• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.317-320
• /
• 2008

본 논문에서는 Type-1 퍼지 논리 시스템과 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 각각의 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현할 수 있으며 효율적으로 취급한다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 ${\cdot}$ 후반부가 불확실성을 표현 할 수 없는 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계한다. 두 번째는 규칙 후반부만 Type-2 퍼지 집합으로 구성한 두가지의 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할에는 Min-Max 방법의 균등분할을 사용하고, 규칙 후반부 멤버쉽 함수의 중심 결정에는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 동정한다. 또한 입력 데이터에 인위적으로 가하는 노이즈의 정도에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 실험을 통하여 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.249-250
• /
• 2008

본 논문에서는 Interval Type-2 TSK 퍼지 논리 시스템을 설계하고 기존의 Type-1 TSK 퍼지 논리 시스템과 비교 분석한다. Type-1 TSK 퍼지 논리 시스템과 Interval Type-2 TSK 퍼지 논리 시스템을 비교하기 위해 노이즈에 영향을 받은 목적 데이터를 사용한다. 유전자 알고리즘을 사용하여 전반부의 중심값의 학습률과 후반부 계수값의 학습률을 결정한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.3
• /
• pp.447-454
• /
• 2010

This paper presents multiple fuzzy prediction systems based on an Interval type-2 TSK fuzzy Logic System so that the uncertainty and the hidden characteristics of nonlinear data can be reflected more effectively to improve prediction quality. In proposed method, multiple fuzzy systems are adopted to handle the nonlinear characteristics of data, and each of multiple system is constructed by using interval type-2 TSK fuzzy logic because it can deal with the uncertainty and the characteristics of data better than type-1 TSK fuzzy logic and other methods. For input of each system, the first-order difference transformation method are used because the difference data generated from it can provide more stable statistical information to each system than the original data. Finally, computer simulations are performed to show the effectiveness of the proposed method for two typical time series examples.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.1871_1872
• /
• 2009

본 논문 에서는 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 Type-1 퍼지 논리 시스템과 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부 잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현 할 수 있다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 후반부가 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계 한다. 두 번째는 규칙 전 후반부에 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할 및 FOU(Footprint Of Uncertainty)형성에는 FCM(Fuzzy C_Means) clustering 방법을 사용하고, 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 최적의 파라미터를 설계한다. 본 논문 에서는 또한 입력 데이터에 인위적으로 가하는 노이즈에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 NOx 데이터를 제안된 모델에 적용하고, 실험을 통하여 노이즈가 첨가되고, 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1769-1770
• /
• 2008

Type-2 퍼지 논리 시스템은 기존의 Type-1 퍼지 논리 시스템으로부터 확장된 개념으로서 언어적 불확실성에 대한 개념을 부곽시킨다. Type-2 퍼지 논리 시스템의 가장 큰 특징은 멤버쉽 함수에 Footprint Of Uncertainty(FOU)을 사용하여 불확실성을 표현한다. Type-2 퍼지 논리 시스템은 그것의 rule-base 안에서 최소한 한 개 이상의 Type-2 멤버쉽 함수(MF)를 포함한다. Type-2 퍼지 로직 제어기는 MF가 FOU를 포함하여 계산량이 많은 반면에 외란에 대하여 강인한 성격을 지닌다. 따라서 본 논문에서는 비선형성이 강한 볼빔 시스템에 Type-1과 Type-2 퍼지 로직 제어기를 설계하고 외란에 대하여 견실한 제어기를 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1851-1852
• /
• 2008

Type-2 퍼지 논리 집합은 언어적인 불확실성을 다루기 위하여 고안된 Type-1 퍼지 논리 집합의 확장한 것이다. Type-2 퍼지 논리 시스템은 외부 노이즈를 효율적으로 다룰 수 있다. 본 논문에서는 불확실성을 표현하기 위해서 전.후반부 멤버쉽 함수로 삼각형 형태의 Type-2 퍼지 집합을 사용한다. 전반부 멤버쉽 함수의 정점을 결정하는데 유전자 알고리즘(Genetic Algorithms)으로 멤버쉽 함수의 정점을 결정한다. 제안된 모델은 모델 평가에 주로 사용되는 가스로 시계열 데이터를 적용하고, 테스트 데이터로 노이즈에 영향 받은 데이터를 사용하여 수치적인 예를 보인다.

• Journal of Industrial Technology
• /
• v.30 no.A
• /
• pp.111-117
• /
• 2010

To improve the performance of the prediction system, the system should reflect well the uncertainty of nonlinear data. Thus, this paper presents multiple prediction systems based on Type-2 fuzzy sets. To construct each prediction system, an Interval Type-2 TSK Fuzzy Logic System and difference data were used, because, in general, it has been known that the Type-2 Fuzzy Logic System can deal with the uncertainty of nonlinear data better than the Type-1 Fuzzy Logic System, and the difference data can provide more steady information than that of original data. Also, to improve each rule base of the fuzzy prediction systems, the HCBKA (Hierarchical Correlation Based K-means clustering Algorithm) was applied because it can consider correlationship and statistical characteristics between data at a time. Subsequently, to alleviate complexity of the proposed prediction system, a system selection method was used. Finally, this paper analyzed and compared the performances between the Type-1 prediction system and the Interval Type-2 prediction system using simulations of three typical time series examples.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.2
• /
• pp.168-173
• /
• 2015

The flight control of aircraft, which has nonlinear time-varying dynamic characteristics depending on the various and unexpected external conditions, can be performed on two motions: longitudinal motion and lateral motion. In the longitudinal motion control of aircraft, pitch and trust are major control parameters and roll and yaw are control ones in the lateral motion control. Until now, a number of efficient and reliable control schemes that can guarantee the stability and maneuverability of the aircraft have been developed. Recently, the intelligent flight control scheme, which differs from the conventional control strategy requiring the various and complicate procedures such as the wind tunnel and environmental experiments, has attracted attention. In this paper, an intelligent longitudinal control scheme has been proposed utilizing Interval Type-2 fuzzy logic which can be recognized as a representative intelligent control methodology. The results will be verified through computer simulation with a F-4 jet fighter.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1849-1850
• /
• 2008

Type-2 퍼지 집합은 Type-1 퍼지 집합의 확장으로 Type-1 퍼지 집합으로는 다루기 힘든 언어적인 불확실성을 다루기 위해 고안되었다. 대표적인 퍼지 논리 시스템(Fuzzy Logic System; FLS)으론 Mamdani FLS 모델과 TSK FLS모델이 있다. 본 논문에서는 Interval Type-2 TSK FLS를 구성한다. FLS 구성을 위한 전반부는 가우시안 형태의 Type-2 멤버쉽 함수를 사용하며, 전.후반부 파라미터들은 오류역전파 알고리즘을 통한 학습으로 결정한다. 본 논문에서는 Type-1 TSK FLS와 Interval Type-2 TSK FLS를 설계하고 가스로 공정 데이터에 적용하여 성능을 비교 분석한다. 또한 노이즈를 추가한 데이터들을 통하여 노이즈에 대한 성능도 비교 분석한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.5
• /
• pp.479-486
• /
• 2013

There exist two major difficulties in developing flight control system: nonlinear dynamic characteristics and time-varying properties of parameters of aircraft. Instead of the difficulties, many high reliable and efficient control methodologies have been developed. But, most of the developed control systems are based on the exact mathematical modelling of aircraft and, in the absence of such a model, it is very difficult to derive performance, robustness and nominal stability. From these aspects, recently, some approaches to utilizing the intelligent control theories such as fuzzy logic control, neural network and genetic algorithm have appeared. In this paper, one advanced intelligent lateral control system of a high speed fight has been developed utilizing type-2 fuzzy logic, which can deduce the uncertainty problem of the conventional fuzzy logic. The results will be verified through computer simulation.