• 제어로봇시스템학회논문지
• /
• 제8권12호
• /
• pp.1023-1030
• /
• 2002

Since the dynamics of autonomous underwater vehicles (AUVs) are highly nonlinear and their hydrodynamic coefficients vary with different vehicle's operating conditions, high performance control systems of AUVs are needed to have the capacities of teaming and adapting to the variations of the vehicle's dynamics. In this paper, a linearly parameterized neural network (LPNN) is used to approximate the uncertainties of the vehicle dynamics, where the basis function vector of the network is constructed according to the vehicle's physical properties. The network's reconstruction errors and the disturbances in the vehicle dynamics are assumed be bounded although the bound may be unknown. To attenuate this unknown bounded uncertainty, a certain estimation scheme for this unknown bound is introduced combined with a sliding mode scheme. The proposed controller is proven to guarantee that all signals in the closed-loop system are uniformly ultimately bounded (UUB). Numerical simulation studies are performed to illustrate the effectiveness of the proposed control scheme.

• 제어로봇시스템학회논문지
• /
• 제20권12호
• /
• pp.1278-1283
• /
• 2014

This study proposes a NN (Neural Networks)-based adaptive control method for a 6X6 skid-type UGV (Unmanned Ground Vehicle) with 6 in-wheel motors. The UGV experiences lots of uncertainties and, thus, the control performance can degrade significantly without a compensation of the unknown terms. To improve the control performance of the UGV, the NN is utilized to design the adaptive controller. Then, the designed overall force and moment are optimally distributed into 6 traction forces with the assumption that six vertical forces of the UGV are known exactly, because the six traction forces are original source to be excited to the UGV to move. Finally, numerical simulations with the TruckSim model are performed to validate the effectiveness of the proposed approach.

• 제어로봇시스템학회논문지
• /
• 제11권11호
• /
• pp.930-935
• /
• 2005

In this paper, position tracking control of an autonomous helicopter is presented. Combining an LQR method and a proportional control forms a simple PD control. Since LQR control gains are set for the velocity control of the helicopter, a position tracking error occurs. To minimize a position tracking error, neural network is introduced. Specially, in the frame of the reference compensation technique for teaming neural network compensator, a position tracking error of an autonomous helicopter can be compensated by neural network installed in the remotely located ground station. Considering time delay between an auto-helicopter and the ground station, simulation studies have been conducted. Simulation results show that the LQR with neural network performs better than that of LQR itself.

• 제어로봇시스템학회논문지
• /
• 제13권5호
• /
• pp.406-413
• /
• 2007

This paper proposes a self-recurrent wavelet neural network(SRWNN) based adaptive backstepping control technique for the robust steering control of autonomous underwater vehicles(AUVs) with unknown model uncertainties and external disturbance. The SRWNN, which has the properties such as fast convergence and simple structure, is used as the uncertainty observer of the steering model of AUV. The adaptation laws for the weights of SRWNN and reconstruction error compensator are induced from the Lyapunov stability theorem, which are used for the on-line control of AUV. Finally, simulation results for steering control of an AUV with unknown model uncertainties and external disturbance are included to illustrate the effectiveness of the proposed method.

• 제어로봇시스템학회논문지
• /
• 제5권2호
• /
• pp.180-188
• /
• 1999

The objective of this paper is, based upon the principles of artificial life, to induce emergent behaviors of multiple autonomous mobile robots which complex global intelligence form from simple local interactions. Here, we propose an architecture of neural network learning with reinforcement signals which perceives the neighborhood information and decides the direction and the velocity of movement as mobile robots navigate in a group. As the results of the simulations, the optimum weight is obtained in real time, which not only prevent the collisions between agents and obstacles in the dynamic environment, but also have the mobile robots move and keep in various patterns.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.196-196
• /
• 2000

This paper describes a lateral guidance system of an autonomous vehicle, using a neural network model of magneto-resistive sensor and magnetic fields. The model equation was compared with experimental sensing data. We found that the experimental result has a negligible difference from the modeling equation result. We verified that the modeling equation can be used in simulations. As the neural network controller acquires magnetic field values(B$\_$x/, B$\_$y/, B$\_$z/) from the three-axis, the controller outputs a steering angle. The controller uses the back-propagation algorithms of neural network. The learning pattern acquisition was obtained using computer simulation, which is more exact than human driving. The simulation program was developed in order to verify the acquisition of the teaming pattern, teaming itself, and the adequacy of the design controller. The performance of the controller can be verified through simulation. The real autonomous electric vehicle using neural network controller verified good results.

• 한국지능시스템학회논문지
• /
• 제3권4호
• /
• pp.3-20
• /
• 1993

본 연구에서는 퍼지사상화(fuzzy mapping)에 의한 사상된(mapped) 코드북을 사용하는 화자적은 음성합성 알고리즘을 제안한다. 입력화자와 기준화자의 코드북은 신경망 클러스터링 알고리즘인 자율경쟁 학습을 사용하여 작성된다. 사상된 코드북은 입력 음성벡터에 대한 두 화자의 대응 코드벡터의 소속갑(membership value)으로 퍼지 히스토그랩을 작성하여 이들을 1차 결합함으로써 얻어지는 퍼지사상화에 의하여 작성된다. 음성합성시에는 사상된 코드북을 사용하여 입력화자의 음것을 퍼지 벡터양자화한 다음, CFM 연산으로 합성함으로써 입력화자에 적응된 합성음을 얻는다. 실험에서 여러 입력화자로 30대의 남성, 20대의 여성음을 사용하였고 기준음석으로 입력음성과는 다른 20대의 여성음성을 사용하였다.실험에 사용된 음성데이타는 문장/안녕하십니까/와/굿모닝/이다. 실험결과는 각각의 입력화자에 기준화자 음성이 적응된 합성음을 얻었다.

• 인터넷정보학회논문지
• /
• 제23권2호
• /
• pp.53-59
• /
• 2022

3단계 자율주행 차량 이후, 4, 5단계의 자율주행 기술은 차량의 완벽한 주행뿐만 아니라 탑승객의 상태를 최적으로 유지하기 위해 노력하고 있다. 그러나 현재 자율주행 기술은 LiDAR, 전방 카메라 등 시각적 정보에 과하게 의존하기 때문에 지정된 도로 이외의 도로에서 완벽하게 자율주행을 실행하기 힘들다. 따라서 본 논문은 차량이 시각 정보 외의 데이터를 사용하여 도로의 상태를 분류하고, 도로 상태와 주행 상태에 따라 최적의 제동 강도를 계산하는 BSCS (Braking Strength Calculation System)를 제안한다. 본 논문에서 제안하는 BSCS는 KNN 알고리즘을 기반으로 도로의 상태를 분류하는 RCDM (Road Condition Definition Module)과 RCDM의 결과와 현재 주행 상태를 통해 주행 중 최적의 제동 강도를 계산하는 BSCM (Braking Strength Calculation Module)로 구성된다. 본 논문의 실험 결과, KNN 알고리즘에 가장 적합한 K의 수를 찾을 수 있었고, 비지도 학습인 K-means 알고리즘보다 본 논문에서 제안한 RCDM이 더 정확한 것이 증명되었다. 해당 논문의 BSCS는 시각 정보뿐만 아니라 서스펜션에 가해지는 진동 데이터를 사용함으로써, 시각 정보가 제한되는 여러 환경에서 자율주행 차량의 제동을 더 원활하게 만들 수 있다.

• 방송공학회논문지
• /
• 제24권4호
• /
• pp.573-579
• /
• 2019

완전한 자율 주행에 이르기 위해서는 주변 환경을 인지하는 인지 능력이 사람보다 뛰어나야 한다. 자율 주행에서 주로 사용되는 $60^{\circ}$ 협각, $120^{\circ}$ 광각 카메라는 시야각에 따른 각각의 단점이 존재한다. 본 논문의 목적은 광각, 협각 카메라가 가진 각각의 단점을 극복하기 위하여, 다중화각 차량 전방 카메라 시스템을 이용하여 더 넓은 영역의 전방을 대상으로 더 정확히 객체를 인식할 수 있는 심층신경망 알고리즘을 개발하는 것이다. 광각, 협각 카메라로 취득된 데이터의 종횡비를 분석해 SSD(Single Shot Detector) 알고리즘을 수정하였고, 취득된 데이터를 학습하여 단안 카메라만을 사용할 때 보다 높은 성능을 달성하였다.

• 센서학회지
• /
• 제12권5호
• /
• pp.211-217
• /
• 2003

도로의 중앙에 일정한 간격으로 마그네틱 마커를 설치하고 차량에 자기 센서를 장착하여 차량의 이동에 따른 자기장의 변화를 측정하여 차량의 주행 경로를 인식하는 시스템의 성능을 개선하는 방법을 제안한다. 도로에 설치하는 마그네틱 마커들의 설치비를 절감하기 위하여 마커들 간의 설치간격을 기존의 경우보다 넓혔다. 이를 위하여 마커들의 간격에 따른 자계의 분석을 행하여 적절한 마커들의 간격을 알아내고, 6개 센서들의 배치방법과 신경회로망을 이용한 제어방법을 제안하였다. 자기장 분석, 지자기 소거. 학습패턴 획득, 신경망 학습에 의해 조향 제어기를 구성하고 컴퓨터 주행 시뮬레이션을 통해 제안된 방법에 의한 자율주행 차량의 성능이 개선될 수 있음을 확인하였다.