• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2329-2331
• /
• 2004

본 논문에서는 이동 로봇의 경로 추종 제어를 위해 웨이블릿 신경 회로망에 기반한 예측 제어기의 설계 방법을 제안하고자 한다. 제안한 방법에 의해 설계된 제어기는 이동 로봇의 동특성을 예측하기 위한 웨이블릿 신경회로망 기반 예측기와 예측 제어기로 구성된다. 제안한 방법에서 모델링 및 제어기로 적용되는 신경 회로망의 장점과 우수한 해석 능력을 가진 웨이블릿 변환의 장점을 결합한 웨이블릿 신경 회로망을 이용하여 이동 로븟의 동특성을 모델링하여 예측 제어기에서의 비용 함수 최소화에 적용한다. 경로 추종 제어의 목적인 이동 로봇의 실제 출력과 예측기의 출력 오차를 최소화하기 위해 웨이블릿 신경 회로망의 파라미터 동정 및 예측 제어기는 경사 하강법을 이용하여 학습한다. 마지막으로 컴퓨터 모의 실험을 통하여 제안한 예측 제어 시스템의 적용가능성 및 효율성을 검증하고자 한다.

• 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.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2248-2250
• /
• 2004

본 논문에서는 유연한 단일링크 매니퓰레이터의 끝단 위치 추적제어를 위해 웨이블렛 신경망을 이용한 강인 적응제어기를 제안한다. 전체 제어기는 웨이블렛 신경망에 의해 추정된 피드백 선형화 제어기와 그 추정오차를 보상하기 위한 보상제어기로 구성된다. 시스템의 출력값은 최소위상을 보장하기 위하여 재정의하여 사용된다. 구성된 웨이블렛 신경망의 연결 가중치는 Lyapunov 안정도 이론에 기초해서 조절된다. 제안된 제어기의 성능 향상은 PD 제어기와 비교함으로써 입증된다.

• 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.

• 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.

• 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.

• Proceedings of the KIEE Conference
• /
• 2002.07d
• /
• pp.2152-2154
• /
• 2002

신경망을 이용한 적응제어는 학습능력에 따라 외란작용에 스스로 대처하고, 정밀한 제어가 가능하지만 학습파라미터가 최적화되기 전에는 불안정한 제어응답을 보인다. 퍼지논리는 전문가의 경험을 논리화한 것으로 제어특성은 좋으나, 외란에 대한 적응력이 부족하여 계속적인 오프셋이 발생할 수 있다. 따라서, 퍼지와 신경망을 시스템의 동특성에 따라 혼용한 제어방식을 제시하고, 시뮬레이션으로 시간지연이 있는 CSTH의 온도와 비선형 공정인 pH 중화공정에 적용하여 단순신경망 제어어보다 개선된 제어응답 특성을 얻었다.

• 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.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.14 no.12
• /
• pp.6484-6487
• /
• 2013

This paper reports the direct controller for nonlinear plants using a neural network. The controller was composed of an approximate controller and a neural network auxiliary controller. The approximate controller provides rough control and the neural network controller gives the complementary signal to further reduce the output tracking error. This method does not place too much restriction on the type of nonlinear plant to be controlled. In this method, a RBF neural network was trained and the system showed stable performance for the inputs it has been trained for. The simulation results showed that it was quite effective and could realize satisfactory control of the nonlinear system.

• 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.