• 전자공학회논문지C
• /
• 제36C권6호
• /
• pp.44-51
• /
• 1999

HMM-Net은 은닉 마르코프 모델(HMM)의 계산과정을 신경망 구조로 구현한 것으로, HMM이 갖고 있는 시계열 모델링 능력과 신경망이 갖고 있는 우수한 변별력을 결합한 것이다. HMM-Net 분류기를 학습하는 방법으로는 HMM의 학습에 이용되는 最尤法(ML)과 신경망 학습의 最小二乘誤差法(MMSE)를 적용할 수 있다. 이들 중 ML이 MMSE보다 안정된 학습을 보장하는 반면 초기 학습조건을 적절하게 설정하였을 경우에는 MMSE가 ML보다 우수하다고 알려져 있다[3]. 따라서 이 논문에서는 먼저 ML을 이용하여 초기학습을 수행한 다음 보다 학습성능이 우수한 MMSE로 바꾸어 최적 또는 준최적으로 학습하는 하이브리드 학습법(ML/MMSE)을 제안한다. 실험용 시계열 패턴으로 /0/부터 /9/까지의 고립 숫자음을 이용하여 실험한 결과, 제안한 방법이 학습특성 및 인식률면에서 ML이나 MMSE만을 이용하는 기존의 방법보다 우수하였음을 확인하였다.

• 대한기계학회논문집A
• /
• 제20권1호
• /
• pp.115-126
• /
• 1996

In the time optimal control problem, bang-bang control has been used becaese it is the theoretical time minimum solution. However, to improve tracking speed performance in the time optimal control, it is important to select a switching point accurately which makes the velocity zero near the target track. But it is not easy to select the swiching point accurately because of the damping coefficient variation and uncertainties of modeling an actual system. The Adaptive model following control(AMFC) is implemented to relieve the difficulty and inconvenience of this task. The AMFC and make the controlled plant follow as closely as possible to a desired reference model whose switching point can be calculated easily and accurately, assuring the error between the states of the reference model and those of the controlled plant appoaches zero. The hybrid control method composed of AMFC and PID is applied to a tracking actuator of the magneto optical disk drive(MODD) in random access devices to improve its slow tracking performance. According to the simulaion and experimental results, the average tracking time as small as 20ms is obtained for a 3.5 magneto-optical disk drive. The AMFC also can be applied for other random access devices to improve the average tracking performance.

• Nuclear Engineering and Technology
• /
• 제25권1호
• /
• pp.110-124
• /
• 1993

적응 비례-적분-추정 (PIF) gain 및 가변구조 제어기를 사용하는 비선형 모델에 의한 하이브리드 제어방법 (NHC)이 개발되었다. 이 제어기는 모델의 불확실성에 대해 robust한 성질을 가지며 단일 입-출력 비선형 시스템의 추적제어 (tracking control)에 응용된다. 이 방법의 특징은 제어기가 각각 특정 역할을 수행하는 4개 부분으로 구성되는 것이다. 즉, 적응 P-I-F 및 가변구조 제어기로 구성된다. Lyapunov의 제 2방법으로 결정된 적응 PIF gain에 의한 제어성능 확보 및 모델의 불확실도를 평가하여 피이드백 함으로써 모델의 불확실성에 대해 robust한 제어기를 구성하였다. 가변구조 제어기는 PIF gain이 적절히 결정되지 않은 상태인 초기의 오차증가를 제어하기 위해 도입되었다. 새로 개발된 NHC방법을 원자로의 출력변동 제어에 응용한 결과 기존의 모델을 이용한 제어방법 (model-based controller)들에 비해 제어성능이 크게 개선되었다.

• Nuclear Engineering and Technology
• /
• 제53권12호
• /
• pp.3902-3909
• /
• 2021

SACOS series of subchannel analysis codes have been developed by XJTU-NuTheL for many years and are being used for the thermal-hydraulic safety analysis of various reactor cores. To achieve fine whole core pin-level analysis, the input preprocessing and parallel capabilities of the code have been developed in this study. Preprocessing is suitable for modeling rectangular and hexagonal assemblies with less error-prone input; parallelization is established based on the domain decomposition method with the hybrid of MPI and OpenMP. For domain decomposition, a more flexible method has been proposed which can determine the appropriate task division of the core domain according to the number of processors of the server. By performing the calculation time evaluation for the several PWR assembly problems, the code parallelization has been successfully verified with different number of processors. Subsequent analysis results for rectangular- and hexagonal-assembly core imply that the code can be used to model and perform pin-level core safety analysis with acceptable computational efficiency.

• 한국구조물진단유지관리공학회 논문집
• /
• 제13권5호통권57호
• /
• pp.121-132
• /
• 2009

본 논문은 이론으로 개발된 FEM과 HGA의 조합을 이용한 외부 긴장재의 손실 긴장력 평가에 대한 실험적 검증과 현장 적용에 대하여 소개한다. 외부 긴장된 텐던에 대한 모형실험과 현장실험을 통하여 진동 실험이 수행되었고, 진동실험으로부터 고유진동수를 획득하였다. 추출된 고유진동수를 기반으로 제안된 기법이 적용되었고, 모형실험으로부터 추정장력과 추정 긴장 손실량은 4%이내의 오차를 보여주었다. 또한 현장실험에서는 Rayleigh 댐핑이 고려된 현장 시스템에 대한 정확한 모델이 모사되었다. 제안된 기법을 적용하여 1%이내의 장력이 추정되었고, 추정된 긴장 손실량은 실제값보다 작은 값으로 수렴되었다.

• 전자공학회논문지CI
• /
• 제39권3호
• /
• pp.18-31
• /
• 2002

본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.