Proceedings of the Korean Institute of Intelligent Systems Conference
/
1998.06a
/
pp.691-695
/
1998
Most of systems has nonlinearity . And also accurate modelings of these uncertain nonlinear systems are very difficult. In this paper, a fuzzy modeling technique for the stabilization control of an IP(inverted pendulum) system with nonlinearity was proposed. The fuzzy modeling was acquired on the basis of ANFIS(Adaptive Neuro Fuzzy Infernce System) which could learn using a series of input-output data pairs. Simulation results showed its superiority to the PID controller. We believe that its applicability can be extended to the other nonlinear systems.
Park, Lae-Jeong;Park, Sangbong;Bien, Zeugnam;Park, Cheol-Hoon
Journal of the Korean Institute of Intelligent Systems
/
v.4
no.1
/
pp.35-49
/
1994
It is well known that, for nominimum phase systems, a conventional linear controller of PID type or an adaptive controller of this structure shows limitation in achieving a satisfactory performance under tight specifications. In this paper, we combine a neuro-controller with a PI-controller with off-line learning capability provided by the Genetic Algorithm to propose a novel neuro-controller to control nonminimum phase systems effectively. The simulation results show that our proposed model is more efficient with faster rising time and less undershoot effect when the performances of the proposed controller and a conventional form are compared.
Intajag, S.;Tipsuwanporn, V.;Koetsam-ang, N.;Witheephanich, K.
제어로봇시스템학회:학술대회논문집
/
2004.08a
/
pp.546-551
/
2004
In this paper, a level controller is designed with the neuro-fuzzy model based on Takagi-Sugeno fuzzy system. The fuzzy system is employed as the controller, which can be tuned by the neural network mechanism based on a gradient descent technique. The tuning mechanism will provide an optimal process input by forcing the process error to zero. The proposed controller provides the online tunable mode to adjust the consequent membership function parameters. The controller is implemented with M-file and graphic user interface (GUI) of Matlab program. The program uses MPIBM3 interface card to connect with the industrial processes In the experimentation, the proposed method is tested to vary of the process parameters, set points and load disturbance. Processes of one tank and two tanks are used to evaluate the efficiency of our controller. The results of the both processes are compared with two PID systems that are 3G25A-PIDO1-E and E5AK of OMRON. From the comparison results, our controller performance can be archived in the case of more robustness than the two PID systems.
Journal of the Korean Institute of Intelligent Systems
/
v.9
no.5
/
pp.472-479
/
1999
In this paper, we propose a land cover pattern classifier for remote sensing image by using neuro-fuzzy
algorithm. The proposed pattem classifier has a 3-layer feed-forward architecture that is derived from generic
fuzzy perceptrons, and the weights are con~posed of h u y sets. We also implement a neuro-fuzzy pattern
classification system in the Visual C++ environment. To measure the performance of this, we compare it with
the conventional neural networks with back-propagation learning and the Maximum-likelihood algorithms.
We classified the remote sensing image into the eight classes covered the majority of land cover feature,
selected the same training sites. Experimental results show that the proposed classifier performs well
especially in the mixed composition area having many classes rather than the conventional systems.
In the risk assessment of urban railway systems, a hazard log is created by identifying hazards from accident and failure data. Then, based on a risk matrix, evaluators analyze the frequency and severity of the occurrence of the hazards, conduct the risk assessment, and then establish safety measures for the risk factors prior to risk control. However, because subjective judgments based on the evaluators' experiences affect the risk assessment results, a more objective and automated risk assessment system must be established. In this study, we propose a risk assessment model in which an adaptive neuro-fuzzy inference system (ANFIS), which is combined in artificial neural networks (ANN) and fuzzy inference system (FIS), is applied to the risk assessment of urban railway systems. The newly proposed model is more objective and automated, alleviating the limitations of risk assessments that use a risk matrix. In addition, the reliability of the model was verified by comparing the risk assessment results and risk control priorities between the newly proposed ANFIS-based risk assessment model and the risk assessment using a risk matrix. Results of the comparison indicate that a high level of accuracy was demonstrated in the risk assessment results of the proposed model, and uncertainty and subjectivity were mitigated in the risk control priority.
Journal of the Korean Institute of Intelligent Systems
/
v.15
no.6
/
pp.688-694
/
2005
In this Paper, we Propose a new neuro-fuzzy modeling using clustering-based learning method. In the proposed clustering method, number of clusters is automatically inferred and its parameters are optimized simultaneously, Also, a neuro-fuzzy model is learned based on clustering information at same time. In the previous modelling method, clustering and model learning are performed independently and have no exchange of its informations. However, in the proposed method, overall neuro-fuzzy model is generated by using both clustering and model learning, and the information of modelling output is used to clustering of input. The proposed method improve the computational load of modeling using Subtractive clustering method. Simulation results show that the proposed method has an effectiveness compared with the previous methods.
Journal of Institute of Control, Robotics and Systems
/
v.7
no.8
/
pp.647-655
/
2001
In adaptive neuro-control, neural networks are used to approximate unknown plant nonlinearities. Until now, most of the studies in the field of controller design for nonlinear system using neural network considers the affine system with fixed number of neurons. This paper considers nonaffine nonlinear systems and on-line variation of the number of neurons. A control law and adaptive laws for neural network weights are established so that the whole system is stable in the sense of Lyapunov. In addition, at the expense of th input, tracking error converges to the arbitrary small neighborhood of the origin. The efficiency of the proposed scheme is shown through simulations ofa simple nonaffine nonlinear system.
Proceedings of the Korean Institute of Intelligent Systems Conference
/
1998.10a
/
pp.447-452
/
1998
A fault is considered as a variation of physical parameters; therefore the design of fault detection and identification(FDI) can be reduced to the parameter identification of a non linear system and to the association of the set of the estimated parameters with the mode of faults. ANFIS(Adaptive Neuro-Fuzzy Inference System) which contains multiple linear models as consequent part is used to model non linear systems. In this paper, we proposes an FDI system for non linear systems using ANFIS. The proposed diagnositc system consists of two ANFISs which operate in two different modes (parallel-and series-parallel mode). It generates the parameter residuals associated with each modes of faults which can be further processed by additional RBF (Radial Basis function) network to identify the faults. The proposed FDI scheme has been tested by simultation on a two-tank system
Journal of the Korean Institute of Intelligent Systems
/
v.15
no.1
/
pp.24-29
/
2005
In the fuzzy control for the multi-variable system, it is difficult to obtain the fuzzy rule. Therefore, the parallel structure of the independent single input-single output fuzzy controller using a pairing between the input and output variable is applied to the multi-variable system. However, among the input/output variables which arc not paired the interactive effects should be taken into account. these mutual coupling of variables affect the control performance. Therefore, for the control system with a strong coupling property, the control performance is sometimes lowered. In this paper, the effect of mutual coupling of variables is considered by the introduction of a neuro-fuzzy controller using relative gain matrix. This proposed neuro-fuzzy controller automatically adjusts the mutual coupling weight between variables using a neural network which is realized by back-propagation algorithm. The good performance of the proposed nero-fuzzy controller is verified through computer simulations on 200MW boiler systems.
A new model for the propagation prediction for mobile communication network inside building is presented in this paper. The model is based on the determination of the dominant paths between the transmitter and the receiver. The field strength is predicted with adaptive neuro - fuzzy inference systems (ANFIS), trained with measurements. The advantage of the ANFIS with hybrid least squares and gradient descent algorithms is fast convergence compared with original neural network. The K-means algorithm for selection of training patterns is also used. Comparison of our predicted results to measurements indicate that improvements in accuracy over conventional empirical model are achieved.
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.