Seo, Jae-Yong;Won, Kyoung-Jae;Kim, Seong-Hyun;Cho, Hyun-Chan;Jeon, Hong-Tae
Journal of the Korean Institute of Intelligent Systems
/
v.8
no.6
/
pp.12-20
/
1998
As an approach to develope a control system with high robustness in changing control environment conditions, this paper will propose a robust control system, using multilayer neural network and biological immune system. The proposed control system adjusts weights of the multilayer neural network(MNN) with the immune algorithm. This algorithm is made up of two major divisions, the innate immune algorithm as a first line of defence and the adaptive immune algorithm as a barrier of self-adjustment. Using the proposed control system based on immune algorithm, we will work out a design for the controller of a robot manipulator. And we will demonstrate the effectiveness of the control system of robot manipulator with computer simulations.
This paper presents an effective robust predictive control scheme for the active power filter (APF) using a smith-predictor based current regulator, which show superior features when compared to proportional-integral (PI) controllers in terms of an enhanced closed-loop bandwidth and an improved current tracking accuracy. A moving average filter (MAF) is implemented using a field programmable gate array (FPGA) for signal pre-processing to eliminate the switching ripple contamination. An adaptive linear neural network (ADALINE) is used for individual harmonic estimation to achieve selective compensation purpose. The effectiveness and validity of the devised control algorithm are confirmed by extensive simulation and experimental results.
Rectangular concrete-filled steel tubular (RCFST) column, a type of concrete-filled steel tubular (CFST), is widely used in compression members of structures because of its advantages. This paper proposes a robust machine learning-based framework for predicting the ultimate compressive strength of RCFST columns under both concentric and eccentric loading. The gradient boosting neural network (GBNN), an efficient and up-to-date ML algorithm, is utilized for developing a predictive model in the proposed framework. A total of 890 experimental data of RCFST columns, which is categorized into two datasets of concentric and eccentric compression, is carefully collected to serve as training and testing purposes. The accuracy of the proposed model is demonstrated by comparing its performance with seven state-of-the-art machine learning methods including decision tree (DT), random forest (RF), support vector machines (SVM), deep learning (DL), adaptive boosting (AdaBoost), extreme gradient boosting (XGBoost), and categorical gradient boosting (CatBoost). Four available design codes, including the European (EC4), American concrete institute (ACI), American institute of steel construction (AISC), and Australian/New Zealand (AS/NZS) are refereed in another comparison. The results demonstrate that the proposed GBNN method is a robust and powerful approach to obtain the ultimate strength of RCFST columns.
Journal of Institute of Control, Robotics and Systems
/
v.7
no.2
/
pp.125-130
/
2001
This paper presents an indirect field-oriented (IFO) induction motor position servo drives which uses the model following adaptive controller with the artificial neural network(ANN)-based rotor resistance estimator. The model reference adaptive system(MRAS)-based 2-layer ANN estimates the rotor resistance on-line and a linear model-following position controller is designed by using the estimated the rotor resistance value. At the end, a fuzzy logic system(FLS) is added to make the position controller robust to the external disturbances and the parameter variations. The simulation results show the effectiveness of the proposed method.
Journal of Electrical Engineering and information Science
/
v.2
no.6
/
pp.82-89
/
1997
In this paper, an adaptive speed controller with an FNN(Feedforward Neural Network) is proposed for servo motor drives. Generally, the motor system has nonlinearities in friction, load disturbance and magnetic saturation. It is necessary to treat the nonlinearities for improving performance in servo control. The FNN can be applied to control and identify a nonlinear dynamical system by learning capability. In this study, at first, a robust speed controller is developed by Lyapunov stability theory. However, the control input has discontinuity which generates an inherent chattering. To solve the problem and to improve the performances, the FNN is introduced to convert the discontinuous input to continuous one in error boundary. The FNN is applied to identify the inverse dynamics of the motor and to control the motor using coordination of feedforward control combined with inverse motor dynamics identification. The proposed controller is developed for an SR motor which has highly nonlinear characteristics and it is compared with an MRAC(Model Reference Adaptive Controller). Experiments on an SR motor illustrate te validity of the proposed controller.
Journal of the Korean Institute of Telematics and Electronics T
/
v.35T
no.2
/
pp.56-65
/
1998
In this paper, a neural network(NN) control system is proposed and practically implemented, which is adequate to the induction motor speed control system with frequent load variation. The back propagation neural network technique is used to provide a real adaptive estimation of the motor parameter. The error between the desired state variable and the actual one is back-propagated to adjust the motor parameter, so that the actual state variable will coincide with the desired one. Designed control system is based on PC-DSP structure for the purposed of easiness of applying NN algorithm. Through computer simulation and experimental results, it is verified that proposed control system is robust to the load variation and practical implementation is possible.
Kim, Soon-Young;Ko, Jae-Sub;Kang, Seong-Jun;Jang, Mi-Geum;Mun, Ju-Hui;Lee, Jin-Kook;Chung, Dong-Hwa
Proceedings of the KIEE Conference
/
2011.07a
/
pp.1113-1114
/
2011
This paper is proposed design of high performance controller of SynRM drive using FNN and NNC. Also, This paper is proposed of designing fuzzy neural network controller(FNNC) which adopts the fuzzy logic to the artificial neural network(ANN). FNNC combines the capability of fuzzy reasoning in handling uncertain information and the capability of neural network in learning from processes. This controller is controlled speed using FNNC and model reference adaptive fuzzy control(MFC), and estimation of speed using ANN. The performance of proposed controller was demonstrated through response results. The results confirm that the proposed controller is high performance and robust under the variation of load torque and parameters.
Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
/
v.19
no.8
/
pp.33-39
/
2005
The maximum output torque and power developed by the machine is ultimately depended on the allowable inverter current rating and maximum voltage which the inverter can supply to the machine. Therefore, considering the limited voltage and current capacities, it is desirable to consider a control method which yields the best possible torque per ampere. In this paper, we propose fuzzy neural network(FNN) controller that combines a fuzzy control and the neural network for high performance control of induction motor drive. This controller composes antecedence of the fuzzy rules and consequence by a clustering method and a multi-layer neural networks. This controller is compounding of advantages that robust control of a fuzzy control and high-adaptive control of the neural networks. Also, this paper is proposed control of maximum torque per ampere(MTPA) of induction moor. This strategy is reposed which is simple in structure and has the honest goal of minimizing the stator current magnitude for given load torque. The performance of the proposed induction motor drive with maximum torque control using FNN controller is verified by analysis results at dynamic operation conditions.
Proceedings of the Korean Institute of Information and Commucation Sciences Conference
/
v.9
no.1
/
pp.285-288
/
2005
Neural networks are known as kinds of intelligent strategies since they have learning capability. There are various their applications from intelligent control fields; however, their applications have limits from the point that the stability of the intelligent control systems is not usually guaranteed. In this paper we propose a neuro-adaptive controller for robot manipulators using the radial basis function network(RBFN) that is a kind of a neural network. Adaptation laws for parameters of the RBFN are developed based on the Lyapunov stability theory to guarantee the stability of the overall control scheme. Filtered tracking errors between the actual outputs and desired outputs are discussed in the sense of the uniformly ultimately boundedness(UUB). Additionally, it is also shown that the parameters of the RBFN are bounded. Experimental results for a SCARA-type robot manipulator show that the proposed neuro-adaptive controller is adaptable to the environment changes and is more robust than the conventional PID controller and the neuro-controller based on the multilayer perceptron.
Park, Jong-Yong;Kim, Nakwan;Yoon, Hyeon Kyu;Kim, Su Yong;Cho, Hyeonjin
Journal of Ocean Engineering and Technology
/
v.29
no.3
/
pp.270-282
/
2015
A submerged body moving near the free surface needs to maintain its attitude and position to accomplish missions. It is necessary to validate the performance of a designed controller before a sea trial. The hydrodynamic coefficients of maneuvering are generally obtained by experiments or computational fluid dynamics, but these coefficients have uncertainty. Environmental loads such as the wave exciting force and suction force act on the submerged body when it moves near the free surface. Thus, a controller for the submerged body should be robust to parameter uncertainty and environmental loads. In this paper, the six-degree-of-freedom equations of motions for the submerged body are constructed. The suction force is calculated using the double Rankine body method. An adaptive control method based on an artificial neural network and proportional-integral-derivative control are used for the depth controller. Simulations are performed under various depth and speed conditions, and the results show the effectiveness of the designed controller.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.