• 제어로봇시스템학회논문지
• /
• 제7권8호
• /
• pp.647-655
• /
• 2001

In adaptive neuro-control, neural networks are used to approximate unknown plant nonlinearities. Until now, most of the studies in the field of controller design for nonlinear system using neural network considers the affine system with fixed number of neurons. This paper considers nonaffine nonlinear systems and on-line variation of the number of neurons. A control law and adaptive laws for neural network weights are established so that the whole system is stable in the sense of Lyapunov. In addition, at the expense of th input, tracking error converges to the arbitrary small neighborhood of the origin. The efficiency of the proposed scheme is shown through simulations ofa simple nonaffine nonlinear system.

• 한국정보통신학회논문지
• /
• 제5권4호
• /
• pp.730-737
• /
• 2001

본 논문에서는 적응 뉴로-퍼지 제어기를 이용하여 비선형 복합시스템 모델의 안정화 제어 방법에 적용한다. 제안된 적응 뉴로-퍼지 제어기는 언어적 퍼지추론, 프로세스의 입출력 데이터를 이용하는 신경회로망, 최적이론 등이 포함된 인공지능을 시스템구조와 파라메터 검증에 필요한 도구로 이용한다. 그 결과 제안된 방법이 이전에 연구되었던 다른 방법보다 아주 높은 인공지능 모델을 제시하였다.

• Journal of Astronomy and Space Sciences
• /
• 제29권4호
• /
• pp.389-395
• /
• 2012

The problem of spacecraft attitude control is solved using an adaptive neuro-fuzzy inference system (ANFIS). An ANFIS produces a control signal for one of the three axes of a spacecraft's body frame, so in total three ANFISs are constructed for 3-axis attitude control. The fuzzy inference system of the ANFIS is initialized using a subtractive clustering method. The ANFIS is trained by a hybrid learning algorithm using the data obtained from attitude control simulations using state-dependent Riccati equation controller. The training data set for each axis is composed of state errors for 3 axes (roll, pitch, and yaw) and a control signal for one of the 3 axes. The stability region of the ANFIS controller is estimated numerically based on Lyapunov stability theory using a numerical method to calculate Jacobian matrix. To measure the performance of the ANFIS controller, root mean square error and correlation factor are used as performance indicators. The performance is tested on two ANFIS controllers trained in different conditions. The test results show that the performance indicators are proper in the sense that the ANFIS controller with the larger stability region provides better performance according to the performance indicators.

• 한국지능시스템학회논문지
• /
• 제8권3호
• /
• pp.9-15
• /
• 1998

본 논문은 뉴로제어 및 반복학습 제어기법에 기반한 미지의 비선형시스템의 적응학습제어 방법을 제안한다. 제안된 제어 시스템에서 반복학습제어기는 새로운 기준 궤적에 대해 시스템의 출력이 원하는 궤적으로 정확히 수렴하도록 하는 적응과 단기간 제어정보를 기억하는 기능을 수행한다. 상대차수만 알고 있는 미지 시스템에 대한 박복학습 법칙이 학습이득은 신경회로망을 이용하여 추정된다. 반복학습제어기에 의해 습득된 제어정보는 장기메모리에 기반한 앞먹임 뉴로제어기로 이전되어 누적기억됨으로써 과거에 겸험된 기준 궤적에 대해서는 신속하게 추종할 수 있도록 한다. 2자유도 매니퓰레이터에 적용하여 제안된 기법의 타당성을 검증한다.

• 한국복합재료학회:학술대회논문집
• /
• 한국복합재료학회 2002년도 춘계학술발표대회 논문집
• /
• pp.135-138
• /
• 2002

Experimental studies on vibration control of a composite beam with a piezoelectric actuator and an extrinsic Fabry-Perot interferometer (EFPI) have been performed using a neural network controller and an LQG controller. Vibration control performance was investigated in the nonlinear sensing range according to the vibration amplitudes. Using a neuro-controller, adaptive vibration control experiment has been performed for the structure with frequency variations, and its performance is compared with that of an LQG controller. The vibration control results show that the neuro-controller has good performance and robustness with respect to the system parameter variations.

• 전자공학회논문지S
• /
• 제35S권9호
• /
• pp.35-42
• /
• 1998

CNC 가공에 있어서 가공정밀도와 생산성을 동시에 향상시킬 수 있는 기술의 개발이 필수적이다. 이러한 고정밀 고속가공을 위하여 이 논문에서는 신경망을 이용한 이송속도 신경망 적응제어 기법을 제안한다. 이 제어기는 신경망을 이용한 모사기와 이 신경망의 인버젼 알고리듬을 통한 반복학습 제어기로 구성된다. 신경망 모사기는 CNC 시스템의 비선형성과 불확실성으로 인한 이송속도와 윤곽오차 사이의 비선형 특성을 모사하고, 신경망 인버젼 방법과 목적 함수의 정의를 통해 반복학습 제어기법으로 허용 오차 내에서 최적의 이송속도를 실시간으로 구해 냄으로써 가공 성능을 향상시킨다.제안한 방법은 원, 코너, 인볼루트 윤곽 가공의 모의 실험을 통하여 성공적으로 평가되었다.

• 한국지능시스템학회논문지
• /
• 제12권2호
• /
• pp.144-150
• /
• 2002

본 논문에서는 지연시간을 갖는 비선형 시스템의 효율적 제어를 위해 퍼지-신경망에 기반한 지연시간 보상기를 제안하였다. 제안된 제어시스템은 ANFIS(Adaptive Neuro-Fuzzy Inference System)라고 불리는 두개의 퍼지-신경망으로 구성되며 이중 하나는 직-병렬 방식으로 동작하고 다른 하나는 병렬 방식으로 동작한다. 직-병렬 방식으로 동작하는 퍼지-신경망은 지연시간을 갖는 비선형 시스템의 응답을 추종하는 특성을 갖으며 병렬 방식으로 동작하는 퍼지-신경망은 지연시간을 보상하기 위한 시스템 출력을 예측하는 기능을 수행한다. 따라서 본 연구에서 제안된 시스템은 전형적인 Smith 예측기의 비선형 시스템에의 적용을 위한 확장이라고 생각할 수 있다. 본 논문에서는 제안된 지연시간 보상기의 상세한 설계과정을 보였으며 또한 제안된 제어기 설계 기법의 유용성 화인을 위해 비선형 수치데이터에 대한 컴퓨터 모의실험을 수행하였다.

• 조명전기설비학회논문지
• /
• 제20권3호
• /
• pp.53-61
• /
• 2006

본 논문은 유도전동기 드라이브의 고성능 제어를 위한 적응 퍼지-뉴로 제어기를 제시한다. 이 알고리즘의 설계는 퍼지제어와 신경회로망을 사용하는 퍼지-신경회로망 제어기에 기초한다. 적응 퍼지-뉴로 제어기는 신경회로망의 학습패턴과 같은 퍼지 룰을 사용하고 또한 지령값과 실제값 사이의 오차를 최소화하기 위하여 신경회로망의 뉴런사이의 하중을 역전파 알고리즘 방법을 사용하여 조절한다. 적응 기준 모델 설계는 기준모델의 출력과 전동기 속도 사이의 오차와 오차 변화분을 기초로 한 퍼지 로직에 의하여 실행되는 적응 메카니즘을 제시한다. 적응 퍼지-뉴로 제어기의 제어 성능은 다양한 동작 상태에 대한 분석으로 평가한다. 제안한 제어시스템의 실험 결과는 고성능과 파리미터 변동과 정상상태 정확성, 순시응답의 강인성을 가진다.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2005년도 학술대회 논문집
• /
• pp.315-320
• /
• 2005

This paper is proposed adaptive fuzzy-neuro controller for high performance of induction motor drive. The design of this algorithm based on fuzzy-neural network controller that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of nor measured between the motor speed and output of a reference model. The control performance of the adaptive fuzy-neuro controller is evaluated by analysis for various operating conditions. The results of experiment prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• International Journal of Control, Automation, and Systems
• /
• 제6권6호
• /
• pp.928-938
• /
• 2008

This study presents an approach for approximation an unknown function from a numerical data set based on the synthesis of a neuro-fuzzy model. An adaptive input data space parting method, which is used for building hyperbox-shaped clusters in the input data space, is proposed. Each data cluster is implemented here as a fuzzy set using a membership function MF with a hyperbox core that is constructed from a min vertex and a max vertex. The focus of interest in proposed approach is to increase degree of fit between characteristics of the given numerical data set and the established fuzzy sets used to approximate it. A new cutting procedure, named NCP, is proposed. The NCP is an adaptive cutting procedure using a pure function $\Psi$ and a penalty function $\tau$ for direction the input data space parting process. New algorithms named CSHL, HLM1 and HLM2 are presented. The first new algorithm, CSHL, built based on the cutting procedure NCP, is used to create hyperbox-shaped data clusters. The second and the third algorithm are used to establish adaptive neuro- fuzzy inference systems. A series of numerical experiments are performed to assess the efficiency of the proposed approach.