• 한국항해항만학회지
• /
• 제26권2호
• /
• pp.193-197
• /
• 2002

선박 조종방정식의 비선형 요소를 고려한 선박의 자동조타시스템의 제어기를 설계하기 위하여 TSK (Takagj-Sugeno-Kang) 퍼지 이론을 이용하였다. TSK 퍼지모델은 비선형 시스템을 매우 효율적으로 표현할 수 있으며, 또 TSK 퍼지모델은 결론부가 선형식으로 이뤄져 있어 체계적인 제어기 설계가 가능하다. 따라서 본 연구에서는 선박의 조종방정식을 TSK 퍼지모델로 표현하는 방법과 그 모델로부터 체계적으로 TSK 퍼지제어기를 설계하는 방법을 설명한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 추계학술대회 학술발표 논문집
• /
• pp.237-241
• /
• 2001

본 논문에서는 TSK (Takagi-Sugeno-Kang) 형태의 퍼지모델을 유도하는데 있어서, 동적시스템의 비선형 미분방정식을 선형화시 off-equilibrium에서 발생할 수 있는 상수항을 배제하고, TSK 퍼지 모델의 전건부 소속함수들을 GA(Genetic Algorithm)을 이용하여 최적화한후 이를 퍼지를 이용하여 합성함으로써, 실제 동적시스템을 묘사하는 비선형 미분방정식에 최적 근사화된 TSK 퍼지 모델링기법을 제시한다.

• 한국지능시스템학회논문지
• /
• 제11권8호
• /
• pp.720-725
• /
• 2001

비선형 미분방정식으로부터 TSK(Takagi-Sugeno-Kang) 퍼지모델을 유도한느 것은 퍼지 제어의 이론분야에서는 매우 중요한 문제이다. 본 논문에서는 off-equilibrium에서 상수항을 가지는 부분 미분 방정식을 배제시키는 방법을 제안한다. 이는 전건부의 언어적 표현이 삼각형 소속함수들을 가지는 기본적인 TSK 퍼지모델에서 체계적으로 유도되어진다. 그리고, 유도된 TSK 퍼지모델의 전건부 소속함수들은 GA(Genetic Algorithm)를 이용하여 최적화함으로써 실제 미분방적식에 근사화한다. 아울러 이상의 제안된 방법의 우수성을 모의실험을 통하여 검증한다.

• 전자공학회논문지S
• /
• 제35S권11호
• /
• pp.53-67
• /
• 1998

본 논문은 TSK퍼지모델로부터 폐루프의 안정성을 보장하며 그 응답을 자유로이 지정할 수 있는 퍼지제어기와 그 제어기의 설계 방법을 제안한다. 본 논문에서는 퍼지규칙의 선형식이 상수항이 포함되는 affine 방정식으로 된 일반적인 형태의 TSK퍼지모델을 다룬다. 본 논문에서는 제안되는 TSK퍼지제어기는, 선형시스템에서 사용되는 극배치(pole placement)법을 사용하여 설계될 수 있으며, 폐루프의 응답이 원하는 안정된 선형시스템의 거동과 동일하게 되도록 하며, 제어 목표를 바꿀 수 있도록 하며, 적분제어도 가능하게 한다. 시뮬레이션을 통해 퍼지제어기가 유효함을 보인다. 본 논문에서는 연속시스템과 이산시스템 모두에 대해 설명한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 심포지엄 논문집 정보 및 제어부문
• /
• pp.153-154
• /
• 2008

본 논문의 Type-2 TSK 퍼지 논리 시스템(Fuzzy Logic System; FLS)은 전반부 멤버쉽 함수로 가우시안 형태의 Type-2 퍼지 집합을 이용하고 후반부는 계수가 상수인 1차 선형식을 사용한다. 또한 Type-1 TSK 퍼지 논리 시스템을 Type-2 TSK 퍼지 논리 시스템으로 확장하고 제안된 모델을 가스로 공정 데이터와 sugeno 데이터에 적용한다. 여기서 인위적인 노이즈를 갖는 입력 데이터를 사용하여 제안된 모델의 성능이 기존의 모델보다 우수함을 수치적인 예로 보인다.

• 한국지능시스템학회논문지
• /
• 제24권1호
• /
• pp.102-109
• /
• 2014

TSK 퍼지 시스템의 뛰어난 성능을 일반 산업 현장에서 가장 많이 사용되고 있는 PID 제어기에 접목시켜, 비선형 시스템의 제어가 가능하고 강인성이 뛰어난 퍼지 PID 제어기의 설계를 제안한다. TSK 퍼지 제어기는 TSK 퍼지 모델로부터 극 배치법을 이용하여 설계되며, 비선형 시스템의 제어에서 시스템의 응답이 원하는 응답과 같아지도록 하는 뛰어난 능력이 있으나 구조가 복잡하여 산업 현장에서 사용되기에는 어려움이 있다. 본 연구에서는 구현하기 간편한 PID 제어기의 형태를 하면서, TSK 퍼지 제어기의 도움을 받아 설계되는 퍼지 PID 제어기를 제안한다. 즉, 먼저 비선형 시스템의 TSK 퍼지 제어기를 설계하고 그 TSK 퍼지 제어기의 제어 시뮬레이션으로부터 얻은 데이터를 이용하여 제안하는 퍼지 PID 제어기를 설계한다. 제안하는 제어기를 연속시간 비선형 시스템과 이산시간 비선형 시스템의 예제에 적용시켜 제어 시뮬레이션을 하였다. 그 결과 기존의 선형 PID 제어기로는 제어가 원만하지 않았으나 제안하는 제어기로는 원하는 응답 형태와 거의 같은 응답을 보이는 제어가 가능함을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제8권4호
• /
• pp.53-61
• /
• 1998

본 논문에서는 넓은 범위의 비선형 시스템들을 잘 표현할 수 있는 TSK(Takagai Sugeno Kang) 퍼지 시스템의 평형점의 지역 안정도를 해석하는 방법을 제시한다. TSK퍼지 모델은 TSK퍼지 규칙들로 구성되며, 각 규칙의 결론부는 상수항을 갖는 선형 입출력 방정식이다. TSK퍼지모델은 다수의평형점을 가질수 있으며, 각 평형점은 안정도에 있어서 역시 서로 단른 특징을 가질수 있다. 평형점의 지역 안정도는 평형점 부근에서 TSK퍼지 모델의 선형화로 얻어지는 자코비안 행렬의 교유치에 의해 결정된다. 본 논문에서는 연속시간 및 이산시간 시스템에 대한 안정도 해석을 위한 방법이 각각 제시된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국지능시스템학회 2008년도 춘계학술대회 학술발표회 논문집
• /
• pp.321-324
• /
• 2008

Type-2 퍼지 집합은 Type-1 퍼지 집합에서는 다루기 어려운 언어적인 불확실성을 더욱 효과적으로 다룰 수 있다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 Mamdani 모델과 함께 가장 널리 사용되는 FLS이다. 본 연구의 Interval Type-2 TSK FLS 모델은 전반부에서 Type-2 퍼지 집합을 이용하고 후반부는 계수가 상수인 1차식을 사용한다. 전반부의 파라미터는 오류역전파 방법(Back-propagation)을 통한 학습으로 결정되고, 후반부 파라미터(계수)들은 Least squre method(LSM)를 사용하여 결정된 값을 사용하여 모델을 구축한다. 본 논문에서는 Type-1 TSK FLS과 Type-2 TSK FLS의 성능을 가스로 공정 데이터를 적용하여 비교 분석한다. 또한 랜덤 화이트 가우시안 노이즈를 추가한 테스트 데이터를 사용하여 노이즈에 대한 성능을 분석한다.

• 한국지능시스템학회논문지
• /
• 제27권1호
• /
• pp.50-58
• /
• 2017

비선형 시스템 제어에 TSK 퍼지 모델을 이용하는 연구가 많다. 그러나 비선형 시스템을 TSK 퍼지 모델로 표현하기 위해서는 대상 시스템의 비선형 동특성 방정식을 알고 있거나 시스템으로부터 실험으로 입출력 공간에 충분히 분포된 데이터를 얻을 수 있어야 한다. 본 논문에서는 비선형 시스템의 TSK 퍼지 모델링에 계단 입력 응답과 GA만을 이용하는 방법을 제안한다. 연구 대상인 시스템은 제어 입력에 비선형인 경우와 출력에 비선형인 두 경우로 하였다. 제어 입력에 비선형인 경우 여러 입력 값에 대한 계단 입력 응답 데이터들로 모델링 하며, 제어 입력에 비선형인 경우에는 계단 입력 응답 데이터와 제어 입력 값이 0인 경우 응답 데이터를 이용하여 모델링 한다. 또한 제안한 방법으로 구해진 TSK 퍼지 모델로부터 퍼지 제어기를 설계하는 방법도 제시한다. 제안한 방법들을 예제들에 적용하여 모의 실험한 결과 원하는 제어 결과를 얻을 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.251-252
• /
• 2008

Type-2 퍼지 집합은 Type-1 퍼지 집합에서는 다루기 어려운 언어적인 불확실성을 더욱 효과적으로 다룰 수 있다. TSK 퍼지 로직 시스템(TSK Fuzzy Logic Systems; TSK FLS)은 후반부를 1차 및 2차 함수식으로 나타내며 Mamdani 모델과 함께 가장 널리 사용되는 모델이다. 본 연구의 Interval Type-2 TSK FLS은 전반부에서 Type-2 퍼지 집합을 이용하고 후반부는 계수가 Type-1 퍼지집합인 1차식을 사용한다. 또한 전반부는 가우시안 형태의 Type-2 멤버쉽 함수를 사용하며, 오류역전파 학습알고리즘을 사용하여 파라미터들을 최적화 한다. 또한 학습에 앞서 PSO(Particle Swarm Optimization) 알고리즘을 사용하여 최적 학습률을 찾아 모델의 학습능력을 보다 효율적으로 한다. 본 논문에서는 Type-1과 Type-2 FLS의 성능을 가스로 공정 데이터를 적용하여 두 모델의 성능을 비교하고 노이즈를 추가한 데이터를 이용하여 노이즈에 대한 성능도 비교 분석한다.