• 한국통신학회논문지
• /
• 제30권6C호
• /
• pp.490-496
• /
• 2005

본 논문에서는 퍼지 추론 시스템의 추론 정보를 이용하여 자율적으로 구조를 결정하는 클러스터링 기법을 제안한다. 제안된 기법은 주어진 입출력 데이터를 이용하여 자율적으로 클러스터의 수를 추정하고 동시에 이들 파라미터를 최적화한다. 일반적인 클러스터링 기법에서 볼 수 있었던 비교사학습을 교사학습으로 확장하여 클러스터 추정에 입출력 인과 관계를 고려한 학습을 실시하게 하여 전체 모델의 성능을 개선하고자 하였다. 출력 정보가 입력공간에서 클러스터링 학습에 적용됨으로써 클러스터링에서의 각 클래스의 구분 작업이 더 원활하게 이루어 질 수 있다. 모의실험을 통하여 기존의 연구 결과와 비교하여 제안된 기법의 유용성을 보인다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2000년도 추계학술대회 학술발표 논문집
• /
• pp.188-190
• /
• 2000

This paper proposed design of robust fuzzy controller for nonlinear systems in the presence of parametric uncertainties. In the design procedure, we represent the nonlinear system using Takagi-Sugeno fuzzy model. A sufficient condition of the robust stability is presented in the sense of Lyapunov for the TSK fuzzy model with uncertainties. Finally, the effectiveness of proposed controller has been through a result of numerical simulation.

• 한국지능시스템학회논문지
• /
• 제11권6호
• /
• pp.491-499
• /
• 2001

본 논문에서는 유전알고리즘(Genetic Algorithm)과 FCM(Fuzzy c-means) 클러스터링을 이용하여 TSK(Takagi-Sugeno-Kang)형태의 퍼지 규칙 생성과 퍼지 시스템(FCM-ANFIS)을 효과적으로 구축하는 방법을 제안한다. 구조동정에서는 먼저 PCA(Principal Component Analysis)을 이용하여 입력 데이처 성분간의 상관관계를 제거한 후에 FCM을 이용하여 클러스터를 생성하고 성능지표에 근거해서 타당한 클러스터의 수, 즉 퍼지 규칙의 수를 얻는다. 파라미터 동정에서는 유전알고리즘을 이용하여 전제부 파라미터를 최적에 가깝도록 탐색을 시도한다. 결론부 파라미터는 유전알고리즘에 의한 탐색공간을 줄이기 위해 전제부 파라미터가 결정되면 PLSE(Recursive Least Square Estimate)에 의해 추정되어진다. 이렇게 함으로서 타당한 규칙 수와 효율적인 퍼지 규칙을 얻을 수 있다. 제안된 방법의 유용성을 보이기 위해 Box-Jenkins의 가스로 데이터와 Rice taste 데이터의 모델링에 적용하여 이전의 연구보다 좋은 결과를 보임을 알 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2939-2941
• /
• 2000

FPGA는 ASIC설계의 시험을 위한 테스트용으로 많이 사용되었으나 최근에는 비약적인 성능 향상으로 그 자체로 기능을 구현하고 있다 퍼지 제어기의 구현은 일반적으로 범용 마이크로 프로세서를 이용하거나 DSP 프로세서를 이용하였다. 본 논문에서는 여러 퍼지 시스템 중에서 적은 규칙수로도 효과적인 성능을 나타내고 프로세서화가 용이한 TSK 퍼지 시스템을 구현한다. 대상 FPGA는 Xilinx사의 FPGA를 이용하고 Schematic과 VHDL을 혼용하여 설계한다 또한 구현된 프로세서의 범용성을 유지하기 위해 외부 ROM에서 연산에 필요한 계수를 취하는 방식을 채택 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2006년도 춘계학술대회 학술발표 논문집 제16권 제1호
• /
• pp.168-171
• /
• 2006

본 논문에서는 Particle Swarm Optimization 기법을 이용한 뉴로-퍼지 시스템의 파라미터 동정을 실시한다. PSO의 학습 및 군집 특성을 이용하여 시스템을 학습한다. 유전 알고리즘과 같은 무작위 탐색법을 이용하며 하나의 해 군집에 대해 다수 객체들이 탐색하는 기법을 통하여 최적해 부분의 탐색성능을 높여 전체 모델의 학습성능을 개선하고자 한다. 제안된 기법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2007년도 춘계학술대회 학술발표 논문집 제17권 제1호
• /
• pp.390-393
• /
• 2007

In this paper, applications of self recurrent neuro-fuzzy controller to stabilization of nonlinear system are considered. The architecture of self recurrent neuro-fuzzy controller is fix layer, and the hidden layer is comprised of self recurrent architecture. Also, generalized dynamic error-backpropagation algorithm is used for the learning of the self recurrent neuro-fuzzy controller. To demonstrate the efficiency of the self recurrent neuro-fuzzy control algorithm presented in this study, a self recurrent neuro-fuzzy controller was designed and then a comparative analysis was made with LQR controller through an simulation.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2001년도 춘계학술대회 학술발표 논문집
• /
• pp.144-147
• /
• 2001

This paper presents adaptive fuzzy controller which is uncertainty or unknown variation in different parameters with nonlinear system of helicopter. The proposed adaptive fuzzy controller applied TSK(Takagi-Sugeno-Kang) fuzzy system which is not only low number of fuzzy rule, and a linear input-output equation with a constant term, but also can represent a large class of nonlinear system with good accuracy. The adaptive law was designed by using Lyapunov stability theory. The adaptive fuzzy controller is a model reference adaptive controller which can adjust the parameter $\theta$ so that the plant output tracks the reference model output. First of all, system of helicopter was considered as stopping state, and design of controller was simulated from dynamics equation with stopping state. Results show that it is controlled more successfully with a model reference adaptive controller than with a non-adaptive fuzzy controller when there is a modelling error between system and model or a continuous added noise in such unstable system.

• 제어로봇시스템학회논문지
• /
• 제17권2호
• /
• pp.139-144
• /
• 2011

We consider the stabilization problem for a class of networked control systems with random delays in the discrete-time domain. The controller-to-actuator and sensor-to-controller time-delays are modeled as two Markov chains, and the resulting closed-loop systems are Markovian jump nonlinear systems with two modes. The T-S (Takagi-Sugeno) fuzzy model is employed to represent a nonlinear system with Markovian jump parameters. The aim is to design a fuzzy controller such that the closed-loop Markovian jump fuzzy system is stochastically stable. The necessary and sufficient conditions on the existence of stabilizing fuzzy controllers are established in terms of LMIs (Linear Matrix Inequalities). It is shown that fuzzy controller gains are mode-dependent. Finally, a simulation example is presented to illustrate the effectiveness of the proposed design method.

• 수산해양기술연구
• /
• 제29권4호
• /
• pp.286-291
• /
• 1993

This paper presents a design method of fuzzy controller based on TSK fuzzy model. By using the proposed method, we can design fuzzy controller mathematically, which guarantees the stability of fuzzy system. We derived a theorem related to the stability of fuzzy system. In that theorem, we show that the fuzzy system has the same stable state transition matrix as we desire. The validity of the proposed method is shown through an experiment of DC motor velocity control.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2002년도 ICCAS
• /
• pp.109.6-109
• /
• 2002

In this paper, the scheme of fuzzy system construction using GA(genetic algorithm) and FCM(Fuzzy c-means) clustering algorithm is proposed for TSK(Takagi-Sugeno-Kang) type fuzzy system. in the structure identification, input data is trans-formed by PCA(Principal Component Analysis) to reduce the correlation among input data components. And then, the number of fuzzy rule is obtained by a given performance criterion. In the parameter identification, the premise parameters are optimally searched by GA. On the other hand, the consequent parameters are estimated by RLSE(Recursive Least Square Estimate) to reduce the search space. From this, one can systematically obtain optimal parameter and the v..