을 제안한다. 제어기 성능에 큰 영향을 미칠 수 있는 웨이블릿 신경 회로망 구조의 파라미터 동정은 본질적으로 강인하고 전역 최적해에 근사한 값을 결정할 수 있는 유전 알고리듬을 사용한다. 본 논문에서 제안한 제어 방법은 유전 알고리듬을 이용한 혼돈 비선형 시스템의 오프라인 동정 모델 및 기준 신호와 플랜트 출력으로 정의되는 제어 오차를 이용하여 원하는 제어 입력을 생성한다. 한편 본 논문에서 제안한 웨이블릿 신경 회로망 제어기를 대표적인 연속 시간 혼돈 비선형 시스템인 Duffing 시스템에 적용하여 설계된 제어기의 효율성 및 우수성을 검증하고자 한다.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.6 no.3
• /
• pp.273-281
• /
• 2001

In this paper, we propose a CMAC(Cerebellar Model Articulation Controller) neural network for controlling a non-linear system. CMAC is a neural network that models the human cerebellum. CMAC uses a table look-up method to resolve the complex non-linear system instead of numerical calculation method. It is very fast learn compared with other neural networks. It does not need a calculation time to generate control signals. The simulation results show that the proposed CMAC controllers for a simple non-linear function and a DC Motor speed control reduce tracking errors and improve the stability of its learning controllers. The validity of the proposed CMAC controller is also proved by the real-time tension control.