• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.10 no.2
• /
• pp.276-282
• /
• 2006

PID controller has been widely used in industry. Because it has a simple structure and robustness to modeling error. But it is difficult to have uniformly good control performance in system parameters variation or different velocity command. In this paper, we propose an adaptive PID controller based on a gradient descent learning. This algorithm has a simple structure like conventional PID controller and a robustness to system parameters variation and different velocity command. To verify performances of the proposed adaptive PID controller, the speed control of nonlinear DC motor is performed. The simulation results show that the proposed control systems are effective in tracking a command velocity under system parameters variation.

• Proceedings of the KIEE Conference
• /
• 1997.07b
• /
• pp.547-549
• /
• 1997

원자력 발전소용 증기발생기의 수위제어에 기존의 경우 주로 PI 제어기를 이용하는데 반해 본 논문에서는 주급 수유량에 대한 주증기 유량의 변화를 신경망을 이용해 학습함으로서 PI제어기의 각 파라메터를 뉴닝하는 문제를 연구하였다. 적용하여 고찰한 결과 기존의 PI 제어기에 비해 수위변화에 대한 추종성능이 우수함을 나타내었다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.13 no.6
• /
• pp.1156-1169
• /
• 1989

본 연구에서는 용접도중 발생할 수 있는 용접질 저항요인을 전극분리현상을 측정하여 파악하고 용접 열입력에 해당하는 용접전류를 학습제어방식(self-learning control)에 의하여 컴퓨터와 주변기기(interface)를 통해 조절함으로서 요구되는 균일한 용접질이 항상 보장되도록 하였다. 여기서 학습제어방식을 태택한 이유는 제어하고자 하는 대상의 동적 모델(dynamic model)이 없어도 제어기 이득의 선정이 비교적 자유롭고 용접 제어장치가 자체적으로 감지(monitoring)한 신호로 판단하여 제어동작을 취함으로서 용접시 축적되는 정보(data)가 용접기에 일종의 지능을 부여할 수 있어서 진보된 개념의 용접제어장치 개발의 가능성을 검토해 보기 위함이다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.7 no.5
• /
• pp.830-836
• /
• 2006

In this paper described an auto tuning neuro-fuzzy PID controller based neural network. The PID type controller has been widely used in industrial application due to its simply control structure, easy of design, and inexpensive cost. However, control performance of the PID type controller suffers greatly from high uncertainty and nonlinearity of the system, large disturbances and so on. In this paper will design to take advantage of neural network fuzzy theory and pid controller auto toning technique. The value of initial scaling factors of the proposed controller were determined on the basis of the conventional PID controller parameters tuning methods and then they were adjusted by using neural network control techniques. This controller simple structure and computational complexity are less, and also application is easy and performance is excellent in system that is strong and has nonlinearity to system dynamic behaviour change or disturbance. Finally, the proposed auto tuning neuro-fuzzy controller is applied to magnetic levitation. Simulation results demonstrated that the control performance of the proposed controller is better than that of the conventional controller.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.207-210
• /
• 2002

진화와 학습 사이의 상호 연관성을 연구하기 위해 인공 진화기법(artificial evolutionary algorithm)과 신경회로망(neural networks)을 이용한 학습 기법들이 사용되어 왔다. 신경 회로망 구조를 가지는 이동 로봇의 제어기의 구조와 파라미터를 결정하기 위한 방법으로 진화적 학습(evolutionary learning) 방법이 제안되었다. 제안된 방법에서 진화적 학습은 실제 로봇을 통해 on-line 방식으로 이루어지며, 장애물 회피 문제를 통해 유용성을 검증하고 진화 과정에 학습이 미치는 영향을 살펴보았다. 그리고 수학적으로 제시되기 힘든 진화 학습의 평가에 설계자의 개입을 허용하는 인터액티브 진화 알고리즘(interactive evolutionary algorithm)방법을 모색해 보았다.

• Journal of the Korea Computer Graphics Society
• /
• v.26 no.4
• /
• pp.1-8
• /
• 2020

Motion synthesis using physics-based controllers can generate a character animation that interacts naturally with the given environment and other characters. Recently, various methods using deep neural networks have improved the quality of motions generated by physics-based controllers. In this paper, we present a control policy learned by deep reinforcement learning (DRL) that enables Luxo, the mascot character of Pixar animation studio, to run towards a random goal location while imitating a reference motion and maintaining its balance. Instead of directly training our DRL network to make Luxo reach a goal location, we use a reference motion that is generated to keep Luxo animation's jumping style. The reference motion is generated by linearly interpolating predetermined poses, which are defined with Luxo character's each joint angle. By applying our method, we could confirm a better Luxo policy compared to the one without any reference motions.

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2000.08a
• /
• pp.93-96
• /
• 2000

본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 신경망제어기에 관하여 제안하였다. 학습이 완료된 신경망제어기를 사용하더라도 예상치 못한 외란으로 인해 플랜트의 출력이 좋지 못한 경우가 있는데, 이것을 적절하게 조절해 주기 위해 퍼지보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고, 플랜트의 동적 특성을 계속해서 학습할 수 있도록 시간이 경과함에 따라 신경망제어기의 성능이 향상되도록 하였다. 이것을 확인하기 위해서, 2차 플랜트에 적용하여 제안한 제어기의 성능을 확인하였다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.18 no.5
• /
• pp.634-642
• /
• 1993

In this paper a new trajectory control method is proposed for a robot manipulator using a time delay neural network(TDNN) as a feedforward controller with an algorithm to learn inverse dynamics of the manipulator. The TDNN structure has so favorable characteristics that neurons can extract more dynamic information from both present and past input signals and perform more efficient learning. The TDNN neural network receives two normalized inputs, one of which is the reference trajectory signal and the other of which is the error signals from the PD controller. It is proved that the normalized inputs to the TDNN neural network can enhance the learning efficiency of the neural network. The proposed scheme was investigated for the planar robot manipulator with two joints by computer simulation.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.282-288
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용하여 밀폐공간에서의 능동 소음 제어기를 구현하였다. 능동 소음 제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화라고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하여 파라미터를 오차 역전파 학습을 통하여 변화시킴으로써 잡응의 특성에 효과적을 적응하는 능동 소음 제어기를 구성하였다. 원신호는 음성신호를 사용하였으며 실제 소음과 소음 전달경로인 1차경로를 통과한 왜곡된 소음은 실험에 의해 얻은 데이터를 사용하였다. 제어신호의 전달경로인 2차경로는 100[kHz]에서 1[kHz]까지의 주파수 특성을 고려하여 curve fitting 방법을 사용하여 4차로 모델링한 결과를 사용하였다. 제안한 능동 소음 제어기의 성능을 시뮬레이션을 통하여 확인하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.597-604
• /
• 2000

본 연구에서는 전기자동차에 사용되는 전자식 차동 시스템의 신경망 모델을 제안한다. 차량이 곡선도로를 따라 주행할 경우 내측 바퀴와 외측 바퀴의 회전속도가 서로 달라야 진동이나 뒤틀림 없이 완만한 선회 주행을 할 수 있다. 전기자동차는 그 구조적 특성상 각각의 바퀴가 독립된 구동원을 갖는다. 이 때문에 일반 엔진 차량의 기어식 차동장치를 대신할 전자식 차동장치가 요구된다. 이러한 차동장치는 차량의 구조뿐만 아니라 차량의 주요 파라미터인 조향각 및 속도에 따라서 비선형적인 관계를 가지고 있어서 해석하기가 쉽지 않다. 따라서 이와 같은 비선형적인 관계 모델을 학습 능력을 가진 신경망에 의하여 모델링 함으로써 제어에 적용할 수 있다. 이를 실현하기 위해 제작한 전기자동차로 곡선도로를 주행하여 다양한 곡률과 주행속도에 따른 내측 외측 바퀴의 회전속도 데이터를 획득하고, 데이터의 비선형 특성을 고려한 차동 속도 제어기의 구조를 설계한다. 이 제어기에 적합한 모델은 신경망을 이용하여 실측 데이터를 학습시킴으로써 차동기능을 수행할 수 있는 제어기를 구현한다.