• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 1999년도 학술대회논문집-국제 전기방전 및 플라즈마 심포지엄 Proceedings of 1999 KIIEE Annual Conference-International Symposium of Electrical Discharge and Plasma
• /
• pp.121-126
• /
• 1999

In this paper, to bring under robust and accurate control of auto-equipment systems which disturbance, parameter alteration of system, uncertainty and so forth exist, neural network controller called dynamic neural processor(DNP) is designed. In order to perform a elaborate task like as assembly, manufacturing and so forth of components, tracking control on the trajectory of power coming in contact with a target as well as tracking control on the movement course trajectory of end-effector is indispensable. Also, the learning architecture to compute inverse kinematic coordinates transformations in the manipulator of auto-equipment systems is developed and the example that DNP can be used is explained. The architecture and learning algorithm of the proposed dynamic neural network, the DNP, are described and computer simulations are provided to demonstrate the effectiveness of the proposed learning method using the DNP.

• 한국조명전기설비학회지:조명전기설비
• /
• 제13권2호
• /
• pp.187-187
• /
• 1999

in order to perform a elaborate task like as assembly, manufacturing and so forth of components, tracking control on the trajectory of power coming in contact with a target as well as tracking control on the movement course trajectory of end-effector is indispensable. In this paper, to bring under robust and accurate control of auto-equipment systems which disturbance, parameter alteration of system, uncertainty and so forth exist, neural network controller called dynamic neural processor(DNP) is designed. Also, the learning architecture to compute inverse kinematic coordinates transformations in the manipulator of auto-equipment system is developed and the example that DNP can be used is explained. The architecture and learning algorithm of the proposed dynamic neural network, the DNP, are described and computer simulation are provided to demonstrate the effectiveness of the proposed learning method using the DNP.

• 한국산학기술학회논문지
• /
• 제11권5호
• /
• pp.1597-1600
• /
• 2010

본 논문은 비선형 동적 신경망을 이용하여 직접 제어에 관한 연구이다. RBF 신경망을 이용한 제어입력과 근사화 오차 및 외란의 영향을 제거하기 위한 보조제어 입력으로 구성하였다. 외란이나 근사화 오차에 관계없이 플랜트와 기준모델 사이의 오차가 0이 되도록 하는 알고리즘을 구할 수 있었다. 시뮬레이션 결과는 매우 효과적이며 비선형 시스템의 만족스러운 학습 성능을 증명하였다.

• 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.

• 조명전기설비학회논문지
• /
• 제13권2호
• /
• pp.55-62
• /
• 1999

자동화 설비시스템에서 부품의 조립, 가공 등 복잡하고 정교한 임무를 수행시키기위해서는 end-effector의 이동경로 궤적에 대한 추적제어 뿐만 아니라 목표물에 대하여 접촉하는 힘의 궤적에 대한 추적제어가 필수적이다. 본 논문에서는 외란이나 시스템의 파라미터 변동 및 불확실설 등이 존재하는 자동화 설비시스템을 강인하고 정밀하게 제어할 수 ldT도로 하기 위해 동적 신경망 처리(DNP)라 불리우는 신경망 제어기를 설계하였다. 또한 자동화 설비시스템의 매니플레이터에 역기구학적인 좌표변환을 계산하기 위한 학습구조를 개발하였으며, DNP가 이용될수 있는 예를 설명하고자 한다. 제안된 동적 신경망인 DNP의 구조와 학습 알고리즘을 제시하고 컴퓨터 모의 실험을 통해 DNP를 이용한 제안된 학습법의 성능을 확인한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.1-5
• /
• 2002

본 논문은 수족이 불편한 장애인의 편리성을 위해 휠체어에 음성인식 모듈을 개발하는데 목표로 하고 있다. 본 시스템의 주프로세서는 TMS320C32를 이용하였고, 전처리단계에서 잡음환경의 특성을 고려하여 Winer 필터를 적용해서 잡음을 제거하였고 특징추출과정에서는 LPC&Cepstrum을 이용하여 프레임당 12차의 특징패턴을 추출하였다. 그 후 인식부에서는 기존의 알고리즘 중 고립단어에서 흔히 사용하는 DTW(Dynamic Time Warping)과 오인식률 발생을 방지하기 위해 NN(Neural Network)를 결합한 Hybrid 형태로 구현하였다. 본 연구에서는 DTW와 Hybrid형태를 각각 실험한 결과 잡음환경에서 고립단어 인식률이 평균 96%이상 나타났다.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2001년도 하계 학술대회 논문집(KISPS SUMMER CONFERENCE 2001
• /
• pp.141-144
• /
• 2001

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 역 모델 신경망을 학습시킨 결과를 이용하여 주 신경망의 가중치를 변경시킴으로서 원하는 플랜트의 동적 특성을 얻게 된다. 세안한 제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험결과를 관찰하였다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.334-341
• /
• 2003

본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 리커런트 시간 지연 신경망(RTDNN) 제어기를 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 결과가 시간 지연 신경망(TDNN)제어기보다 더 좋은 응답 특성을 가짐을 확인할 수 있다. 제안한 제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험결과를 통하여 제안된 방법의 유용성을 보였다.

• 한국산학기술학회논문지
• /
• 제11권3호
• /
• pp.835-840
• /
• 2010

본 논문은 가변 구조 제어기의 단점인 도달영역에서의 파리미터의 불확실성과 외부 외란에 대한 민감성을 감소시키는 방안으로 DNP제어를 제시한다. 비선형 동적 매니퓰레이터를 통하여 시스템의 상태 궤적이 초기 위치에서부터 평형점에 이르기까지 외란과 파라미터의 불확실성에 강인하게 되며 아울러 목표 직각 좌표까지 도달시간 뿐만 아니라 평형점까지의 도달시간도 감소하게 되는 특성을 보이고자 한다. 제안된 제어 구조의 효과는 시뮬레이션을 통해 증명하였다.

• 전자공학회논문지CI
• /
• 제42권1호
• /
• pp.9-26
• /
• 2005

파이프라인과 슈퍼스칼라 방식 그리고 동적 스케줄링 기법이 일반화된 시스템 구조 하에서, 분기 명령어에 대한 분기 예측 정확도는 프로세서 입장에서 뿐만 아니라 시스템 전체적인 성능에 있어서 큰 영향을 미친다. 이는 분기 예측이 실패했을 경우 잘못된 분기 예측으로 인한 페널티가 발생하기 때문이며, 이러한 페널티는 파이프라인의 길이가 깊어지고 더욱 많은 수의 명령어가 동시에 실행되는 환경일수록 더 큰 값을 가진다. 본 논문에서는 분기 예측의 정확도를 높이기 위해서, 분기 예측과 관련된 신경망을 구축하여 이론 통해 분기 예측에 필요한 각 요소별 가중치의 경향을 분석한다. 그 결과, 높은 가중치를 가지는 구성 요소를 기존의 분기 예측 기법에 추가시킨 새로운 형태의 분기 예측 기법을 제안한다. 제안된 새로운 기법은 실행 구동방식의 시뮬레이터인 Simple Scalar를 통하여 모의실험 되었으며, 실험 결과 본 논문에서 제시한 "분기 명령어의 방향 정보를 내포하는 새로운 기법(direction-gshare)"이 기존의 gshare 기법과 비교하여 동일한 하드웨어 복잡도를 가지면서도 일반적인 Bimodal 기법이나 이단계 적응형 분기 예측 기법 혹은 그의 변형인 gshare 기법에 비하여 분기 예측의 정확도가 최대 4.1%, 평균 1.5% 더 우수한 결과를 보였으며, 최적의 방향 정보 내포량에 대해서는 최대 11.8%, 평균 3.7%의 성능 향상을 보였다.