• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1887-1888
• /
• 2008

본 논문에서는 퍼지 추론 기반의 다항식 RBF 뉴럴네트워크(Polynomial Radial Basis Function Neural Network; pRBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델은 "IF-THEN" 형식으로 기술되는 퍼지 규칙에 의해 조건부, 결론부, 추론부의 기능적 모듈로 표현된다. 조건부의 입력공간 분할에는 HCM 클러스터링에 기반을 두어 구조가 결정되며, 기존에 주로 사용된 가우시안 함수를 RBF로 이용하고, 원뿔형태의 선형 함수를 제안한다. 또한 입력공간 분할시 데이터 집합의 특성을 반영하기 위해 분포상수를 각 입력마다 고려하여 설계함으로서 공간 분할의 정밀성을 높인다. 결론부에서는 기존 상수항의 연결가중치를 다항식 형태로 표현하는 pRBFNN을 제안한다. 제안한 모델의 성능을 평가하기 위해 Box와 Jenkins가 사용한 가스로 시계열 데이터를 적용하고, 기존 모델과의 근사화와 일반화 능력에 대하여 토의한다.

• Journal of the Korean Geotechnical Society
• /
• v.35 no.4
• /
• pp.27-35
• /
• 2019

This study confirmed the applicability to the field of geotechnical engineering for relatively complicated space and many target design variables in back analysis. The Sharan's equation and the Blum's method were used for the tunnel field and the retaining wall as a model for the multi-variate problem of geotechnical engineering. Optimization methods are generally divided into a deterministic method and a stochastic method. In this study, Simulated Annealing Method (SA) was selected as a deterministic method and Differential Evolution Algorithm (DEA) and Particle Swarm Optimization Method (PSO) were selected as stochastic methods. The three selected optimization methods were compared by applying a multi-variate model. The problem of deterministic method has been confirmed in the multi-variate back analysis of geotechnical engineering, and the superiority of DEA can be confirmed. DEA showed an average error rate of 3.12% for Sharan's solution and 2.23% for Blum's problem. The iteration number of DEA was confirmed to be smaller than the other two optimization methods. SA was confirmed to be 117.39~167.13 times higher than DEA and PSO was confirmed to be 2.43~6.91 times higher than DEA. Applying a DEA to the multi-variate back analysis of geotechnical problems can be expected to improve computational speed and accuracy.

• Proceedings of the KIEE Conference
• /
• 2008.10b
• /
• pp.247-248
• /
• 2008

본 논문에서는 TYPE-2 퍼지 추론 기반의 RBF 뉴럴 네트워크(TYPE-2 Radial Basis Function Neural Network, T2RBFNN)를 설계하고 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 모델의 파라미터를 동정한다. 제안된 모델의 은닉층은 TYPE-2 가우시안 활성 함수로 구성되며, 출력층은 Interval set 형태의 연결가중치를 갖는다. 여기에서 규칙 전반부 활성함수의 중심 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 Interval set 형태의 연결가중치 결정에는 경사 하강법(Gradient descent method)을 이용한 오류 역전파 알고리즘을 사용하여 학습한다. 또한, 최적의 모델을 설계하기 위한 학습율 및 활성함수의 활성화 영역 결정에는 입자 군집 최적화(PSO; Particle Swarm Optimization) 알고리즘으로 동조한다. 마지막으로, 제안된 모델의 평가를 위하여 모의 데이터 집합(Synthetic dadaset)을 적용하고 근사화 및 일반화 능력에 대하여 토의한다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.62 no.10
• /
• pp.1425-1435
• /
• 2013

The useful method for determining parameters of weighting functions used to design the $H_{\infty}$ current controller for attenuating the current ripple due to saliencies which SPMSM(Surface Permanent Magnet Synchronous Motor) also incorporates is described. To analyze the effect, the current ripple due to the structural and the saturation saliencies, the SPMSM model with nonlinear inductance function depending on the two independent variables, rotor position and stator current is simulated. After analysis, parameters of the weighting functions for $H_{\infty}$ current controller is selected to satisfy the robust stability, robust performance and specific performance in time and frequency domain by using the PSO(Particle Swarm Optimization) algorithm in the linear SPMSM model. Especially, the robust performance is proved that the selected weighting functions play a role in reducing the current ripple caused by the saliencies of SPMSM at the desired frequency range by the simple experiment.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1857-1858
• /
• 2008

본 논문에서는 FCM 기반 RBF 뉴럴네트워크(FCM-RBFNN) 구조를 제안하고 PSO를 이용한 FCM-RBFNN의 구조 및 파라미터의 최적화 방법을 제시한다. 클러스터링 알고리즘은 퍼지 뉴럴 네트워크에서 멤버쉽함수의 중심점과 반경 등을 결정하는 학습에 일반적으로 사용된다. 제안된 FCM-RBFNN서는 방사기저함수로써 가우시안, 삼각형 타입 등의 정해진 형태를 사용하지 않고 데이터들 사이의 거리에 관계된 계산을 수행하는 FCM에 의해 결정된다. 기존의 RBFNN에서 후반부는 상수형태로써 방사기저함수의 선형결합으로써 표현되는 반면에 제안된 FCM-RBFNN의 후반부는 상수형, 선형, 2차식 등의 다양한 형태의 다항식으로 표현될 수 있으며 다항식의 계수는 WLSE를 이용하여 추정한다. FCM 기반 RBF 뉴럴 네트워크의 성능은 퍼지규칙의 수, 후반부 다항식의 차수 FCM의 퍼지화 계수에 의하여 결정기 때문에 FCM-RBFNN의 구조와 파라미터의 최적화가 요구된다. 본 논문에서는 PSO를 이용하여 FCM-RBFNN의 구조에 관련된 퍼지 규칙의 수, 후반부 다항식의 차수와 파라미터에 관련된 퍼지화 계수를 최적화한다. 또한 후반부 다항식의 계수는 WLSE를 사용하여 추정한다.

• Proceedings of the KIEE Conference
• /
• 2006.11a
• /
• pp.294-296
• /
• 2006

최적조류계산은 전력계통에서 여러가지 제약 조건을 만족하면서 경제적으로 계통을 운영하기 일한 기법이다. 종래의 최적조류계산 방법은 주로 선형계획법, 비선형계획법 같은 수치해석적인 방법을 사용하였다. 그러나, 이러한 방법들은 전역 최적해를 구하기 위해서는 목적함수가 convex해야 한다. 또한 계통 규모가 클 경우, 최적해 수렴이 안되거나 수렴이 되더라도 시간이 많이 걸리는 단점이 있다. 최근에는 이러한 문제를 극복하고자 여러 가지 진화연산기법들이 최적조류계산 문제에 적용되고 있다. 본 논문에서는 최근에 등장한 PSO알고리즘을 이용한 최적조류계산 기법을 소개하고 테스트 계통을 대 상으로 그 적용가능성을 검증하였다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.498-499
• /
• 2008

신재생에너지의 개발, 정부의 규제 완화와 환경적 이유로 인해 배전계통에서 분산전원은 점차 증가하는 추세이다. 최근 분산전원을 소유한 구역전기사업자가 전력시장의 새로운 시장 참여자로서 대두되고 있다. 분산전원을 소유한 구역전기사업자는 최대 이윤을 얻기 위해서 매 시간마다 발전량을 변화시켜야 한다. 본 논문에서는 배전계통에 연계된 분산전원의 최적 운영에 대해서 소개할 것이다. 이 때, 최적화의 목적은 구역전기사업자 이윤의 최대화이며, 국제적 환경규제에 따른 온실가스배출량을 고려하여 발전비용을 산출한다. 산출기법으로 Particle Swarm Optimization 알고리즘을 이용한다.

• Proceedings of the KIPE Conference
• /
• 2017.07a
• /
• pp.323-324
• /
• 2017

본 연구는 기계적 특성을 갖는 소나(SONAR, Sound Navigation and Ranging) 트랜스듀서(Transducer)를 BVD(Butterworth Van-Dyke)모델을 기반으로 하는 전기적 등가 회로로 모델링하며 PSO(Particle Swarm Optimization) 알고리즘을 활용하여 상기 등가 모델에 사용되는 전기적 소자들의 소자값을 추출한다.

• Journal of ILASS-Korea
• /
• v.28 no.4
• /
• pp.161-168
• /
• 2023

Droplet impingement on solid surfaces is pivotal for a range of spray and heat transfer processes. This study aims to optimize the cooling performance of single droplet impingement on heated textured surfaces. We focused on maximizing the cooling effectiveness or the total contact area at the droplet maximum spread. For efficient estimation of the optimal values of the unknown variables, we introduced an enhanced Genetic Algorithm (GA) and Particle swarm optimization algorithm (PSO). These novel algorithms incorporate its developed theoretical backgrounds to compare proper optimized results. The comparison, considering the peak values of objective functions, computation durations, and the count of penalty particles, confirmed that PSO method offers swifter and more efficient searches, compared to GA algorithm, contributing finding the effective way for the spray and droplet impingement process.

• The Journal of Korean Institute of Electromagnetic Engineering and Science
• /
• v.21 no.6
• /
• pp.610-616
• /
• 2010

In this paper, particle swarm optimization(PSO) is applied for the design of frequency selective surface based artificial magnetic conductor. An equivalent circuit model for this artificial magnetic conductor(AMC) with Jerusalem Cross arrays was derived and then PSO was applied for obtaining the optimized geometrical parameters with desired resonant frequency. The resonant frequency and the reflection phase characteristics from the optimization were compared to the results from commercial software for verifying the validity of this paper. The procedure presented in this paper can be applied to design the AMC with different frequency selective surface and also can be used for the design of microwave circuits like the AMC ground planes.