• The Transactions of the Korea Information Processing Society
• /
• v.3 no.6
• /
• pp.1473-1482
• /
• 1996

This study examines the response characteristics of the fuzzy controller and the fuzzy neural network controller. The former is excellent in terms of the overshoot at its values and has great advantages on the disturbance. But there exist some errors in its desired output. Many methods have been introduced that remove the errors of the desired state. This study is in more favor of the fuzzy neural network controller using the neural network than any other method. The fuzzy neural network controller complements the shortcomings of fuzzy controller and can be an accurate controller by being well-without any disturbance or error-converged to the desired output. And it is through simulation that the comparison of the two controllers is carried out in this study.

• Proceedings of the KIEE Conference
• /
• 2000.07e
• /
• pp.115-121
• /
• 2000

본 논문에서는 진화연산 중에서 해의 다양성과 수렴속도면에서 좋은 성능을 나타내는 실수형 유전알고리즘과 신경회로망을 이용한 적응 퍼지제어기를 설계하였다. 실수형 유전알고리즘을 이용하여 퍼지제어기의 입 출력 이득과 실시간으로 퍼지제어기의 입 출력이득을 적응적으로 변경하는 신경회로망의 가중치를 튜닝하였다. 제안한 방법의 유용성을 평가하기 위해 시지연을 갖는 제어시스템[14]에 적용하였다. 컴퓨터 시뮬레이션 결과, 제안한 적응 퍼지제어기가 기존의 퍼지제어기보다 오버슈트, 정정시간, 상승시간면에서 더 우수한 제어성능을 나타내었다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.307-310
• /
• 2003

본 논문에서는 대표적인 비선형 동특성을 가지는 실제 헬리콥터의 회전 띤 자세 운동을 근사화한 모형 헬리콥터의 시스템을 소개하고 이 시스템의 정지 자세 제어를 목표로 직접 적응 웨이브렛 신경회로망 제어기를 다음의 과정에 의해 만든다. 우선 상태 공간에 적용할 웨이브렛 기준 함수를 정의하고 나서 제어기로 들어오는 입력 값의 대략적인 범위와 특성을 파악해서 웨이브렛 이론에 근거해 신축(dilation)과 이동(traslation) 변수 값을 선택하여 초기 적응 웨이브렛 신경회로망 제어기를 건설한다. 마지막으로 시스템의 안정화 제어를 위하여 선택, 교배, 돌연변이의 진화연산자에 의해 일시에 최적의 구조와 결합가중치로 진화시켜 가는 새로운 형태의 ENNC를 제안하여 연결 가중치(weight)를 조정한다. 이 직접 적응 웨이브렛 신경회로망 제어기를 비선형 시스템인 모형 헬리콥터 시뮬레이터에 적용하여 제안한 제어기의 견실성 및 그 우수성을 입증하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.5
• /
• pp.660-667
• /
• 2007

본 논문은 확률특성을 갖는 네트워크 기반 제어시스템(NCS; Networked Control Systems)을 위하여 동적 베이시안 네트워크(DBN; Dynamic Bayesian Networks)와 신경회로망 기법을 이용한 지능제어기법을 제안한다. 신경회로망은 시변 시간지연을 갖는 비선형 시스템의 실시간 오차를 보상하기 위한 제어기의 최적화에 적용된다. 모듈화 신경회로망이 구성되며 이것은 제어기의 파라미터를 출력한다 가장 간단한 DBN 구조인 마코브 체인(MC; Markov Chain)이 구성되며 NCS의 랜덤 관측값을 모델링에 적용되며 예측 제어기의 구성에 또한 사용된다. 제안한 제어기법은 위성시스템의 자세제어에 적용하여 컴퓨터 시뮬레이션을 통해 성능을 검증하였다.

• Journal of IKEEE
• /
• v.14 no.3
• /
• pp.182-189
• /
• 2010

A new Adaptive neural state-feedback controller for the fully nonaffine pure-feedback nonlinear system are presented in this paper. By reformulating the original pure-feedback system to a standard normal form with respect to newly defined state variables, the proposed controller requires no backstepping design procedure. Avoiding backstepping makes the controller structure and stability analysis considerably simple. The proposed controller employs only one neural network to approximate unknown ideal controllers, which highlights the simplicity of the proposed neural controller. Simulation examples demonstrate the efficiency and performance of the proposed approach.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.5
• /
• pp.652-658
• /
• 2010

This paper presents the implementation and control of a two wheeled mobile robot(TWMR) based on a balancing mechanism. The TWMR is a mobile inverted pendulum structure that combines an inverted pendulum system and a mobile robot system with two arms instead of a rod. To improve robustness due to disturbances, the radial basis function (RBF) network is used to control an angle and a position at the same time. The reference compensation technique(RCT) is used as a neural control method. Experimental studies are conducted to demonstrate performance of neural network controllers. The robot are implemented with the remote control capability.

• 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 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 of Information and Communication Engineering
• /
• v.20 no.4
• /
• pp.698-706
• /
• 2016

In order to move mobile robots to desired locations in a minimum time, optimal control problems have to be solved; however, their analytic solutions are almost impossible to obtain due to robot nonlinear equations. This paper presents a method to get optimal control gains of mobile robots using genetic algorithms. Since the optimal control gains of mobile robots depend on the initial conditions, the initial condition range is discretized to form some grid points, and genetic algorithms are applied to provide the optimal control gains for the corresponding grid points. The optimal control gains for general initial conditions may be obtained by use of neural networks. So the optimal control gains and the corresponding grid points are used to train neural networks. The trained neural networks can supply pseudo-optimal control gains. Finally simulation studies have been conducted to verify the effectiveness of the method presented in this paper.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.3
• /
• pp.49-54
• /
• 2003

In this paper, we propose a controller with the self-organizing neural network compensator for compensating PID controller's response. PID controller has simple design method but needs a lot of trials and errors to determine coefficients. A neural network control method does not have optimal structure as the parameters are pre-specified by designers. In this paper, to solve this problem, we use a self-organizing neural network which has Back Propagation Network algorithm using a Gaussian Potential Function as an activation function of hidden layer nodes for compensating PID controller's output. Self-Organizing Neural Network's learning is proceeded by Gaussian Function's Mean, Variance and number which are automatically adjusted. As the results of simulation through the second order plant, we confirmed that the proposed controller get a good response compare with a PID controller. And we implemented the of controller performance hydraulic servo motor system using the DSP processor. Then we observed an experimental results.