• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.2
• /
• pp.152-160
• /
• 2000

This paper addresses the analysis and design of fuzzy-model-based controller for nonlinear systems using extended PDC and optimal pole-placement schemes. In the design procedure, we represent the nonlinear system using a Takagi-Sugeno fkzy model and formulate the controller rules by using the extended parallel distributed compensator (EPDC) and construct an overall fuzzy logic controller by blending all local state feedback controllers with an optimal pole-placement scheme. Unlike the commonly used parallel distributed compensation technique, by blending a newly extended parallel distributed compensator and the optimal poleplacement schemes, we can design not only a local stable k z y controller but also an overall stable fuzzy controller to perform the tacking control objective. Furthermore, a stability analysis is carried out not only for the fuzzy model but also for a real nonlinear system. Finally. the effectiveness and feasibility of the proposed fizzy model-based controller design method has been shown through a simulation example.

• Journal of Korean Society of Steel Construction
• /
• v.12 no.5 s.48
• /
• pp.503-513
• /
• 2000

This study treats the criteria, considering the fuzziness occurred by optimization design. And we applied two weighting methods to show the relative importance of criteria. This study develops multi-objective optimization programs implementing plain stress analysis by FEM and discrete optimization design uniformaly. The developed program performs a sample design of 10-member steel truss. This study can carry over the multi-objective optimization based on total system fuzzy-genetic algorithms while performing the stress analysis and optimization design. Especially, when general optimization with unreliable constraints is cannot be solve this study can make optimization design closed to realistic with fuzzy theory.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2203-2205
• /
• 2004

본 논문은 전략 기반 유전 알고리즘을 이용한 새로운 비선형 시스템의 퍼지 제어 시스템 설계 기법을 제안한다. 제안된 기법은 기존의 수학적인 접근 방법이 아닌 지능적 설계 방법을 사용하여 퍼지 제어피론 설계한다. 전략 기반 유전 알고리즘은 제어기의 안정화 조건을 만족시키며 최적의 성능을 잦는 제어 이득을 얻기 위해 유전 전략을 사용하여 교차와 돌연변이 영역을 변화시킨다. 최종적으로 모의실험을 통해 제안된 기법의 우수성을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 1999.07g
• /
• pp.2853-2855
• /
• 1999

본 논문은 TS(Takagi-Sugeno) 퍼지 모델로 표현된 비선형 시스템의 최적 퍼지 제어에 관한 새로운 설계 방법론을 제시하며, 최적 TS 퍼지 제어기의 매개 변수들을 설정하는 문제가 선형 행렬 부등식 문제로 표현될 수 있음을 보인다.

• 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.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.97-98
• /
• 2008

본 논문에서는 다중 출력을 가지는 퍼지 관계 기반 퍼지뉴럴네트워크를 설계한다. 퍼지 관계 기반 퍼지뉴럴네트워크는 선체 인력 변수에 따른 입력 공간을 분할함으로서 네트워크를 구성한다. 규칙의 전반부는 앞서 언급한 전체 입력 공간을 분할하여 표현하고, 규칙의 후반부는 다항식으로서 표현되며 오류역전파 알고리즘을 이용하여 연결가중치인 후반부 다항식을 학습한다. 또한, 각 입력에 대만 전반부 멤버쉽함수의 정점과 학습률 및 모멤텀 계수를 유전자 알고리즘을 이용하여 최적 동조한다. 따라서 유전자 알고리즘을 이용하여 퍼지뉴럴네트워크를 최적 설계한다. 마지막으로 제안된 모델은 표준 모델로서 널리 사용되는 수치적인 예를 통하여 평가한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.367-370
• /
• 2005

본 논문에서는 정보 입자화와 유전자 알고리즘을 기반으로 최적 퍼지 다항식 뉴럴네트워크를 제안하고, 유전자 알고리즘을 사용하여 종합적인 설계방법을 개발한다. 제안된 모델은 기존의 진화론적 퍼지 다항식 뉴럴네트워크의 구조를 정보입자화를 통해 좀 더 빠르게 최적의 해공간에 접근시키는데 그 목적이 있다. 퍼지 관계기반 다항식 뉴럴네트워크는 퍼지 다항식 뉴론이 기초가 되어 가능한 구조적이고 요소적으로 모델의 성능을 향상 시켜준다. 퍼지 다항식 뉴런의 최적 구조를 위해 유전자 알고리즘을 이용하여 입력변수의 수와 후반부 다항식의 차수 입력변수 수에 따른 입력변수 그리고 멤버쉽 함수의 수를 동조한다. 여기서, 클러스터링의 하나의 방법인 HCM에 의해 퍼지 규칙 각각의 전반부와 후반부에 데이터 중심값을 이용하여 다항식함수의 파라미터값을 결정한다. 제안된 유전론적 퍼지 관계 다항식 뉴럴네트워크의 성능평가는 기존 퍼지 모델링에서 이용된 표준 데이터를 활용하여 평가한다.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1993.10a
• /
• pp.533-538
• /
• 1993

본 논문에서는 퍼지제어 이론을 적용한 전지 유압 속도제어 시스템을 설계하였다, 최적의 퍼지 추론법을 유도하기 위해서 시뮬레이션 프로그램을 개발하여 최적의 샘플링 시간, A/D 및 D/A 변환기의 비트수를 결정하였고, 퍼지 입출력 변수의 형태, 퍼지 관계 행렬의 크기, 비퍼지화 방법 등을 시뮬레이션화하여 최적의 제어조건을 결정하였다, 전기유압 서어보 시스템에 적합한 퍼지 알고리즘은 Lsrsen 추론법, 비퍼지화 방법으로는 무게중심ㅂ버, 9*9 퍼지관계 행렬, 등간격의 삼각형 입출력 변수, 오차의 퍼지집합 및 오차 변화분의 퍼지집합이 각각 40과 5 일때 제어가 가장 잘 되었다. PID 제어방법과 비교할 때 퍼지제어가 우수한 성능을 보였으며,시스템의 등록성이 변할 때도 퍼지제어가 PID 제어 보다 적응이 잘 됨을 확인하였다.

• Journal of the Korean Magnetics Society
• /
• v.7 no.2
• /
• pp.103-108
• /
• 1997

In this paper, the application of fuzzy decision to optimization of induction motor design is proposed. This method can reflect the designer's experience, view, and judgment, but also can be applied to multi-objective optimization design easily. The electromagnetic performance of the induction motor are calculated by means of the equivalent magnetic circuit method. The design method is The $D^2L$ method which is combined with fuzzy decision and optimization algorithm. As the optimization algorithm, the evolution strategy(ES) is applied. The proposed algorithm is applied to a multiobjective optimization of an induction motor design where the motor should have less weight and, at the same time, have higher efficiency and power factor at rated operating points.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.313-316
• /
• 2008

에어컨 시스템은 압축기(Compressor), 응축기(Condenser), 증발기(Evaporator)와 확장밸브(Expansion Valve)로 구성되며, 에어컨 시스템에서 과열도와 저압(증발기의 압력)은 시스템의 효율 증대 및 성능 개선과 안정성에 대하여 결정적인 영향을 미친다. 따라서, 과열도와 저압을 조절하기 위해, 각각의 압축기내의 인버터 주파수와 확장밸브의 개도 제어가 중요하며 선형과 비선형 시스템 모두에 대하여 견실한 성능을 나타내고, 외란에 대하여 강인한 성능을 보이는 퍼지 제어기를 설계한다. 본 논문에서는 과열도와 저압을 제어하기 위하여, 3대의 확장밸브와 1대의 압축기를 가진 에어컨 시스템에 대하여 다중 퍼지 제어기를 설계한다. 또한, 각 제어 플랜트에 대하여 최적의 퍼지 제어기를 설계하기 위하여 3가지 최적화 알고리즘을 사용한다. 즉, 직렬 유전자 알고리즘(Serial Genetic Algorithm; SGA)과 병렬 유전자 알고리즘인 계층적 공정 경쟁 유전자 알고리즘(Hierarchical Fair Competition Genetic Algorithm; HFCGA), 그리고 Particle Swarm Optimization(PSO)을 사용하여 다중 퍼지 제어기를 최적화하고 시뮬레이션의 결과를 비교한다.