• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 춘계종합학술대회
• /
• pp.285-288
• /
• 2005

신경회로망은 지능제어알고리즘 중의 하나로 학습능력을 가지고 있다. 이러한 학습능력 때문에 많은 분야에서 널리 사용되고 있으나, 지능제어의 단점인 안정도 문제를 수학적으로 증명하기 어렵다는 문제점을 갖고 있다. 본 논문에서는 신경회로망의 한 종류인 RBFN과 적응제어기법을 이용하여 로봇 매니퓰레이터 궤적 제어기를 구성하고 자 한다. 본 논문에서는 RBFN의 파라메터들을 적응제어기법을 이용하여 수학적으로 구하였고, 시스템의 안정도를 수학적으로 UUB를 만족한다는 것을 증명하였다. 그리고 수평다관절로봇 매니퓰레이터 궤적제어기에 적용하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 학술회의 논문집 정보 및 제어부문 B
• /
• pp.452-455
• /
• 2003

Based on a field-oriented model of induction motor, adaptive backstepping approach using neural network(RBFN) is proposed for the control of induction motor in this paper. In order to achieve the speed regulation with the consideration of avoiding singularity and improving power efficiency, rotor angular speed and flux amplitude tracking objectives are formulated. rotor resistance uncertainty is compensated by adaptive backstepping and mechanical lumped uncertainty such as load torque disturbance, inertia moment, friction by RBFN. Simulation is provided to verify the effectiveness of the proposed approach.

• 조명전기설비학회논문지
• /
• 제22권4호
• /
• pp.46-53
• /
• 2008

본 연구에서는 고조파를 고려한 방사기저함수 네트워크 기반의 부하모델링 기법을 개발하였다. 개발된 부하모델은 입력정보로서 기본 주파수와 기본 전압 외에 고조파 성분도 고려하여 전압 및 주파수뿐만 아니라 고조파의 영향에 대해서도 효과적으로 부하를 추정할 수 있도록 구성하였다. 부하모델링을 위해 적용된 방사기저함수 네트워크는 기존에 널리 사용되는 다층 신경망에 비해 구조가 간단하고 수렴속도가 빠른 장점을 지니고 있다. 개발된 부하모델링 기법은 기존에 널리 사용되는 다항식과 다층 신경회로망 및 고조파 성분을 고려하지 않은 방사기저함수 네트워크를 이용한 부하모델 기법과 비교함으로써 제안방법의 타당성을 검증하였다.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권12호
• /
• pp.1486-1491
• /
• 1999

This paper presents a method of recognizing high impedance fault(HIF) of electrical power systems and classifying fault patterns based on chaos attractors. Two dimensional chaos attractors are reconstructed from neutral point current waveforms. Reliable features for HIF pattern classification are obtained from the chaos attractors. Radial basis function network, trained with two types of HIF data generated by the electromagnetic transient program and measured form actual faults. The RBFN successfully classifies normal and the three types of fault patterns according to the features generated from the chaos attractors.

• 융합신호처리학회논문지
• /
• 제1권1호
• /
• pp.1-6
• /
• 2000

본 논문은 HMM(Hidden Markov Model)을 이 용하여 인식을 수행할 경우의 오류를 최소화 할 수 있는 후처리 과정으로 신경망을 결합시켜 HMM 단독으로 사용하였을 때 보다 높은 인식률을 얻을 수 있는 HMM과 신경망의 하이브리드 시스템을 제안한다 HMM을 이용하여 학습한 후 학습에 참여하지 않은 데이터를 인식하였을 때 오인식 데이터를 정인식으로 인식하도록 HMM의 출력으로 얻은 각 출력확률을 후처리에 사용될 신경망의 학습용으로 사용하여 신경망을 학습하여 HMM과 신경망을 결합한 하이브리드 시스템을 만든다 이와 같은 HMM과 신경망을 결합한 하이브리드 모델을 사용하여 단독 숫자음에서 실험한 결과 HMM 단독으로 사용하였을 때 보다 MLP에서는 약 $4.5\%$ RBFN에서는 약 $2\%$의 인식률 향상이 있었다. 기존의 하이브리드 시스템이 갖는 많은 학습시간이 소요되는 문제점과 실시간 음성인식시스템을 구현할 패의 학습데이터의 부족으로 인한 인식률 저하를 해결할 수 있는 방법임을 확인할 수 있었다

• 한국지능시스템학회논문지
• /
• 제15권6호
• /
• pp.720-729
• /
• 2005

본 논문에서는 미지의 비선형 시스템을 제어하기 위해 웨이블릿 신경 회로망을 이용한 간접 적응 제어기를 설계한다. 제안 된 간접 적응 제어기는 웨이블릿 신경 회로망을 이용한 동정 모델과 제어기로 구성된다. 여기서 동정 모델과 제어기에 사용되는 웨이블릿 신경 회로망은 시간과 주파수에 대한 정보를 동시에 포함하는 웨이블릿의 특성을 가지고 있기 때문에 다층구조 신경회로망과 방사 기저 함수 신경회로망에 보다 더 빠른 수렴특성을 보인다. 웨이블릿 신경 회로망의 학습방법은 경사 하강법, 유전알고리듬, DNA 기법등 여러 가지가 있으나, 본 논문에서는 확장 칼만 필터를 기반으로 한 학습 방법을 제안한다. 확장 칼만 필터 학습 방법은 계산이 복잡하기는 하지만 학습되어 갱신되는 파라미터의 이전 데이터 정보를 이용하는 특성 때문에 매우 빠른 수렴 특성을 보인다. 본 논문에서는 Buffing 시스템과 1축 머니퓰레이터에 대한 컴퓨터 모치실험을 통해 제안한 확장 칼만 필터 학습 방법을 이용한 간접 적응 제어기가 일반적인 경사 하강법을 이용한 경우보다 우수함을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(3)
• /
• pp.25-28
• /
• 2001

RBFN has some problem that because the basis function isn't orthogonal to each others the number of used basis function goes to big. In this reason, the Wavelet Neural Network which uses the orthogonal basis function in the hidden node appears. In this paper, we propose the composition method of the actual function in hidden layer with the scaling function which can represent the region by which the several wavelet can be represented. In this method, we can decrease the size of the network with the pure several wavelet function. In addition to, when we determine the parameters of the scaling function we can process rough approximation and then the network becomes more stable. The other wavelets can be determined by the global solutions which is suitable for the suggested problem using the genetic algorithm and also, we use the back-propagation algorithm in the learning of the weights. In this step, we approximate the target function with fine tuning level. The complex neural network suggested In this paper is a new structure and important simultaneously in the point of handling the determination problem in the wavelet initialization.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.65-68
• /
• 2001

RBFN has some problem that because the basis function isnt orthogonal to each others the number of used basis function goes to big. In this reason, the Wavelet Neural Network which uses the orthogonal basis function in the hidden node appears. In this paper, we propose the composition method of the actual function in hidden layer with the scaling function which can represent the region by which the several wavelet can be represented. In this method, we can decrease the size of the network with the pure several wavelet function. In addition to, when we determine the parameters of the scaling function we can process rough approximation and then the network becomes more stable. The other wavelets can be determined by the global solutions which is suitable for the suggested problem using the genetic algorithm and also, we use the back-propagation algorithm in the learning of the weights. In this step, we approximate the target function with fine tuning level. The complex neural network suggested in this paper is a new structure and important simultaneously in the point of handling the determination problem in the wavelet initialization.