• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권8호
• /
• pp.352-359
• /
• 2002

A neuro-fuzzy controller has some problems that he difficulty of tuning up the membership function and fuzzy rules, long time of inferencing and defuzzifying compare to PID. Also, the fuzzy controller's own defect as a PD controller has. In this study, it is proposed two methods to solve these problems. The first method is that inner fuzzy rules are tuned up automatically by the back propagation learning according to error patterns. And the second method is a new type defuzzification method that shorten the calculation time of an inferencing and a defuzzifying. In this study, it is designed the new type neuro-fuzzy controller that improves the fast response and the stability of a system by using the proposed methods. And, the designed controller is named EPLNFC(Error pattern Learning Neuro-Fuzzy Controller). To evaluate the fast response and the stability of EPLNFC designed in this study, EPLNFC is applied to a speed control of a DC motor and AC motor.

• 제어로봇시스템학회논문지
• /
• 제7권11호
• /
• pp.958-961
• /
• 2001

Control of Industrial processes is very difficult due to nonlinear dynamics, effect of disturbances and modeling errors. M.Morari proposed Internal Model Control(IMC) system that can be effectively applied to the systems with model uncertainties and time delays. The advantage of IMC is their robustness with respect to a model mismatch and disturbances. But it is difficult to apply for nonlinear systems. ANFIS(Adaptive Neuro-Fuzzy Inference System) which contains multiple linear models as consequent part is used to model nonlinear systems. Generally, the linear parameters in ANFIS can be effectively utilized to control a nonlinear systems. In this paper, we propose new ANFIS-based IMC controller for nonlinear systems. Numerical simulation results show that the proposed control scheme has good performances.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제8권1호
• /
• pp.38-52
• /
• 2016

This paper describes the nonlinear dynamic motion behavior of a ship equipped with a portable dynamic positioning (DP) control system, under external forces. The waves, current, wind, and drifting forces were considered in the calculations. A self-tuning controller based on a neuro-fuzzy algorithm was used to control the rotation speed of the outboard thrusters for the optimal adjustment of the ship position and heading and for path tracking. Time-domain simulations for ship motion with six degrees of freedom with the DP system were performed using the fourth-order RungeeKutta method. The results showed that the path and heading deviations were within acceptable ranges for the control method used. The portable DP system is a practical alternative for ships lacking professional DP facilities.

• 한국지능시스템학회논문지
• /
• 제12권6호
• /
• pp.571-576
• /
• 2002

본 논문에서는 여러 분야에서 널리 응용되고 있는 적응 뉴로-퍼지 시스템(ANFIS)의 성능 개선에 있어서 전제부 파라미터를 효과적으로 초기화 시키는 방법을 제안한다. 기존의 그리드 분할을 이용한 입력공간 선택 방법은 ANFIS의 규칙 생성에 있어서 얻어진 규칙의 수가 지수적으로 증가하는 단점이 있다. 이에, 본 연구에서는 GMM에서의 최대우도추정을 이용한 EM 알고리즘을 통하여 초기치에 의하여 성능의 영향이 좌우되는 ANFIS의 입력으로 주어 제안된 클러스터링 기법에 의하여 모델의 성능을 개선하고자 한다. 제안된 방법의 클러스터링 방법은 통계적 방법에 근거하여 좋은 성능의 파라미터를 획득할 수 있어 주어진 모델에 대한 ANFIS의 성능을 개선할 수 있다. 이들 방법의 유용함을 전형적인 다변수 비선형 데이터인 자동차 연료 예측 문제와 정수장 응집제 주입 문제에 적용하여 제안된 방법이 이전의 연구보다 성능이 개선되는 것을 통하여 보였다.

• 통합자연과학논문집
• /
• 제11권4호
• /
• pp.167-183
• /
• 2018

Electroencephalogram (EEG) recording provides a new way to support human-machine communication. It gives us an opportunity to analyze the neuro-dynamics of human cognition. Machine learning is a powerful for the EEG classification. In addition, machine learning can compensate for high variability of EEG when analyzing data in real time. However, the optimal EEG electrode location must be prioritized in order to extract the most relevant features from brain wave data. In this paper, we propose an intelligent system model for the extraction of EEG data by training the optimal electrode location of EEG in a specific problem. The proposed system is basically a fuzzy system and uses a neural network structurally. The fuzzy clustering method is used to determine the optimal number of fuzzy rules using the features extracted from the EEG data. The parameters and weight values found in the process of determining the number of rules determined here must be tuned for optimization in the learning process. Genetic algorithms are used to obtain optimized parameters. We present useful results by using optimal rule numbers and non - symmetric membership function using EEG data for four movements with the right arm through various experiments.

• 한국수자원학회논문집
• /
• 제35권5호
• /
• pp.619-629
• /
• 2002

대기에서의 물순환은 기후시스템이라는 커다란 공간 안에서 다양한 인자들의 상호작용을 통하여 이루어진다. 즉, 어떠한 기후 현상도 그 자체적으로 발생할 수는 없다. 따라서, 많은 연구자들은 영향인자들의 분석을 통하여 기후 변화를 이해하고자 노력하여 왔다. 본 연구에서는 다양한 인자에 의하여 영향을 받아 발생하는 강수량의 예측을 위하여 실제 세계의 근사적이고 부정확한 성질을 표현하는데 효과적인 퍼지 개념을 이용하였다. 예측을 위하여 적용한 모형은 크게 뉴로-퍼지 시스템과 마코프 연쇄이며, 일리노이주의 강수량 예측을 위하여 적용하였다. 예측은 강수량에 영향을 끼치는 다양한 대기순환 인자(예: 토양수분과 기온)를 고려하여 수행하였다. 예측 결과, 강수량 예측에 대기순환 인자들을 고려함으로써 모형의 예측능력을 향상시킬 수 있었고, 상대적으로 뉴로-퍼지 시스템의 예측이 보다 정확한 결과를 주었다.

• 한국지능시스템학회논문지
• /
• 제13권5호
• /
• pp.512-519
• /
• 2003

본 논문에서는 계층적 클러스터링과 GMM을 순차적으로 이용하여 최적의 파라미터를 추정하고 이를 뉴로-퍼지 모델의 초기 파리미터로 사용하여 모델의 성능 개선을 제안한다. 반복적인 시도 중 가장 좋은 파라미터를 선택하는 기존의 알고리즘 과 달리 계층적 클러스터링은 데이터들 간의 유클리디언 거리를 이용하여 클러스터를 생성하므로 반복적인 시도가 불필요하다. 또한 클러스터링 방법에 의해 퍼지 모델링을 행하므로 클러스터와 동일한 갯수의 적은 규칙을 갖는다. 제안된 방법의 유용함을 비선형 데이터인 Box-Jenkins의 가스로 예측 문제와 Sugeno의 비선형 시스템에 적용하여 이전의 연구보다 적은 규칙으로도 성능이 개선되는 것을 보였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2007년도 학술발표회 논문집
• /
• pp.58-66
• /
• 2007

This paper introduces the new generic dynamic neuro-fuzzy local modeling system (DNFLMS) that is based on a dynamic Takagi-Sugeno (TS) type fuzzy inference system for complex dynamic hydrological modeling tasks. The proposed DNFLMS applies a local generalization principle and an one-pass training procedure by using the evolving clustering method to create and update fuzzy local models dynamically and the extended Kalman filtering learning algorithm to optimize the parameters of the consequence part of fuzzy local models. The proposed DNFLMS is applied to develop the inference model to forecast the flow of Waikoropupu Springs, located in the Takaka Valley, South Island, New Zealand, and the influence of the operation of the 32 Megawatts Cobb hydropower station on springs flow. It is demonstrated that the proposed DNFLMS is superior in terms of model accuracy, model complexity, and computational efficiency when compared with a multi-layer perceptron trained with the back propagation learning algorithm and well-known adaptive neural-fuzzy inference system, both of which adopt global generalization.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2305-2307
• /
• 2000

In this paper we propose a Neuro-Fuzzy modeling method using mGA for complex nonlinear system. mGA has more effective and adaptive structure than sGA with respect to using the changeable-length string. This paper suggest a new coding method for applying the model's input and output data to the number of optimul rules of fuzzy models and the structure and parameter identifications of membership function simultaneously. The proposed method realize optimal fuzzy inference system using the learning ability of Neural network. For fine-tune of the identified parameter by mGA, back-propagation algorithm used for optimulize the parameter of fuzzy set. The proposed fuzzy modeling method is applied to a nonlinear system to prove the superiority of the proposed approach through compare with ANFIS.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.1952-1954
• /
• 2001

In this paper, we propose the neuro-fuzzy modeling method using VmGA (Virus messy Genetic Algorithm) for the complex nonlinear system. VmGA has more effective and adaptive structure than sGA. in this paper, we suggest a new coding method for applying the model's input and output data to the optimal number of rules in fuzzy models and the structure and parameter identification of membership functions simultaneously. The proposed method realizes the optimal fuzzy inference system using the learning ability of neural network. For fine-tune of parameters identified by VmGA, back- propagation algorithm is used for optimizing the parameter of fuzzy set. The proposed fuzzy modeling method is applied to a nonlinear system to prove the superiority of the proposed approach through comparing with ANFIS.