• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.79-80
• /
• 2008

본 논문은 FPGA 기반에서 실수형 프로세서의 설계 및 구현에 대한 내용과 이를 이용하여 휴머노이드 로봇 팔의 위치제어를 위한 PD 제어기반의 신경회로망 제어기의 구현에 대한 내용이다. 설계된 프로세서는 명령어 기반의 처리를 통해 산술 연산 뿐만 아니라 로봇의 제어에 사용되는 외부 모듈의 사용이 가능하도록 설계하였으며, 신경회로망 구현에 사용되는 지수함수를 효율적으로 근사화하기 위한 Taylor series를 이용한 알고리즘을 하드웨어 레벨에서 구현하였다. 휴머노이드 로봇 팔의 위치 추종을 위해 고전적인 PD 제어기를 설계하고 PD 기반의 신경회로망 제어기를 설계하였다. 로봇 팔의 6축 제어를 위한 신경회로망 제어기에 요구되는 많은 연산을 감당하도록 하기 위해 설계된 프로세서를 통해 정의된 프로그래밍언어로 제어 프로그램을 작성하였다. PD 제어기와 PD 기반의 신경회로망 제어기를 하드웨어에 설계하여 로봇팔의 위치 추종을 실험하였으며 성능을 비교 검증하였다. 프로세서는 Altera의 Stratix II EP2S180 DSP development board에 구현되었으며 실험적으로 25MIPS의 성능을 가지는 것으로 나타났다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.5 no.4
• /
• pp.77-86
• /
• 1995

The new architecture that fuzzy logic control(FLC) with difficulties for tuning membership function (MF) is parallel with neural networks(NN) to be learned from the output of FLC is proposed. Therefore proposed scheme has the characteristics to utilize the expert knowledge in design process, to be learned during the operation without any learning mode. In this architecture, the function of the FLC is to supply the sliding surface which is constructed on the phase plane by rule base for giving the desired control characteristics and learning criterion of NN and the stabilization of the control performance before NN is learned, The function of the NN is to let the system trajectory be tracked to the sliding surface and reached to the stable point.

• Proceedings of the IEEK Conference
• /
• 1999.06a
• /
• pp.486-491
• /
• 1999

본 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응 제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨이브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.39 no.2
• /
• pp.157-165
• /
• 2002

This paper presents the implementation of the speed control system for 3 phase induction motor using PD controller and neural networks. The PD controller is used to control the motor and to train neural networks at the first time. And neural networks are widely used as controllers because of a nonlinear mapping capability, we used feedforward neural networks(FNN) in order to simply design the speed control system of the 3 phase induction motor. Neural networks are tuned online using the speed reference, actual speed measured from an encoder and control input current to motor. PD controller and neural networks are applied to the speed control system for 3 phase induction motor, are compared with PI controller through computer simulation and experiment respectively. The results are illustrated that the output of the PD controller is decreased and feedforward neural networks act main controller, and the proposed hybrid 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.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.2 no.1
• /
• pp.39-45
• /
• 1997

In this paper, a high speed motor drive system using an indirect adaptive neural network controller is proposed. In the variable high speed motor drives, the speed response can be deteriorated by long settling time and high overshoot. To obtain a good dynamical performance, an adaptive feedforward controller consisted of Neural Network Controller(NNC) and Neural Network Emulator(NNE) is applied. The NNE is used to identify the parameters and characteristics of high speed motor. To train the controller, the weights are dynamically adjusted using the back propagation algorithm. Computer simulation and implementation of the proposed system is described.

• 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.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.4
• /
• pp.335-341
• /
• 2010

To improve the performance of inner loop based on PD controller for a unmanned helicopter, neural networks are applied. The performance of PD controller designed on the response characteristics of error dynamics decreases because of uncertain nonlinearities of the system. The nonlinearities are decoupled to modified dynamic inversion model(MDIM) and are compensated by the neural networks. For the training of the neural networks, online weight adaptation laws which are derived from Lyapunov's direct method are used to guarantee the stability of the controller. The results of the improved performance of PD controller by neural networks are illustrated in the simulation of unmanned helicopter with nonlinearities,

• 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.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2001.06a
• /
• pp.145-148
• /
• 2001

본 논문에서는 자기구성 신경회로망을 이용하여 3축 매니퓰레이터의 궤적제어기를 설계한다. 궤적 제어는 경유점을 정하고 각 경유점에 대한 역기구학을 적용하는 제어기로서 본 논문에서는 역기구학의 해를 자기구성 신경회로망을 통해 해결하는 제어기를 설계하고자 한 다. 또한 제어기에서의 은닉층의 활성화 함수는 가우 시안 함수를 사용하고, 은닉층의 파라미터는 오차를 기초로 하여 자동적으로 최적의 파라미터 값을 구함으로 서 유연한 궤적 제어가 되도록 한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.12 no.12
• /
• pp.2365-2370
• /
• 2008

In this paper, applications of wavelet neural network controller to position control of nonlinear system are considered. Wavelet neural network is used in the objectives which improve the efficiency of LQR controllers. It is possible to make unstable nonlinear systems stable by using LQR(Linear Quadratic Regulator) technique. And, in order to be adapted to disturbance effectively in this system it uses wavelet neural network controller. Applying this method to the position control of nonlinear system, its usefulness is verified from the results of experiment.