• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.393-396
• /
• 2002

This note investigates the necessity of properness constraint on iterative learning controllers from the viewpoint of the initial condition problem. It is shown that unless the iterative learning controller is proper, the teaming control input may grow unboundedly and thus not be feasible in practice, though the convergence of tracking error is theoretically guaranteed. In addition, this note analyzes the effects of initial condition misalignment in the iterative learning control system on the control input and convergence property.

• Journal of the Korea Computer Graphics Society
• /
• v.27 no.1
• /
• pp.9-17
• /
• 2021

In this paper, we present a simple and fast supervised learning framework based on model predictive control so as to learn motion controllers for a physic-based character to track given example motions. The proposed framework is composed of two components: training data generation and offline learning. Given an example motion, the former component stochastically controls the character motion with an optimal controller while repeatedly updating the controller for tracking the example motion through model predictive control over a time window from the current state of the character to a near future state. The repeated update of the optimal controller and the stochastic control make it possible to effectively explore various states that the character may have while mimicking the example motion and collect useful training data for supervised learning. Once all the training data is generated, the latter component normalizes the data to remove the disparity for magnitude and units inherent in the data and trains an artificial neural network with a simple architecture for a controller. The experimental results for walking and running motions demonstrate how effectively and fast the proposed framework produces physics-based motion controllers.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.41 no.3
• /
• pp.17-24
• /
• 2004

We present a P-type iterative learning control(ILC) scheme for uncertain robotic systems that perform the same tasks repetitively. The proposed ILC scheme comprises a linear feedback controller consisting of position error, and a feedforward and feedback teaming controller updated by current velocity error. As the learning iteration proceeds, the joint position and velocity mrs converge uniformly to zero. By adopting the learning gain dependent on the iteration number, we present joint position and velocity error bounds which converge at the arbitrarily tuned rate, and the joint position and velocity errors converge to zero in the iteration domain within the adopted error bounds. In contrast to other existing P-type ILC schemes, the proposed ILC scheme enables analysis and tuning of the convergence rate in the iteration domain by designing properly the learning gain.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.19 no.6
• /
• pp.1182-1189
• /
• 1994

In this paper, we evaluate the performance of a fuzzy controller with a self-learning structure. The fuzzy controller is based on a fuzzy logic that approximates and effectively represents the uncertain phenomena of the real world. The fuzzy controller has control of a plant with a fuzzy inference logic. However, it is not easy to decide the membership function of a fuzzy controller and its controlrule. This problem can be solved by designing a self-learning controller that improves its own contropllaw to its goal with a performance table. The fuzzy controller is implemented with a 386PC, an interface board, a D/A converter, a PWM(Pulse Width Modulation) motor drive-circuit, and a sensing circuit, for error and differential of error. Since a Ball and Beam System is used in the experiment, the validity of the fuzzy controller with the self-learning structure can be evaluated through the actual experiment and the computer simulation of the real plant. The self-learning fuzzy controller reduces settling time by just under 10%.

• Proceedings of the Computational Structural Engineering Institute Conference
• /
• 2011.04a
• /
• pp.53-56
• /
• 2011

본 논문에서는 지진시 구조물의 진동을 줄이기 위한 방법으로 모드에너지 기반 신경망 제어 방법을 제안하였다. 모드에너지 기반 신경망 제어 방법은 신경망의 학습 과정에서 구조물의 모드 에너지를 이용하여 목적함수를 구성하며, 이 목적함수를 최소로 하는 학습을 진행한다. 제안된 제어 알고리즘의 적용성을 검증하기 위해서 능동질량감쇠기(AMD, Active Mass Damper)가 설치된 3층 구조물을 예제 모델로 선택하였으며, El Centrol지진을 이용하여 모드에너지기반 신경망제어 알고리즘을 학습시켰다. 모드에너지 기반 신경망 제어 알고리즘의 제어 성능은 학습 후 임의의 지진에 대한 하중으로 California지진을 사용하여 검증하였다. 해석 결과에서 California지진에 대한 제어 전 후의 결과와 기존의 방법인 MLP(Muli-layer Perceptron)의 결과와 비교하였다. 또한 제안된 제어 방법을 적용할 때, 지진시 구조물의 비선형 거동은 제어후 거의 보이지 않는 것을 확인 할 수 있었다.

• Journal of Biosystems Engineering
• /
• v.15 no.3
• /
• pp.186-198
• /
• 1990

인간 소뇌의 구조와 기능을 간략하게 수학적으로 모델링하여 입력에 따른 시스템의 적정 출력을 학습에 의한 적응 제어 방식으로 추출해 내는 소뇌모델 대수제어기(CMAC : Cerebellar Model Arithmetic Controller)가 제안되었다. 본 논문에서는 연구개발된 기존 신경회로망과의 비교 분석에 의거하여, 소뇌모델 대수제어기 대신 네트의 특성에 따라 소뇌모델 선형조합 신경망(CMLAN : Cerebellum Model Linear Associator Network)이라 하였다. 소뇌모델 선형조합 신경망은 시스템의 제어 함수치를 결정하는 데 있어, 기존의 제어방식이 시스템의 모델링을 기초로 하여 알고리즘에 의한 수치해석적 또는 분석적 기법으로 모델 해를 산출하는 것과 달리, 학습을 통하여 저장되는 분산기억 소자들의 함수치를 선형적으로 조합함으로써 시스템의 입출력을 결정한다. 분산기억 소자로의 함수치 산정 및 저장은 소뇌모델 선형조합 신경망이 갖는 고유의 구조적 상태공간 매핑(State Space Mapping)과 델타규칙(Delta Rule)에 의거한 시스템의 입출력 상태함수의 학습으로써 수행된다. 본 논문을 통하여 소뇌모델 선형조합신경망의 구조적 특성, 학습 성질과 상태공간 설정 및 시스템의 수렴성을 규명하였다. 또한 기존의 최대 편차수정 학습 알고리즘이 갖는 비능률성 및 적용 제한성을 극복한 효율적 학습 알고리즘들을 제시하였다. 언급한 신경망의 특성 및 제안된 학습 알고리즘들의 능률성을 다양한 학습이득(Learning Gain)하에서 비선형 함수를 컴퓨터로 모의 시험하여 예시하였다.

• The Journal of Korean Association of Computer Education
• /
• v.11 no.4
• /
• pp.71-83
• /
• 2008

The recent advances of the information technology have motivated lots of research efforts to develop new computer-aided teaching and learning methodologies on various computer science topics, such as data structures, operating system, computer networks, and computer architecture. However, there have been only few studies to educate the database subject although it is one of the most important topics in the computer science. Specifically, among the various issues in the database subject, a learner often suffers to understand the mechanism of the concurrency control and recovery of database transaction in the database because it highly interacts with other functions in the database. Obviously, an intelligent visualization tool can help a learner to understand the process of the concurrency control and the recovery of database transaction. The purpose of this study is to develop an efficient visualization tool which can help users understand the two phase locking protocol (2PLP)-based concurrency control. Specifically, this visualization tool is designed to encourage a users' participation and raise their interest by visualizing the process of transactions and allowing users to specify and manipulate their own transactions.

• Proceedings of the KAIS Fall Conference
• /
• 2000.10a
• /
• pp.218-222
• /
• 2000

본 논문에서는 피드백 사용형 2차 반복 학습제어 방법이 수렴 성능의 향상과 외란에 대한 강인성 향상에 덧붙여 학습제어의 피드백 항을 이용함으로써 초기 조건 오차가 있음에도 불구하고 이를 극복할 뿐만 아니라 기존의 알고리즘보다 더 빠른 수렴 능력이 있음을 확인한다. 또한 불안정한 결과를 낳는 높은 학습 제어 게인의 경우에도 피드백 항을 추가한 본 학습제어 방법에 의해 안정화됨으로써, 빠른 응답 특성과 강인성 향상을 가져올 수 있음을 보인다. 그리고 본 알고리즘을 선형 시변 연속 시스템이 적용된 모델 시스템을 설계하여 이를 통한 시뮬레이션 결과로서 초기 조건 오차의 극복 능력이 뛰어남을 확인하고 시스템의 안정화와 강인성 향상에 기여함을 확인한다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.16 no.1
• /
• pp.95-100
• /
• 2021

This paper introduces model-based meta reinforcement learning as a control for the manipulator of an underwater construction robot. Model-based meta reinforcement learning updates the model fast using recent experience in a real application and transfers the model to model predictive control which computes control inputs of the manipulator to reach the target position. The simulation environment for model-based meta reinforcement learning is established using MuJoCo and Gazebo. The real environment of manipulator control for underwater construction robot is set to deal with model uncertainties.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.05a
• /
• pp.287-291
• /
• 2003

현대의 선박운항에 있어서 선내 노동의 경감과 운항의 안정성 및 경제성 확보를 위하여 선박 자동화 및 원격 조종화가 이루어지고 있다. 또한, 선박조종 및 작업제어를 위하여 컴퓨터를 이용한 통합제어 시스템에 관한 연구도 활발하게 진행되고 있다. 그러나 소형선박 빛 어선과 같은 환경에서의 지능형 시스템에 관한 연구는 많이 부족한 실정이다. 인공지능기법을 이용하여 보다 인간 친화적인 시스템을 구현하고, 음성인식기술을 이용하여 원격으로 선박 조타기를 제어하여 조업자의 부담경감 및 인원절감의 효과를 가져올 수 있는 선박 조종시스템의 개발이 절실하다. 본 논문에서는 PC를 기반으로 하여 원격으로 모형 선박의 조타기를 제어하는 시스템을 구축하였다. 구체적인 연구 방법으로는, 음성인식기술과 지능형 학습 기법을 바탕으로 음성지시기반학습 시스템을 구축하고, 퍼지 조타수 조작모델을 구현하여 PC 기반 원격 제어시스템을 구현하였다. 또한, 구축된 원격 조타제어시스템을 축소된 선박모형(Miniature Ship) 시스템에 적용하여 그 효용성을 확인하였다.