• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2513-2515
• /
• 2004

본 논문에서는 주어진 데이터를 나누어 부분공간으로 구성하여 특성을 구분하거나 또다른 모델의 입력 파라미터로 제공하는 방법 중 하나의 클러스터링의 성능 개선과 이를 이용하여 퍼지 모델링을 실시하였다. 일반적인 클러스터링에서 볼 수 있는 초기 파라미터 결정 문제와 알고리즘의 수렴 문제에 대하여 문제점을 개선하였으며 클러스터링에 의하여 추정된 파라미터를 퍼지 모델에 적용하였다. 또한 일반적인 퍼지 모델의 경우 각 입력의 차원이 서로 독립적으로 구성되어 있어 데이터에서 존재하는 입력간의 상관관계를 고려하지 않았다. 제안된 퍼지 모델에서는 클러스터링에서 추정된 입력간의 상관관계(공분산)까지 고려하여 모델의 성능을 개선하였다. 제안된 논문의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the KIEE Conference
• /
• 2000.07d
• /
• pp.2989-2991
• /
• 2000

TS 퍼지 모델은, 복잡한 비선형 시스템을 효과적으로 표현할 수 있는 주요한 근사 모델 중 하나이다. TS 퍼지 모델링을 위한 기존의 학습 방법론들은 대부분 전역적 근사 오차를 최소화하는 것을 목적으로 하는데, 이러한 경우에는 결과로서 얻어지는 75 퍼지 모델의 국소모델들이 근사 대상 시스템의 국소적 특성을 제대로 표현 할 수 없는 상황이 발생할 수 있다. 따라서 본 논문에서는 이러한 특성을 고려하여 새로운 학습 알고리즘을 제시함으로써 전역 지역적 성능을 동시에 향상시킬 수 있는 TS 퍼지 모델을 구하고자 한다 모델을 구하는데 있어서는 LMI를 이용한 풀이를 이용한다. 그리고 간단한 예제를 통하여 그 성능을 입증한다.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.12a
• /
• pp.213-216
• /
• 2000

퍼지제어기를 실제 플랜트에 적용할 경우, 모델링 오차와 플랜트에 대한 관련지식의 부족으로 만족할 만한 제어 결과를 기대하지 못한다. 이러한 경우 제어기 성능을 향상시키기 위해 제어인자를 다시 조정해야 하고, 이 조정과정은 시행착오방법으로 수행되기 때문에 많은 시간과 비용을 필요로 한다. 본 논문에서는 퍼지 논리를 사용하여 스케일링 계수를 자동조정하는 퍼지 레귤레이터를 제안하였다. 스케일 계수의 출력 범위와 오차, 오차 변화량 따라 퍼지 레귤레이터는 적절한 스케일링 계수값을 결정함으로써 퍼지제어기의 성능을 향상시키게 된다. 제안한 방법의 타당성을 확인하기 위해 2차 플랜트에 적용하여 모의실험을 수행하였다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2458-2460
• /
• 2001

단일 로봇을 이용한 물체의 운반은 제어대상이 하나이기 때문에 제어가 쉽다는 장점이 있다. 그러나 로봇의 크기에 비해 물체의 길이가 길어지거나 부피가 커지고 무게가 증가할 경우, 물체의 균형을 유지하기가 힘들고 로봇의 속도가 감소하는 등의 문제가 발생한다. 본 연구에서는 페트리넷의 그래픽적인 모델링 방법을 이용하여 전체 작업을 모델링하여 로봇의 작업 상태를 쉽게 파악할 수 있도록 하였으며 명령체계상에서 발생할 수 있는 오류를 사전에 제거하려 하였다. 또한 시스템을 분산형 구조로 설계하여 시스템을 관리하는 별도의 시스템을 설정하지 않는 대신 퍼지 제어기를 이용하여 두 로봇의 협조 작업을 통해 물체를 운반할 경우 일어날 수 있는 애매한 상황에 대한 문제를 수학적인 모델링이 필요하지 않은 퍼지 제어기의 특성을 이용해 해결하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.18 no.1
• /
• pp.1-6
• /
• 2008

In this paper, we present the robust fuzzy algorithm for variable speed control of wind turbines. Generally, the plants of wind turbines are consisted of complex nonlinearities, and the parameters of variable speed of wind turbines are represented as uncertain terms. For solving these complexity, we propose the robust fuzzy algorithm. At first, the exact fuzzy modeling are performed for variable speed of wind turbines. Next, we design the fuzzy controller for reanalyzed T-S fuzzy model of the wind turbines, then, we prove the stability of the plant through the Lyapunov stability theorem. At last, an example is included for visualizing the efficiency of the proposed technique.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.2
• /
• pp.174-179
• /
• 2009

We consider the stabilization problem for a class of networked control systems with neutral type of time delays. The neutral type of time-delays occur in controller-to-actuator and sensor-to-controller. The Takagi-Sugeno (T-S) fuzzy model is employed to represent a nonlinear system with neutral type of time-delays. The stabilization via state-feedback is first addressed, and delay-range-dependent stabilization conditions are proposed in terms of linear matrix inequalities (LMIs). Finally, an application example will be given to show the merits and design a procedure of the proposed approach.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.13 no.11
• /
• pp.5379-5388
• /
• 2012

In fuzzy modeling for nonlinear process, the fuzzy rules are typically formed by selection of the input variables, the number of space division and membership functions. The Generation of fuzzy rules for nonlinear processes have the problem that the number of fuzzy rules exponentially increases. To solve this problem, complex nonlinear process can be modeled by generating the fuzzy rules by means of fuzzy division of input space. Therefore, in this paper, rules of non-fuzzy inference systems are generated by partitioning the input space in the scatter form using HCM clustering algorithm. The premise parameters of the rules are determined by membership matrix by means of HCM clustering algorithm. The consequence part of the rules is represented in the form of polynomial functions and the consequence parameters of each rule are identified by the standard least-squares method. And lastly, we evaluate the performance and the nonlinear characteristics using the data widely used in nonlinear process. Through this experiment, we showed that high-dimensional nonlinear systems can be modeled by a very small number of rules.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.195-200
• /
• 2004

Computer games use an intelligent method called flocking for boids' group behavioral modeling. Flocking can naturally model group behavioral patterns of unpredictable forms such as birds and fishes using some computer resource. In this paper, we implemented an ecosystem which is composed of predator and prey for group behavioral modeling of real underwater ecosystem. Also fuzzy logic is applied to implement instinct desire of ecosystem elements. As the result, we confirmed that the model can overcome breakdown of ecosystem and model naturally ecosystem behavior.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.2
• /
• pp.96-105
• /
• 1997

In this paper, A new design method of fuzzy modeling is presented for the model identification of nonlinear complex systems. The proposed FPNN(Fuzzy Polynomial Neural Network) modeling implements system structure and parameter identification using GMDH(Group Method of Data Handling) method and linguistic fuzzy implication rules from input and output data of processes. In order to identify premise structure and parameter of fuzzy implication rules, GMDH method and regression polynomial fuzzy reasoning method are used and the least square method is utilized for the identification of optimum consequence parameters. Time series data for gas furnace and those for wastewater treatment process are used for the purpose of evaluating the performance of the proposed FPNN modeling. The results show that the proposed method can produce the fuzzy model with higher accuracy than other works achieved previously.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2879-2881
• /
• 2005

본 논문에서는 뉴로-퍼지 모델의 전제부 소속함수의 새로운 학습방법을 통한 모델링 기법을 제안한다. 모델의 크기와 학습시간을 줄이는 기법으로 클러스터링 기법을 이용한 모델의 초기 파라미터 결정 방법이 있다. 이는 클러스터링 후 이들 파라미터를 다시 모델에 적용하여 모델을 학습하는 순차적 방법으로써 모델의 학습이 끝난 후의 전제부 파라미터가 클러스터링 파라미터와 연관성을 가지지 못하는 경우가 발생하였다. 또한 오차미분 기반 학습에서는 전제부 초기치가 국부적 최적해에서 벋어나지 못하는 문제점을 가지고 있다. 본 논문에서는 자율적으로 클러스터의 수를 추정하며 이들 파라미터를 최적화하며 이를 이용하여 뉴로-퍼지 모델의 학습을 실시하는 학습기법을 제안하였다. 제안된 방법에서는 기존의 오차미분 기반 학습을 클러스터링 기반 학습으로 확장하였으며 이를 이용한 모델의 성능을 기존의 연구결과와 비교하여 우수성을 보인다.