• 한국산업융합학회 논문집
• /
• 제9권3호
• /
• pp.173-178
• /
• 2006

For the design of multivariable fuzzy control systems decomposition of control rules is a efficent inference method since it alleviates the complexity of the problem. In some systems, however, inference error of the Gupta's decomposition method is inevitable because of its approximate nature. In this paper we define indices of applicability which decides whether the decomposition method can be applied to a multivariable fuzzy system or not.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권3호
• /
• pp.253-258
• /
• 2005

In this study, we introduce a new category of fuzzy inference systems based on information granulation to carry out the model identification of complex and nonlinear systems. Informal speaking, information granules are viewed as linked collections of objects (data, in particular) drawn together by the criteria of proximity, similarity, or functionality. To identify the structure of fuzzy rules we use genetic algorithms (GAs). Granulation of information with the aid of Hard C-Means (HCM) clustering algorithm help determine the initial parameters of fuzzy model such as the initial apexes of the membership functions and the initial values of polynomial functions being used in the premise and consequence part of the fuzzy rules. And the initial parameters are tuned effectively with the aid of the genetic algorithms and the least square method (LSM). The proposed model is contrasted with the performance of the conventional fuzzy models in the literature.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.175-178
• /
• 2008

Z. cao는 Relation matrix를 사용한 정밀한 추론이 가능한 NFRM(New fuzzy reasoning method)을 제안하였다. 이는 추론의 규칙 수가 적음에도 불구하고 Mamdani의 퍼지추론 방식에 비하여 좋은 성능을 보였다. 그러나 대부분의 퍼지스템의 경우, MIMO 시스템에 적용시 피지추론규칙을 도출해 내기 힘들고 많은 규칙의 수가 요구되는 단점을 갖는다. 그러므로 본 연구자에 의하여 과거에 Z. Cao's의 퍼지추론 방법을 MIMO 시스템으로 확장된 MIMO 퍼지추론 방식을 제안하였다. 본 연구에서는 제안된 퍼지추론 방식의 relation matrix를 시행착오법에 의해 소요되는 많은 시간과 노력을 줄이고, 더욱 정밀한 추론 성능의 개선을 위하여 경사감소학습법을 사용한 학습기능을 갖는 MIMO 퍼지추론 방식을 제안하고자 한다. 모의실험은 2축 로봇의 역기구학 문제를 푸는데 적용하여 제안된 추론방식이 좋은 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제13권3호
• /
• pp.505-513
• /
• 2009

Z. cao는 Relation matrix를 사용한 정밀한 추론이 가능한 NFRM(New fuzzy reasoning method)을 제안하였다. 이는 추론의 규칙 수가 적음에도 불구하고 Mamdani의 퍼지 추론방식에 비하여 좋은 성능을 보였다. 그러나 대부분의 퍼지스템의 경우, MIMO 시스템에 적용 시 퍼지 추론규칙을 도출해 내기 힘들고 많은 규칙의 수가 요구되는 단점을 갖는다. 그러므로 본 연구자에 의하여 과거에 Z. Cao's의 퍼지 추론방법을 MIMO 시스템으로 확장된 MIMO 퍼지추론 방식이 제안되었다. 그러나 정밀한 추론을 위하여 relation matrix는 휴리 스틱 (heuristic)한 방법이나 시행착오법을 사용하여 구하였고, 이는 많은 시간과 노력이 필요하다. 본 연구에서는 이러한 relation matrix를 구하기 위하여 시행 착오법에 의해 소요되는 많은 시간과 노력을 줄이고, 더욱 정밀한 추론 성능의 개선을 위하여 경사감소학습법을 사용한 학습기 능을 갖는 MIMO 퍼지추론 방식을 제안하고자 한다. 모의실험은 2축 로봇의 역기구학 문제를 푸는데 적용하여 제안된 추론방식이 좋은 성능을 보였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 추계학술대회 논문집 학회본부 B
• /
• pp.675-677
• /
• 1998

In this paper, we propose the fuzzy inference algorithm with multi-layer structure. MFIS(Multi-layer Fuzzy Inference System) uses PNN(Polynomial Neural networks) structure and the fuzzy inference method. The PNN is the extended structure of the GMDH(Group Method of Data Hendling), and uses several types of polynomials such as linear, quadratic and cubic, as well as the biquadratic polynomial used in the GMDH. In the fuzzy inference method, the simplified and regression polynomial inference methods are used. Here, the regression polynomial inference is based on consequence of fuzzy rules with the polynomial equations such as linear, quadratic and cubic equation. Each node of the MFIS is defined as fuzzy rules and its structure is a kind of neuro-fuzzy structure. We use the training and testing data set to obtain a balance between the approximation and the generalization of process model. Several numerical examples are used to evaluate the performance of the our proposed model.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2000년도 제15차 학술회의논문집
• /
• pp.182-182
• /
• 2000

This paper proposes a self tuning fuzzy inference method by the genetic algorithm in the fuzzy-sliding mode control for a robot. Using this method, the number of inference rules and the shape of membership functions are optimized without an expert in robotics. The fuzzy outputs of the consequent part are updated by the gradient descent method. And, it is guaranteed that the selected solution become the global optimal solution by optimizing the Akaike's information criterion. The trajectory trucking experiment of the polishing robot system shows that the optimal fuzzy inference rules are automatically selected by the genetic algorithm and the proposed fuzzy-sliding model controller provides reliable tracking performance during the polishing process.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1995년도 추계학술대회 95 KFIS Workshop Realization of Human Friendly System Based on Soft Computiong Techniques
• /
• pp.124-140
• /
• 1995

The merit of fuzzy rule based systems stems from their capability of encoding qualitative knowledge of experts into quantitative rules. Recent advancement in automatic tuning or self-organization of fuzzy rules from experimental data further enhances their power, allowing the integration of the top-down encoding of knowledge with the bottom-up learning of rules. In this paper, methods of self-organizing fuzzy rules and of performing defuzzification and inference is presented based on a multi-resolution radial basis function network. The network learns an arbitrary input-output mapping from sample distribution as the union of hyper-ellipsoidal clusters of various locations, sizes and shapes. The hyper-ellipsoidal clusters, representing fuzzy rules, are self-organized based of global competition in such a way as to ensute uniform mapping errors. The cooperative interpolation among the multiple clusters associated with a mapping allows the network to perform a bidirectional many-to-many mapping, representing a particular from of defuzzification. Finally, an inference engine is constructed for the network to search for an optimal chain of rules or situation transitions under the constraint of transition feasibilities imposed by the learned mapping. Applications of the proposed network to skill acquisition are shown.

• 한국산학기술학회논문지
• /
• 제13권11호
• /
• pp.5379-5388
• /
• 2012

비선형 공정에 대한 퍼지 모델링에서, 퍼지 규칙은 일반적으로 입력 변수 선택, 공간 분할 수 및 소속 함수에 의해 형성된다. 비선형 공정에 대한 퍼지 규칙의 생성은 차원이 증가할수록 규칙의 수가 지수적으로 증가하는 문제를 가지고 있다. 이를 해결하기 위해, 입력 공간의 퍼지 분할에 의한 퍼지 규칙을 생성함으로써 복잡한 비선형 공정을 모델링 할 수 있다. 따라서 본 논문에서는 HCM 클러스터링 알고리즘을 이용하여 입력 공간을 분산 형태로 분할함으로써 비퍼지 추론 시스템의 규칙을 생성한다. 규칙의 전반부 파라미터는 HCM 클러스터링 알고리즘에 의한 소속행렬로 결정된다. 규칙의 후반부는 다항식 함수의 형태로 표현되며, 각 규칙의 후반부 파라미터들은 표준 최소자승법에 의해 동정된다. 마지막으로, 비선형 공정으로는 널리 이용되는 데이터를 이용하여 비선형 특성 및 성능을 평가한다. 본 실험을 통해 고차원의 비선형 시스템은 매우 적은 수의 규칙을 가지고 모델링할 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 The Third Asian Fuzzy Systems Symposium
• /
• pp.387-390
• /
• 1998

In this paper, we suggested a neuro-fuzzy learning algorithm for tuning fuzzy rules, in which a fuzzy system model is of additive-type. Using the method, it is possible to reduce the computation size, since performing the fuzzy inference and tuning the fuzzy rules of each fuzzy subsystem model are independent. Moreover, the efficiency of suggested method is shown by means of a numerical example.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.285-289
• /
• 1996

Fuzzy logic controllers have been shown better performance than conventional ones especially in highly nonlinear plants. These results are caused by the nonlinear fuzzy rules were not sufficient to cope with significant uncertainty of the plants and environment. Moreover, it is hard to make fuzzy rules consistent and complete. In this paper, we employed a predictive neural network to enhance the nonlinear inference capability. The predictive neural network generates predictive outputs of a controlled plant using the current and past outputs and current inputs. These predictive outputs are used in terms of fuzzy rules in fuzzy inferencing. From experiments, we found that the predictive term of fuzzy rules enhanced the inference capability of the controller. This predictive neural network can also help the controller cope with uncertainty of plants or environment by on-line learning.