• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.39 no.1
• /
• pp.51-65
• /
• 2002

This paper presents a design method of the neural network-based controller using an indirect adaptive control method to deal with an intelligent control for chaotic nonlinear systems. The proposed control method includes the identification and control Process for chaotic nonlinear systems. The identification process for chaotic nonlinear systems is an off-line process which utilizes the serial-parallel structure of multilayer neural networks and simple state space neural networks. The control process is an on-line process which uses the trained neural networks as the system model. An error back-propagation method was used for training of identification and control for chaotic nonlinear systems. The performance of the proposed neural network controller was evaluated by application to the Duffing equation and the Lorenz equation, and the proposed controller was compared with other neural network-based controllers by computer simulations.

• 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.

• 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 KIEE Conference
• /
• 2004.07d
• /
• pp.2197-2199
• /
• 2004

시간 및 주파수 특성 분석이 용이한 웨이블릿 변환을 네트워크화 시킨 웨이블릿 신경 회로망의 파라미터 학습 방법에는 오차 역전파 알고리듬 및 유선 알고리듬 등이 있으나 이러한 학습 방법들은 수렴 시간이 오래 걸리는 단점이 있다. 따라서 본 논문에서는 웨이블릿 신경 회로망의 최적 파라미터를 결정하기 위한 학습방법으로 확장 칼만 필터 알고리듬을 제안한다. 일반적으로 확장 칼만 필터 알고리듬은 복잡한 연산 과정에 불구하고 적은 학습 횟수로 빠른 수렴 특성을 가진다. 제안한 방법의 효율성을 검증하기 위해 확장 칼만 필터 학습 방법을 적용한 웨이블릿 신경 회로망을 혼돈 시스템 동정에 적용하여 경사 하강법을 사용한 기존의 신경 회로망에 비해 더 양호한 성능을 가짐을 검증하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.6
• /
• pp.720-729
• /
• 2005

In this paper, we design the indirect adaptive controller using Wavelet Neural Network(WNN) for unknown nonlinear systems. The proposed indirect adaptive controller using WNN consists of identification model and controller. Here, the WNN is used in both Identification model and controller The WNN has advantage of indicating the location in both time and frequency simultaneously, and has faster convergence than MLPN and RBFN. There are several training methods for WNN, such as GD, GA, DNA, etc. In this paper, we present the Extended Kalman Filter(EKF) based training method. Although it is computationally complex, this algorithm updates parameters consistent with previous data and usually converges in a few iterations. Finally, ore illustrate the effectiveness of our method through computer simulations for the Buffing system and the one-link rigid robot manipulator. From the simulation results, we show that the indirect adaptive controller using the EKF method has better performance than the GD method.

• Journal of Advanced Marine Engineering and Technology
• /
• v.26 no.6
• /
• pp.705-711
• /
• 2002

디젤기관은 실린더 내경의 크기, 실린더 수 및 회전수에 따라 착화지연, 연소지연 및 디젤기관의 각종 정수가 달라지므로 비선형이 심한 시스템이다. 본 연구에서는 신경회로망을 이용하여 발전기를 구동하는 디젤 기관의 속도를 제어하는 디젤기관 신경회로망 디지털조속기를 제안한다. 이를 위하여 3상 50㎾ 발전기를 구동하는 4행정 4실린더, 1800 rpm ISUTSU 디젤기관의 실제 운전데이터로부터 뉴럴에뮬레이터를 구한다. 최적치 뉴럴에뮬레이터 구성을 위하여 다양한 역전파알고리즘으로 학습을 행하고 결과를 비교한다. 또한 디젤기관의 역으로부터 뉴럴 제어기를 구성하고 뉴럴에뮬레이터로 시뮬레이션을 행한다. 외란이 존재하는 경우에도 효과적인 뉴럴제어기를 구성하기 위하여 선택적 뉴럴제어 기의 사용을 제안한다. 또한 응답성을 향상하고 정확한 목표치추종을 위하여 PI제어기를 보조제어기로 사용하는 하이브리드제어기를 구성하여 시뮬레이션을 통하여 성능이 향상됨을 보인다.

• Journal of the Korean Society for Precision Engineering
• /
• v.21 no.10
• /
• pp.65-77
• /
• 2004

In this paper, we propose an adaptive mechanism based on immune algorithm and neural network identifier technique. It is also applied fur an autonomous guided vehicle (AGV) system. When the immune algorithm is applied to the PID controller, there exists the case that the plant is damaged due to the abrupt change of PID parameters since the parameters are almost adjusted randomly. To solve this problem, we use the neural network identifier (NNI) technique fur modeling the plant and humoral immune algorithm (HIA) which performs the parameter tuning of the considered model, respectively. After the PID parameters are determined in this off-line manner, these gains are then applied to the plant for the on-line control using an immune adaptive algorithm. Moreover, even though the neural network model may not be accurate enough initially, the weighting parameters are adjusted to be accurate through the on-line fine tuning. Finally, the simulation and experimental result fur the control of steering and speed of AGV system illustrate the validity of the proposed control scheme. These results for the proposed method also show that it has better performance than other conventional controller design methods.

• Journal of Institute of Control, Robotics and Systems
• /
• v.11 no.9
• /
• pp.781-788
• /
• 2005

This paper proposes an identification method using a self recurrent wavelet neural network (SRWNN) for dynamic systems. The architecture of the proposed SRWNN is a modified model of the wavelet neural network (WNN). But, unlike the WNN, since a mother wavelet layer of the SRWNN is composed of self-feedback neurons, the SRWNN has the ability to store the past information of the wavelet. Thus, in the proposed identification architecture, the SRWNN is used for identifying nonlinear dynamic systems. The gradient descent method with adaptive teaming rates (ALRs) is applied to 1.am the parameters of the SRWNN identifier (SRWNNI). The ALRs are derived from the discrete Lyapunov stability theorem, which are used to guarantee the convergence of an SRWNNI. Finally, through computer simulations, we demonstrate the effectiveness of the proposed SRWNNI.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.