• The Transactions of the Korean Institute of Electrical Engineers
• /
• v.43 no.6
• /
• pp.1010-1019
• /
• 1994

It is shown that there exists a nonlinear mapping which transforms image features and their changes to the desired camera motion without measuring of the relative distance between the camera and the object. This nonlinear mapping can eliminate several difficulties occurring in computing the inverse of the feature Jacobian as in the usual feature-based visual feedback control methods. Instead of analytically deriving the closed form of this mapping, a Fuzzy Membership Function-based Neural Network (FMFNN) incorporating a Fuzzy-Neural Interpolating Network is used to approximate the nonlinear mapping. Several FMFNN's are trained to be capable of tracking a moving object in the whole workspace along the line of sight. For an effective implementation of the proposed FMF network, an image feature selection process is investigated. Finally, several numerical examples are presented to show the validity of the proposed visual servoing method.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.6 no.2
• /
• pp.57-71
• /
• 1996

차량 모델 비선형성의 주된 요인중 하나는 타이어의 비선형성이라고 할 수 있다. 타이어 모델도 간편화하기 위해 선형화된 타이어 모델을 적용할 경우에 저속 주행 또는 고속 주행이라고도 조향각이 적을 때는 문제가 없지만, 급격한 가감속과 과도한 조향각을 주었을 때는 타이어 미끄럼 각(Tire Slip Angle)이 급격히 변화되므로 선형화 된 타이어 모텔을 적용하지 못하게 된다. 그러므로 타이어와 지면 사이의 물리적 현상을 자세히 표현할 수 있는 비선형 타이어 모델을 적용하지 못하게 된다. 그러므로 타이어와 지면 사이의 물리적 현상을 자세히 표현할 수 있는 비선형 타이어 모델이 요구되어진다. 실험적 모델은 실제 차량의 실험 데이터를 바탕으로 커브 피팅(Curve Fitting)하여 타이어의 동특성을 표현하도록 모델링 하므로서 모델의 정확도를 높일 수 있는 반면 요구하는 계수들이 많아지게 되어 계산량이 증가되는 단점이 있다. 기존의 타이어 모델 연구 결과에 대해 분석하고, 관측 자료들을 바탕으로 FMFNN(Fuzzy Membership Function based Neural Network)을 이용한 함수 근사화로서 타이어 횡축력과 종축력의 모델링 방법을 제안하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1993.06a
• /
• pp.1177-1180
• /
• 1993

In this paper, a fuzzy-neural interpolating network is proposed to efficiently approximate a nonlinear function. Specifically, basis functions are first constructed by Fuzzy Membership Function based Neural Networks (FMFNN). And the fuzzy similarity, which is defined as the degree of matching between actual output value and the output of each basis function, is employed to determine initial weighting of the proposed network. Then the weightings are updated in such a way that square of the error is minimized. To show the capability of function approximation of the proposed fuzzy-neural interpolating network, a numerical example is illustrated.