• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1998.05a
• /
• pp.321-326
• /
• 1998

본 논문에서는 정밀 제어와 온-라인 제어를 위하여 유전 알고리즘을 이용한 퍼지-신경망 제어기를 제안하였다. 제안된 제어기의 설계방법은 다음과 같은 3단계의 동조과정으로 구성한다. 1) 퍼지 제어기의 비퍼지화 연산을 신경망을 이용하여 함수근사화 시킨 후, 퍼지-신경망 제어기를 구성한다. 2) 플랜트에 적합한 퍼지 소속함수의 형태를 얻기 위해 유전 알고리즘을 이용하여 근사화된 퍼지 소속함수를 찾는다. 3) 근사화된 초기 퍼지 소속함수를 퍼지-신경망 제어기에 의해 적응학습으로 최적의 퍼지 소속함수를 얻고, 또한 플랜트의 파라미터 변동이나 외부환경의 변화에 대해 적응할 수 있도록 최적의 퍼지 소속함수를 추정한다. 제안된 제어기의 성능을 평가하기 위하여 DC 서보모터의 속도제어에 적용하였다.

• 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.

• 전기의세계
• /
• v.46 no.3
• /
• pp.20-25
• /
• 1997

자율주행시스템은 복잡한 환경에서 효과적인 주행을 위해서 센서를 통해 주변의 정보를 수집하고 주변환경에 적절한 동작을 취해야 한다. 이러한 자율주행시스템에 지능적인 방법을 통하여 새롭게 제안한 방법을 서술하였다. 퍼지 논리를 이용하여 운전자와 같이 차량이 차선을 따라 주행하기 위한 퍼지 논리 제어기(FLC)가 설계되었다. 함축적인 차량모델을 기반으로 설계한 퍼지 논리 제어기가 복잡하고 정확한 차량모델을 기반으로 설계된 PID나 FSLQ 제어기와 동등한 성능을 발휘하였다. 인간의 운전방법을 학습할 수 있는 신경회로망을 이용하여 자율주행시스템에 적용하였다. 퍼지 신경회로망은 인간의 제어특성을 반영하도록 설계되었으며 자동으로 생성된 제어기는 퍼지 논리 제어나 신경회로망의 기법보다 우수한 성능을 발휘하였다. 퍼지 논리, 신경회로망, 유전자 알고리즘 등의 인간의 지능 모델에 기초를 둔 방법을 자율주행차량의 제어에 도입하므로써 기존의 자율주행시스템의 문제점을 극복하는데 주요한 역할을 하였다. 앞으로 퍼지 논리, 신경회로망, 유전자 알고리즘은 각각의 강점을 융합하거나, 고전적인 제어 알고리즘과 결합하므로써 더욱 우수한 성능을 발휘할 것으로 예상된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 2000.10a
• /
• pp.1-1
• /
• 2000

본 논문에서는 3축이 연성되어 비선형 운동 방정식으로 표현되는 3축 안정화 인공위성 시스뎀에 입릭외란과 시스템의 불확실성이 존재할 경우에도 자제 정밀도를 유지하는 제어기를 설계한다. 비선헝 운동 방정식으로 표현되는 운동 방정식을 선형화하고 PID제어기를 구성하였다 선형화에 의한 시스템의 불확실성과 입력 외란을 신경회로망으로 추정하여 외란의 엉향을 제거하도록 구성된 PR제어기의 제어입력을 수정한다 수정된 제어입력은 외란을 상쇠시켜 시스템 출력에서 외란의 효과를 제거하게 된다. 신경회로망은 제어입력과 시스템 출력, 기준 운동 방정식간의 관계를 이용하여 외간과 시스템의 불확실성을 추정하며, 역전파 알고리즘을 사용한 학습 알고리즘으로 신경 회로망을 교육한다. 제안된 신경회로망을 이용한 외란 제거 제어기는 시뮬레이션을 통하여 자세 정밀도의 향상을 검증한다

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.16 no.7
• /
• pp.610-614
• /
• 1991

This paper proposes a trajectory constrol fo a robot manipulator by using neural network. The inverse dynamic model of manipuator is learned by neural network. The manipulator is controlled by weight values of the learned neural network. The weight valuese is change with a torque of liner vontroller and a acceleration error. Phsically, the totlal torque for a manipualator is a sum of the liner controller torque and the nerural network controller torque. The proposed control effect is estimated by computer simulation.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.31 no.7
• /
• pp.75-84
• /
• 2003

To reduce the effects of the uncertainties due to the modeling error and aerodynamic coefficients, a nonlinear adaptive control system based on neural networks is proposed . Neural networks parameters are adjusted by using an adaptive law. The sliding mode control scheme is used to compensate for the effect of the approximation error of neural networks. Control parameters and neural networks structures are optimized to obtain better performance by using the genetic algorithm. By introducing the concept of multi-groups of populations, the genetic algorithm is modified so that individuals and groups can be simultaneously evolved . To verify the performance of the pro posed algorithm, the optimized neural networks control system is applied to an aircraft longitudinal dynamics.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.18 no.2
• /
• pp.63-67
• /
• 2004

We know that Neural Network is in use in many control fields. In time of using as controller, Neural Network controller is needed to learning by Input-output pattern. But in many times of control field. we can not get Input-output pattern of Neural Network controller. As a method solving this problem, in this paper, we try New control method that output node of Neural Network bringing control object. Such a New control method application, we can solve the data taking problem to Neural Network controller Input-output. The effectiveness of proposed control algorithm is verified by simulation results of DC servo motor.

• 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.

• 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 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.