Fadodun, Odunayo O.;Borokinni, Adebowale S.;Layeni, Olawanle P.;Akinola, Adegbola P.
Wind and Structures
/
v.25
no.1
/
pp.25-38
/
2017
This study investigates the dynamic analysis of a transversely isotropic thin plate. The plate is made of hyperelastic John's material and its constitutive law is obtained by taken the Frechect derivative of the highlighted energy function with respect to the geometry of deformation. The three-dimensional equation governing the motion of the plate is expressed in terms of first Piola-Kirchhoff's stress tensor. In the reduction to an equivalent two-dimensional plate equation, the obtained model generalizes the classical plate equation of motion. It is obtained that the plate under consideration exhibits harmonic force within its planes whereas this force varnishes in the classical plate model. The presence of harmonic forces within the planes of the considered plate increases the natural and resonance frequencies of the plate in free and forced vibrations respectively. Further, the parameter characterizing the transversely isotropic structure of the plate is observed to increase the plate flexural rigidity which in turn increases both the natural and resonance frequencies. Finally, this study reinforces the view that non-classical models of problems in elasticity provide ample opportunity to reveal important phenomena which classical models often fail to apprehend.
KSCE Journal of Civil and Environmental Engineering Research
/
v.40
no.3
/
pp.303-314
/
2020
The hydrological characteristics of watersheds and hydraulic systems of urban and river floods are highly nonlinear and contain uncertain variables. Therefore, the predicted time series of rainfall-runoff data in flood analysis is not suitable for existing neural networks. To overcome the challenge of prediction, a NARX (Nonlinear Autoregressive Exogenous Model), which is a kind of recurrent dynamic neural network that maximizes the learning ability of a neural network, was applied to forecast a flood in real-time. At the same time, NARX has the characteristics of a time-delay neural network. In this study, a hydrological model was constructed for the Taehwa river basin, and the NARX time-delay parameter was adjusted 10 to 120 minutes. As a result, we found that precise prediction is possible as the time-delay parameter was increased by confirming that the NSE increased from 0.530 to 0.988 and the RMSE decreased from 379.9 ㎥/s to 16.1 ㎥/s. The machine learning technique with NARX will contribute to the accurate prediction of flow rate with an unexpected extreme flood condition.
Proceedings of the Korea Contents Association Conference
/
2009.05a
/
pp.1055-1060
/
2009
In this paper, we design an e-Learning system for the Driver's License Teste studying through the Internet. The proposed system make users to be arrived at the goal for the license in a shorter time by offering learning contents and items according to the item-responses made by the users based on the Item Response Theory. Moreover we design the scheme to give the optimum items and the most necessary content to the user during the learning procedure in the form of concept-based objects. All the items in the problem bank DB maintain their difficulties, discriminations, and guessing parameters as is the case of 3-parameter logistic model. In addition user profile DB stores users' status informations, item responses, and ability parameters. Using these structures and combining agents, we can offer the optimum learning process or dynamic personalized studying structure to the user. We can construct interface agent and content selection and feedback agent with the DB's described above. User can study without any awareness of system operations or personal fitting scheme.
The good control performance of permanent magnet linear synchronous motor (LSM) drive systems is difficult to achieve using linear controllers because of uncertainty effects, such as fictitious forces. A backstepping control system using adaptive modified recurrent Laguerre orthogonal polynomial neural network uncertainty observer (OPNNUO) is proposed to increase the robustness of LSM drive systems. First, a field-oriented mechanism is applied to formulate a dynamic equation for an LSM drive system. Second, a backstepping approach is proposed to control the motion of the LSM drive system. With the proposed backstepping control system, the mover position of the LSM drive achieves good transient control performance and robustness. As the LSM drive system is prone to nonlinear and time-varying uncertainties, an adaptive modified recurrent Laguerre OPNNUO is proposed to estimate lumped uncertainties and thereby enhance the robustness of the LSM drive system. The on-line parameter training methodology of the modified recurrent Laguerre OPNN is based on the Lyapunov stability theorem. Furthermore, two optimal learning rates of the modified recurrent Laguerre OPNN are derived to accelerate parameter convergence. Finally, the effectiveness of the proposed control system is verified by experimental results.
An electric scooter with a V-belt continuously variable transmission (CVT) driven by a permanent magnet synchronous motor (PMSM) has a lot of nonlinear and time-varying characteristics, and accurate dynamic models are difficult to establish for linear controller designs. A PMSM servo-drive electric scooter controlled by a novel hybrid modified recurrent Legendre neural network (NN) control system is proposed to solve difficulties of linear controllers under the occurrence of nonlinear load disturbances and parameters variations. Firstly, the system structure of a V-belt CVT driven electric scooter using a PMSM servo drive is established. Secondly, the novel hybrid modified recurrent Legendre NN control system, which consists of an inspector control, a modified recurrent Legendre NN control with an adaptation law, and a recouped control with an estimation law, is proposed to improve its performance. Moreover, the on-line parameter tuning method of the modified recurrent Legendre NN is derived according to the Lyapunov stability theorem and the gradient descent method. Furthermore, two optimal learning rates for the modified recurrent Legendre NN are derived to speed up the parameter convergence. Finally, comparative studies are carried out to show the effectiveness of the proposed control scheme through experimental results.
Journal of the Korean Society for Precision Engineering
/
v.16
no.8
/
pp.186-192
/
1999
This paper introduces a study of a method for the forward kinematic analysis, which finds the 6 DOF motions and velocities from the given six cylinder lengths in the Stewart platform. From the viewpoints of kinematics, the solution for the inverse kinematic is easily found by using the vectors of the links which are composed of the joint coordinates in base and plate frames, to act contrary to the serial manipulator, but forward kinematic is difficult because of the nonlinearity and complexity of the Stewart platform dynamic equation with the multi-solutions. Hence we, first in this study, introduce the linear estimator using the Luenberger's observer, and the estimator using the nonlinear measured model for the forward kinematic solutions. But it is difficult to find the parameter of the design for the estimation gain or to select the estimation gain and the constant steady state error exists. So this study suggests the estimator with the estimation gain to be learned by the neural network with the structure of multi-perceptron and the learning method using back propagation and shows the estimation performance using the simulation.
Journal of the Korean Society for Precision Engineering
/
v.11
no.4
/
pp.138-147
/
1994
Performance management of computer networks is intended to improve a given network performance in order for more efficient information exchange between subsystems of an integrated large-scale system. Improtance of performance management is growing as many function of the large- scale system depend on the quality of communication services provided by the network. The role of performance management is to manipulate the adjustable protocol parameters on line so that the network can adapt itself to a dynamic environment. This can be divided into two subtasks : performance evaluation to find how changes in protocol parameters affect the network performance and decision making to detemine the magnitude and direction of parameter adjustment. This paper is the second part of the two papers focusing on conceptual design, development, and evaluation of performance management for token bus networks. This paper specifically deals with the task of decision making which utilizes the principles of stochastic optimization and learning automata. The developed algorithm can adjuxt four timer settings of a token bus protocol based on the result of performance evaluation. The overall performance management has been evaluated for its efficacy on a network testbed.
Journal of the Korean Institute of Intelligent Systems
/
v.8
no.2
/
pp.50-59
/
1998
This paper presents stabilization and adaptive control of flexible single link robot manipulator system by self-recurrent neural networks that is one of the neural networks and is effective in nonlinear control. The architecture of neural networks is a modified model of self-recurrent structure which has a hidden layer. The self-recurrent neural networks can be used to approximate any continuous function to any desired degree of accuracy and the weights are updated by feedback-error learning algorithm. When a flexible manipulator is rotated by a motor through the fixed end, transverse vibration may occur. The motor toroque should be controlled in such a way that the motor rotates by a specified angle, while simultaneously stabilizing vibration of the flexible manipuators so that it is arresed as soon as possible at the end of rotation. Accurate vibration control of lightweight manipulator during the large changes in configuration common to robotic tasks requires dynamic models that describe both the rigid body motions, as well as the flexural vibrations. Therefore, a dynamic models for a flexible single link robot manipulator is derived, and then a comparative analysis was made with linear controller through an simulation and experiment. The results are proesented to illustrate thd advantages and imporved performance of the proposed adaptive control ove the conventional linear controller.
Bridge displacement contains vital information for bridge condition and performance. Due to the limits of direct displacement measurement methods, the indirect displacement reconstruction methods based on the strain or acceleration data are also developed in engineering applications. There are still some deficiencies of the displacement reconstruction methods based on strain or acceleration in practice. This paper proposed a novel method based on long short-term memory (LSTM) networks to reconstruct the bridge dynamic displacements with the strain and acceleration data source. The LSTM networks with three hidden layers are utilized to map the relationships between the measured responses and the bridge displacement. To achieve the data fusion, the input strain and acceleration data need to be preprocessed by normalization and then the corresponding dynamic displacement responses can be reconstructed by the LSTM networks. In the numerical simulation, the errors of the displacement reconstruction are below 9% for different load cases, and the proposed method is robust when the input strain and acceleration data contains additive noise. The hyper-parameter effect is analyzed and the displacement reconstruction accuracies of different machine learning methods are compared. For experimental verification, the errors are below 6% for the simply supported beam and continuous beam cases. Both the numerical and experimental results indicate that the proposed data fusion method can accurately reconstruct the displacement.
In this Paper, we propose the feedback method having neural network to control the chaotic signals to periodic signals. This controller has very simple structure, it is immune to small parameter variations, the precise access to system parameters is not required and it is possible to follow ones of its inherent periodic orbits or the desired orbits without error, The controller consist of linear feedback gain and neural network. The learning of neural network is achieved by error-backpropagation algorithm. To prove and analyze the proposed method, we construct a software tool using c-language.
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.