In this paper we propose a new controller design method using hybrid fuzzy-neural netowrk and neural network identification in order ot control systems which are more and more getting nonlinearity. Proposed method performs, for a nonlinear plant with unknown functions, hybird identification using a fuzzy-neural network and a neural network, and then a stable nonlinear controller is designed with those identified informations. To identify a nonlinear function, which is directly related to input signals, we can use a neural network which is satisfied with the proposed stable condition. To identify a nonlinear function, which is not directly related to input signals, we can use a fuzzy-neural network which has excellent identification characteristics. In order to verify excellent control performances of the proposed method, we compare the porposed control method with a conventional neural network control method through simulations and experiments with one link manipulator.
In this paper, a novel neural network compensation technique for PD like fuzzy controlled robot manipulators is presented. A standard PD-like fuzzy controller is designed and used as a main controller for controlling robot manipulators. A neural network controller is added to the reference trajectories to modify input error space so that the system is robust to any change in system parameter variations. It forms a neural-fuzzy control structure and used to compensate for nonlinear effects. The ultimate goal is same as that of the neuro-fuzzy control structure, but this proposed technique modifies the input error not the fuzzy rules. The proposed scheme is tested to control the position of the 3 degrees-of-freedom rotary robot manipulator. Performances are compared with that of other neural network control structure known as the feedback error learning structure that compensates at the control input level.
In this paper, we propose two design methods of neural networks controller for the height control of helicopter, one is the design of neural network controller having learning capability and the other is the design of more improved neural network controller. Through the simulation results, we show that the proposed controllers have controllers have enhanced control performance(rapid response, effectiveness and safety) than the typical neural networks controller in the height control of helicopter.
In this paper, a direct controller for nonlinear plants using a neural network is presented. The controller is composed of an approximate controller and a neural network auxiliary controller. The approximate controller gives the rough control and the neural network controller gives the complementary signal to further reduce the output tracking error. This method does not put too much restriction on the type of nonlinear plant to be controlled. In this method, a RBF neural network is trained and the system has a stable performance for the inputs it has been trained for. Simulation results show that it is very effective and can realize a satisfactory control of the nonlinear system.
In this paper, neural network-supervisory control method is proposed to minimize the effect of system uncertainty by load change and disturbance in the PID control system. In the proposed method, PID controller performs main control action by performing control within constraint error. And neural network-supervisory controller performs control action when error reaches the boundary of constraint error. Combining neural network-supervisory controller to guarantee the stability into PID control system, the resulting PID control system is expected to show better performance in the system with load change and disturbance. Simulation applying PID controller and neural network-supervisory controller showed excellence of proposed method.
The neural network predictive controller(NNPC) is proposed for the attempt to mimic the function of brain that forecasts the future. It consists of two loops, one is for the prediction of output(Neural Network Predictor) and the other one is for control the plant(Neural Network Controller). The output of NNC makes the control input of plant, which is followed by the variation of both plant error and prediction error. The NNP forecasts the future output based upon the current control input and the estimated control output. The method is applied to the control of temperature in boiler systems. The proposed NNPC is compared with the other conventional control methods such as PID controller, neural network controller with specialized learning architecture, and one-step-ahead controller. The computer simulation and experimental results show that the proposed method has better performances than the other methods.
We proposed the design of SVC adaptive fuzzy logic controller(AFLC) using Tabu search and neural network. We tuned the gains of input-output variables of fuzzy logic controller(FLC) and weights of neural network using Tabu search. Neural network was used for adaptively tuning the output gain of FLC. The weights of neural network was learned from the back propagation algorithm in real-time. To evaluate the usefulness of AFLC, we applied the proposed method to single-machine infinite system. AFLC showed the better control performance than PD controller and GAFLC[8] for. three-phase fault in nominal load which had used when tuning AFLC. To show the robustness of AFLC, we applied the proposed method to disturbances such as three-phase fault in heavy and light load. AFLC showed the better robustness than PD controller and GAFLC[8].
In this paper, we present neural network for control of Left Ventricular Assist Device(LVAD) system with a pneumatically driven mock circulation system. Beat rate(BR), Systole-Diastole Rate(SDR) and flow rate are collected as the main variables of the LVAD system. System modeling is completed using the neural network with input variables(BR, SBR, their derivatives, actual flow) and output variable(actual flow). It is necessary to apply high perfomance control techniques, since the LVAD system represent nonlinear and time-varing characteristics. Fortunately. the neural network can be applied to control of a nonlinear dynamic system by learning capability In this study, we identify the LVAD system with neural network and control the LVAD system by PID controller and neural network feedforward controller. The ability and effectiveness of controlling the LVAD system using the proposed algorithm will be demonstrated by experiment.
International Journal of Fuzzy Logic and Intelligent Systems
/
제8권1호
/
pp.68-74
/
2008
In this paper, a novel neural fuzzy control method is proposed to control nonlinear systems. A standard PD-like fuzzy controller is designed and used as a main controller for the system. Then a neural network controller is added to the reference trajectories to form a neural-fuzzy control structure and used to compensate for nonlinear effects. Two neural-fuzzy control schemes based on two well-known neural network control schemes, the feedback error learning scheme and the reference compensation technique scheme as well as the standard PD-like fuzzy control are studied. Those schemes are tested to control the angle and the position of the inverted pendulum and their performances are compared.
International Journal of Control, Automation, and Systems
/
제6권1호
/
pp.24-34
/
2008
A novel neural network model, termed the standard neural network model (SNNM), similar to the nominal model in linear robust control theory, is suggested to facilitate the synthesis of controllers for delayed (or non-delayed) nonlinear systems composed of neural networks. The model is composed of a linear dynamic system and a bounded static delayed (or non-delayed) nonlinear operator. Based on the global asymptotic stability analysis of SNNMs, Static state-feedback controller and dynamic output feedback controller are designed for the SNNMs to stabilize the closed-loop systems, respectively. The control design equations are shown to be a set of linear matrix inequalities (LMIs) which can be easily solved by various convex optimization algorithms to determine the control signals. Most neural-network-based nonlinear systems with time delays or without time delays can be transformed into the SNNMs for controller synthesis in a unified way. Two application examples are given where the SNNMs are employed to synthesize the feedback stabilizing controllers for an SISO nonlinear system modeled by the neural network, and for a chaotic neural network, respectively. Through these examples, it is demonstrated that the SNNM not only makes controller synthesis of neural-network-based systems much easier, but also provides a new approach to the synthesis of the controllers for the other type of nonlinear systems.
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.