• Journal of the Korean Institute of Intelligent Systems
• /
• v.15 no.2
• /
• pp.270-275
• /
• 2005

This paper presents a fuzzy model-based adaptive approach for synchronization of chaotic systems which consist of the drive and response systems. Takagi-Sugeno (T-S) fuzzy model is employed to represent the chaotic drive and response systems. Since the parameters of the drive system are assumed unknown, we design the response system that estimates the parameters of the drive system by adaptive strategy. The adaptive law is derived to estimate the unknown parameters and its stability is guaranteed by Lyapunov stability theory. In addition, the controller in the response system contains two parts: one part that can stabilize the synchronization error dynamics and the other part that estimates the unknown parameters. Numerical examples, including Doffing oscillator and Lorenz attractor, are given to demonstrate the validity of the proposed adaptive synchronization approach.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1519-1520
• /
• 2008

이 논문에서는 이동로봇의 경로추적문제를 다항 퍼지 모델로 나타내고 SOSTOOL을 이용하여 해결하고자 한다. 제안하는 방법은 기존의 LMI을 사용한 방법과 비교하여 작은 제어입력과 이동로봇이 주어진 경로를 쫓아감에 있어 매끄러운 결과를 나타냄을 알 수 있다. 본 논문에서는 이동로봇 기구학을 시스템의 안정성 문제로 변형하고 이를 퍼지모델로 구성하여 SOSTOOL을 사용하여 제어입력을 구하고 모의실험을 통해 그 결과를 검증하도록 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.289-292
• /
• 2005

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.310-316
• /
• 1998

본 논문에서는 기존의 퍼지 제어규칙에비해 좋은 성능을 갖는 T-S(Takagi-Sugeno)퍼지 모델을 자기조직화 지도와 역전파 신경망을 이용하여 표현하고 제어기 구현을 위한 규칙의 자동 생성 방법을 제안한다. 제안된 방법은 신경망에 기초하여 T-S 퍼지 제어 규칙을 포현하므로써 학습 기능을 이용하여 지식 획득을 용이하게 하고, 입력 변수간의 퍼지 관계에 기반 하여 추론이 이루어지므로 각 퍼지 변수에 대한 소속 함수의 정의 과정이 불필요하게 된다. 또한 제어기로 구현되었을 때 규칙의 수나 퍼지화 및 비퍼지화 등이 구성된 추론망을 통하여 자동으로 수행될 수 있다. 때문에 퍼지 시스템의 구현이 쉽게 이루어 질 수 있게 한다. 제안된 방법을 자동차 궤도 안정화 모의 실험에 적용해 봄으로써 추론망이 규칙을 생성하여 타당한 추론을 하게 됨을 확인한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.6
• /
• pp.780-785
• /
• 2007

This paper proposes the decentralized dynamic output feedback controller for discrete-time nonlinear interconnected systems using Takagi-Sugeno (T-S) fuzzy model. Through T-S fuzzy model of each subsystem, the decentralized dynamic output feedback controller is designed. By the closed-loop subsystems with controller, it represents the linear matrix inequality (LMI) for stability of whole interconnected system. The value of control gain are obtained by LMI. An example is given to show the experimentally verification discussed throughout the paper.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.5
• /
• pp.30-41
• /
• 1999

본 논문에서는 연속시간과 이산시간에서 파라미터 불확실성과 시간지연을 가지는 비선형시스템에 대한 퍼지 견실 H∞ 제어기 설계방법을 제시한다. 비선형시스템은 변형한 T-S(Takagi- Sugeno) 퍼지모델을 사용하여 나타내고, 퍼지제어는 PDC(parallel distributed compensation) 개념을 이용한다. 또한 Lyapunov 접근방법을 이용하여 불확실성, 외란과 시간지연을 가지는 변형한 T-S 퍼지모델의 H∞ 노옴 한계를 가지는 자승적 안정성을 언급하고, LMI(linear matrix inequality) 기법을 이용하여 퍼지 견실 H∞ 제어기의 존재 조건과 제어기 설계방법을 제시한다. 그러므로 제시한 기법은 구하여진 충분조건을 만족하는 해를 찾음과 동시에 제어기를 한번에 설계할 수 있다. 마지막으로 예제를 통하여 제시한 방법의 타당성을 확인한다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.52-53
• /
• 2008

전력 설비가 증대되고 복잡해짐에 따라 보다 정밀한 제어가 요구되어지고 있다. 그러나 전력시스템의 비선형성으로 인해 정확한 해석이 용이하지 않다. T-S 퍼지 모델링 기법은 시스템의 비선형성을 선형행렬 부등식을 이용하여 해석 가능하게 한다. 본 논문에서는 비선형 4차 동기발전기 모델에 T-S 퍼지 모델링 기법을 적용하여 시스템 안정도를 해석하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.373-376
• /
• 2008

본 논문은 퍼지 펄스 폭 변조 (Pulse-width-modulation: PWM) 시스템의 안정도에 대해 다루게 된다. 복잡성을 가진 비선형 시스템은 Takagi-Sugeno (T-S) 퍼지 모델에 의해 효율적으로 논의될 수 있다. 본 논문에서는 기존의 LTI 시스템에서 논의 되었던 PWM 제어기 설계 문제를 퍼지 시스템으로 확장시킴으로써 PWM 제어기에 대한 논의의 저변을 확대시키고자 한다. 또한, 리아푸노프 (Lyapunov) 안정도에 기반 한 안정도 증명을 통해 퍼지 PWM 시스템의 안정도를 분석하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.2
• /
• pp.130-135
• /
• 2004

This paper presents a new design methods of the short-term load forecasting system (STLFS) using the data mining. The structure of the proposed STLFS is divided into two parts: the Takagi-Sugeno (T-S) fuzzy model-based classifier and predictor The proposed classifier is composed of the Gaussian fuzzy sets in the premise part and the linearized Bayesian classifier in the consequent part. The related parameters of the classifier are easily obtained from the statistic information of the training set. The proposed predictor takes form of the convex combination of the linear time series predictors for each inputs. The problem of estimating the consequent parameters is formulated by the convex optimization problem, which is to minimize the norm distance between the real load and the output of the linear time series estimator. The problem of estimating the premise parameters is to find the parameter value minimizing the error between the real load and the overall output. Finally, to show the feasibility of the proposed method, this paper provides the short-term load forecasting example.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.20 no.2
• /
• pp.214-219
• /
• 2010

This paper deals with a nonlinear fuzzy $H_{\infty}$ filter design for SOC(state of charge) estimation in Lithium polymer battery. The dynamic equation of the battery cell is modeled as a T-S fuzzy system and the filter is designed via solutions of linear matrix inequalities. In order to illustrate the performance of the designed filter, a computer simulation is performed using the experimental data with the UDDS(urban dynamometer driving schedule) current profile.