• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.289-295
• /
• 1998

본 논문은 빠른 학습과 정확한 근사 능력을 갖는 새로운 CMAC 신경망 기반 퍼지 제어기르 제안한다. 제안한 CMAC 신경망 기반 퍼지 제어기(CBFLC)는 한 학습 주기 동안 전향 및 역전파 연산시 신경망내 유닛중 극히 일부분만이 활성화되어 학습에 참가하므로 학습 시간이 매우 빠르고, 비퍼지화 연산시 소속 함수의 중심값 뿐 아니라 폭을 동시에 고려하여 정확한 근사화를 얻는다. 제안한 퍼지 제어기내 입？출력 소속 함수의 중심값 및 폭 등의 구조적 파라메터들은 역전파 알고리즘에 의해 갱신된다. 제안한 CMAC 신경망 기반 퍼지 제어기를 트럭 후진 주차문제에 적용하여 근사화 능력 및 제어 성능면에서 여러 다른 퍼지 제어기들과 비교한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.3 no.1
• /
• pp.183-191
• /
• 1998

다양한 산업분야의 생산공장에서 주로 활용되고 있는 6축 수직다관절로보트는 대부분 단순반복운동을 하고 있다. 단순반복중 point-to-point제어보다 품질을 요하는 tracking-to-trajectory 제어를 위한 분산학습제어에 대하여 연구하고자 한다. 관련 학습제어기법으로는 선형누적형기법과 간접적응기법이 있다. 두기법의 차이는 시스템 정보의 유무이며, 시스템의 주어진 상황에 따라 두 기법중 하나를 선택할 수 있다. 간접적응형 기법은 zero tracking error를 보장받기 위해서 보다 많은 반복을 요하는 경비를 부담하여야 한다.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 1998.03a
• /
• pp.125-128
• /
• 1998

다양한 산업분야의 생산공장에서 주로 활용되고 있는 6축 수직다관절보트은 대부분 단순반복운동을 하고 있다. 단순반복중 point-to-point제어보다 품질을 요하는 tracking -to-trajectory제어를 위한 분산학습제어에 대하여 연구하고자 한다. 관련 학습제어기법으로는 선형누적기법과 간접적응기법이 있다. 두 기법의 차이는 시스템의 정보의 유무이며 시스템의 주어진상황에 따라 두 기법중 하나를 선택할 수 있다. 간접적응형 기법은 zero tracking error를 보장받기 위해서 보다 많은 반복을 요하는 경비를 부담하여야 한다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.13 no.5
• /
• pp.422-428
• /
• 1988

An iterative learning control system is a control system which makes system outputs follow desired outputs by iterating its trials over a finite time interval. In a discrete time system, we proposed one method in which present control inputs can be obtained by a linear combination of the input sequence and time-shifted error sequence at previous trial. In contrast with a continous time learning control system which needs differential opreration of an error signal, the time shift operation of the error sequence is simpler in a computer control system and its effectiveness is shown by a simulation.

• Journal of Advanced Navigation Technology
• /
• v.26 no.4
• /
• pp.226-234
• /
• 2022

With advances in autonomous vehicles and networked control, there is a growing interest in the consensus control of a multi-agents system to control multi-agents with distributed control beyond the control of a single agent. Since consensus control is a distributed control, it is bound to have delay in a practical system. In addition, it is often difficult to have a very accurate mathematical model for a system. Even though a reinforcement learning (RL) method was developed to deal with these issues, it often experiences slow convergence in the presence of large uncertainties. Thus, we propose a slide RL which combines the sliding mode control with RL to be robust to the uncertainties. The structure of a sliding mode control is introduced to the action in RL while an auxiliary sliding variable is included in the state information. Numerical simulation results show that the slide RL provides comparable performance to the model-based consensus control in the presence of unknown time-varying delay and disturbance while outperforming existing state-of-the-art RL-based consensus algorithms.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.477-480
• /
• 2005

본 논문에서는 신경망과 유전자 알고리즘의 장점을 결합하고, 개선된 유전자 알고리즘 기반의 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 살펴 본다. 유전자 알고리즘을 이용한 신경망 학습은 비선형 함수를 이용하여 발생시킨 모의 자료를 통하여 수행하고 학습 수렴의 정도와 학습 속도 등을 비교할 수 있는 모의실험 결과를 일반 신경망 학습 결과와 함께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 신경망 제어기가 일반 신경망 학습 결과보다 수렴 정확도 및 학습 속도에서 더 좋은 결과를 나타내 주고 있다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.3-5
• /
• 1999

본 논문에서는 진화 하드웨어에 기반한 자율 이동 로봇의 온라인 학습 기법에 관하여 소개하고자 한다. 진화 하드웨어는 실행 시간중에 하드웨어 회로 구성을 변경시킬 수 있는 새로운 개념의 FPGA이다. 제어 프로그램은 진화 하드웨어상에 트리 형식으로 구현되며 유전자 프로그래밍을 이용하여 학습하게 된다. 로봇의 환경 탐사가 진행됨에 따라 입력되는 센서 정보에 기반하여 제어 프로그램은 학습을 수행하게 되며, 노드 돌연변이의 유전 연산자를 이용하여 진화한다. 제어 프로그램의 게이트 회로는 학습의 진행에 맞추어 실행 시간중에 보다 적합도가 높은 방향으로 발전한다. 본 논문에서는 진화 하드에어를 이용한 학습 방식과 FPGA 구현 및 로봇 제어에의 응용에 대한 실험 결과 등을 설명할 것이다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.5 no.3
• /
• pp.11-35
• /
• 1995

In this paper the fuzzy extension for the classical engineering mechanics problems is studied. The governing differential equation is derived for the buckling loads of the columns with uncertain mediums: the their own weight and the flexural rigidity. The columns with one typical end constraint(hinged1 clarnped/free) and the other finite rotational spring with fuzzy constant are considered in numerical examples. The vertex method is used to evaluate the fuzzy functions. The Runge-Kutta method and Determinant Search method are used to solve the differential equation and determine the buckling loads, respectively. The membership functions of the buckling load are calculated. The index of fuzziness to quantitatively describe the propagation of fuzziness is defined. According to the fuzziness of governing factors, the varlation of index of fuzziness for buckling load is investigated, and the sensitivity for the end constraints is analyzed.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.3
• /
• pp.72-83
• /
• 2000

This paper presents the implementation of the position control system for 3 phase induction motor using reaching mode controller and neural networks. The reaching mode controller is used to bring the position error and speed error trajectories toward the sliding surface and to train neural networks at the first time. The structure of the reaching mode controller consists of the switch function of sliding surface. And feedforward neural networks approximates the equivalent control input using the reference speed and reference position and actual speed and actual position measured form an encoder and, are tuned on-line. The reaching mode controller and neural networks are applied to the position control system for 3 phase induction motor and, are compared with a PI controller through computer simulation and experiment respectively. The results are illustrated that the output of reaching mode controller is decreased and feedforward neural networks take charge of the main part for the control action, and the proposed 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.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 1994.10a
• /
• pp.439-443
• /
• 1994

본 연구에서는,반복 학습 제어 이론에 기초하고 신경망을 이용하여 설계된 제어 기 술을 광 디스ㅋ 드라이브 시스템(Optical Disk System)을 제어하는데 적용한다. (광디스크 드라이브류에는 compact disk drive,mini drive, magnrto-optical disk drive 등이 있다) 반복 학습 제어이론은 불정확한 시스템의 제어에 이용되며 제어의 대상이 되는 시스템에 대해 보다 적은 정보로도 반복적으로 똑같은 일을 수행하는 것처럼 수행 도가 좋다. 신경망은 신경망의 입력에 대한 출력과 목표 출력간의 맵핑을 학습하고, 이 맵핑의 특성은 두 출력간(목표출력과 실제출력)의 차이를 감소시킨다. 이러한 특성을 가지는 신경망을 이용하여 제어기를 설계하고, 제안된 신경망 제어기를 광 디스크 드라이브 시 스템의 초점 제어에 적용한다. 제안된 제어 알고리즘은 다른 어떤 제어기술과 비교하여 보다 좋은 성능이 예상된다.