• 산업기술연구
• /
• 제16권
• /
• pp.197-205
• /
• 1996

In this paper, we propose a new neural architecture. We synthesize the architecture from a combination of structures known as MRCCN (Multi-resolution Radial-basis Competitive and Cooperative Network) and BPN (Backpropagation Network). The proposed neural network is able to improve the learning speed of MRCCN and the mapping capability of BPN. The ability and effectiveness of identifying a ninlinear dynamic system using the proposed architecture will be demonstrated by computer simulation.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 D
• /
• pp.2188-2190
• /
• 2004

This paper presents an implementation of power system stabilizer using inverse dynamic neuro controller. Traditionally, mutilayer neural network is used for a universal approximator and applied to a system as a neuro-controller. In this case, at least two neural networks are used and continuous tuning of neuro-controller is required. Moreover, training of neural network is required considering all possible disturbances, which is impractical in real situation. In this paper, Taylor Model Based Inverse Dynamic Neuro Model (TMBIDNM) is introduced to avoid this problem. Inverse Dynamic Neuro Controller (IDNC) consists of TMBIDNM and Error Reduction Neuro Model (ERNM). Once the TMBIDNM is trained, it does not require retuning for cases with other types of disturbances. The controller is tested for one machine and infinite-bus power system for various operating conditions.

• 전자공학회논문지B
• /
• 제31B권10호
• /
• pp.44-52
• /
• 1994

In this paper, we assume that the dynamics of DC motor and nonlinear load are unknown. We propose an inverse dynamic model of DC motor and nonlinear load using the artificial neural network and construck speed control system based on the proposed dynamic model. We also propose another dynamic model with speed prediction scheme using the artificial neural network that removes the undesirable time delay effect caused by the computation time during the real-time control. We suggest a dynamic model which has arbitrary number of speed arguments and is especially effective when the motor and load has large moment of inertia. Next, we suggest a controller that combine the neurocontrol and PID control with constant gain. We show that the proposed neurocontrol systems have capabilities of noise rejection and generalization to have good velocity tracking through computer simulations and experiments.

• 제어로봇시스템학회논문지
• /
• 제2권4호
• /
• pp.312-317
• /
• 1996

This paper proposes a neural network controller with the computed torque method. The neural network is used not to learn the inverse dynamic model but to compensate the uncertainties of robotic manipulators. When training the neural network, we use the signals present in the proposed controller, which is simpler than that proposed by Ishiguro et al., whose teaching signals of the neural network come from the robot model.

• 한국공작기계학회:학술대회논문집
• /
• 한국공작기계학회 1999년도 춘계학술대회 논문집
• /
• pp.210-215
• /
• 1999

In this paper, a new approach to the dynamic control technique for track vehicle system using fuzzy-neural network control technique is proposed. The proposed control scheme uses a Gaussian function as a unit function in the neural network-fuzzy, and back propagation algorithm to train the fuzzy-neural network controller in the framework of the specialized learning architecture. It is proposed a learning controller consisting of two neural network-fuzzy based on independent reasoning and a connection net with fixed weights to simply the neural networks-fuzzy. The performance of the proposed controller is shown by simulation for trajectory tracking of the speed and azimuth of a track vehicle.

• 지능정보연구
• /
• 제16권2호
• /
• pp.95-108
• /
• 2010

본 연구에서는 동영상으로부터 동적 수신호 패턴을 효과적으로 인식하기 위한 방법론으로서 복합형 신경망 모델을 제안한다. 제안된 모델은 특징추출 모듈과 패턴분류 모듈로 구성되는데, 이들 각각을 위하여 수정된 구조의 CNN 모델과, WFMM 모델을 도입한다. 또한 목표물의 움직임 정보에 기초한 시공간적 템플릿 구조의 데이터표현을 소개한다. 본 논문에서는 우선 수신호 패턴 데이터에서 특징점의 시간적 변이 및 공간적 변이에 의한 영향을 보완하기 위하여 3차원 수용영역 구조로 확장된 CNN 모델을 제시한다. 이어서 패턴분류 단계를 위하여 가중치를 갖는 구조의 FMM 신경망 모델을 소개하고, 신경망의 구조와 동작특성에 관해 기술한다. 또한 제안된 모델이 기존의 FMM 신경망에서 중첩 하이퍼박스의 축소과정에서 발생하는 학습효과의 왜곡현상을 개선할 수 있음을 보인다. 응용으로 가전제품 원격제어 문제를 전제하여 간략화된 수신호패턴 인식 문제에 적용한 실험결과로부터 제안된 이론의 타당성을 고찰한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2007년도 추계학술대회 학술발표 논문집
• /
• pp.159-162
• /
• 2007

The inverse kinematics problem in robotics is an essential work for grasping and manipulation tasks by robotic and humanoid hands. In this paper, an intelligent neural learning scheme for solving such inverse kinematics of humanoid fingers is presented. Specifically, a multi-layered neural network is utilized for effective inverse kinematics, where a dynamic neural learning algorithm is employed. Also, a bio-mimetic feature of general human fingers is incorporated to the learning scheme. The usefulness of the proposed approach is verified by simulations.

• 융합신호처리학회논문지
• /
• 제3권1호
• /
• pp.54-60
• /
• 2002

본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 신경망-퍼지 하이브리드 제어기에 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 역모델 신경망을 학습시킨 결과를 이용하여 주 신경망의 가중치를 변경시킴으로서 원하는 플랜트의 동적 특성을 얻게 된다. 2차 플랜트를 통한 모의실험 결과, 제안한 속도제어기가 신경망제어기보다 더 좋은 응답 특성을 가짐을 확인할 수 있다. 제안한 속도제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험 결과를 관찰하였다.

• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.179-184
• /
• 2006

신경회로망을 동적 정보처리에 응용하기 위해서는 비대칭 결합 신경회로망에서 생성하는 동적 상태천이에 관한 직관적 이해가 필요하다. 자기결합을 갖고 결합하중치가 비대칭인 순환결합형 신경회로망은 복수 개의 리미트사이클을 기억할 수 있다는 것이 알려져 있다. 현재까지 이산시간 모델의 네트워크에 대한 상태천이 해석은 상세하게 이루어져 왔다. 그러나 연속시간모델에 대한 해석은 네트워크 규모의 증가에 따른 급격한 계산량의 증가 때문에 그다지 활발하게 연구가 이루어지지 않고 있다. 본 논문에서는 각 뉴런이 최근접 뉴런에만 이진화된 결합하중 +1 및 -1로 연결된 연속시간모델 순환결합형 신경회로망의 동적인 상태천이 특성을 해석하여 이산시간 모델에서 기억 가능한 리미트사이클과의 차이점을 분석하였다. 또한 뉴런의 활성화 함수가 완전선형인 경우와 구분선형 근사인 네트워크에 대한 리미트사이클의 안정성을 해석하였다.

• 전기학회논문지
• /
• 제56권5호
• /
• pp.966-972
• /
• 2007

This paper presents position control of nonlinear three-dimensional crane systems using neural network approach. Such crane system generally includes very complicated characteristic dynamics and mechanical framework such that its mathematical model is expressed by strong nonlinearity. This leads difficulty in control design for the systems. We linearize the nonlinear system model to construct PID control applying well-known linear control theory and then neural network is utilized to compensate system perturbation due to linearization. Thus, control input of the crane system is composed of nominal PID and neural output signals respectively. Our method illustrates simple design procedure, but system perturbation and modelling error are overcome through a neural compensator. As well. adaptive neural control is constructed from online learning. Computer simulation demonstrates our control approach is superior to the classic control systems.