• Journal of Electrical Engineering and Technology
• /
• v.6 no.6
• /
• pp.731-741
• /
• 2011

Conventional methodologies (empirical, analytical, numerical, hybrid, etc.) for sizing photovoltaic (PV) systems cannot be used when the relevant meteorological data are not available. To overcome this situation, modern methods based on artificial intelligence techniques have been developed for sizing the PV systems. In the present study, the optimum PV/inverter sizing ratio for grid-connected PV systems with orientation due south and inclination angles of $45^{\circ}$ and $60^{\circ}$ in selected Algerian locations was determined in terms of total system output using type-2 fuzzy logic. Because measured data for the locations chosen were not available, a year of synthetic hourly meteorological data for each location generated by the PVSYST software was used in the simulation.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.4 no.2
• /
• pp.35-40
• /
• 1994

Fuzzy logic controllers are often found to behave better than PI controllers. One of the major reasons for this is that the fuzzy logic inferences used can produce nonlinear type controllers. For some applicatioins, howeveer, linear fuzzy logic controllers also perofrm better than PI controllers. In this paper, we examine linear fuzzy logic controllers to show that the truncation effects of the fuzzy logic controllers make them perform much better than the PI controllers. In terms of a performance index we used, the truncation effects reduced the index value by up to 80% for examples we studied.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.317-320
• /
• 2008

본 논문에서는 Type-1 퍼지 논리 시스템과 Type-2 퍼지 논리 시스템을 설계하고, 불확실한 정보를 갖는 입력 데이터에 대하여 각각의 성능을 비교한다. Type-1 퍼지 논리 시스템은 외부잡음에 민감한 단점을 가지고 있는 반면, Type-2 퍼지 논리 시스템은 불확실한 정보를 잘 표현할 수 있으며 효율적으로 취급한다. 따라서 Type-2 퍼지 논리 시스템을 이용하여 이러한 단점을 극복하고자 2가지의 모델을 설계한다. 첫 번째 모델은 규칙의 전 ${\cdot}$ 후반부가 불확실성을 표현 할 수 없는 Type-1 퍼지 집합으로 구성된 Type-1 퍼지 논리 시스템을 설계한다. 두 번째는 규칙 후반부만 Type-2 퍼지 집합으로 구성한 두가지의 Type-2 퍼지 논리 시스템을 설계한다. 여기서 규칙 전반부의 입력 공간 분할에는 Min-Max 방법의 균등분할을 사용하고, 규칙 후반부 멤버쉽 함수의 중심 결정에는 입자 군집 최적화(Particle Swarm Optimization) 알고리즘을 사용하여 동정한다. 또한 입력 데이터에 인위적으로 가하는 노이즈의 정도에 따른 각각 모델의 성능을 비교한다. 마지막으로 비선형 모델 평가에 주로 사용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 실험을 통하여 불확실한 정보를 다루기에 Type-1 퍼지 논리 시스템 보다 Type-2 퍼지 논리 시스템이 효율적이라는 것을 보인다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.13 no.2
• /
• pp.147-153
• /
• 2013

Previously, Park et al. (2005) defined an intuitionistic fuzzy metric space and studied several fixed-point theories in this space. This paper provides definitions and describe the properties of type(${\beta}$) compatible mappings, and prove some common fixed points for four self-mappings that are compatible with type(${\beta}$) in an intuitionistic fuzzy metric space. This paper also presents an example of a common fixed point that satisfies the conditions of Theorem 4.1 in an intuitionistic fuzzy metric space.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• 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.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.2 no.2
• /
• pp.109-114
• /
• 2002

Various inverted pendulum systems have been frequently used as a model for the performance test of the proposed control system. We first identify a rotary-type inverted pendulum system by the Euler-Lagrange method and then design a FLC (Fuzzy Logic Controller) fur the plant. FLC`s are one of useful control schemes fur plants having difficulties in deriving mathematical models or having performance limitations with conventional linear control schemes. Many FLC`s imitate the concept of conventional PD (Proportional-Derivative) or PI (Proportional-Integral) controller. That is, the error e and the change-of-error are used as antecedent variables and the control input u the change of control input Au is used as its consequent variable for FLC`s. In this paper we design a simple-structured FLC for the rotary inverted pendulum system. We also perform some computer simulations to examine the tracking performance of the closed-loop system.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2003.09b
• /
• pp.76-79
• /
• 2003

퍼지 로직 시스템(FLS)은 다양한 분야에서 성공적으로 사용되고 있다 퍼지 로직 시스템의 멤버십 함수와 규칙은 언어적인 정보나 수치적 데이터를 사용하여 표현된다. 또한 이러한 정보나 데이터에는 불확실성과 노이즈 등이 존재한다. 그러나 단순한 퍼지 로직 시스템으로노이즈가 포함된 불확실한 정보를 효과적으로 다루고 표현하는 데는 한계가 있다. 그러므로 노이즈가 포함된 정보를 효율적으로 처리하기 위해 본 논문에서는 type-2 FLS를 이용한다. 노이즈가 포함되어 불확실한 정도를 정확한 값으로 표현하기 어려울 때, type-2 FLS은 보다 정확하게 정보들을 다를 수 있음을 보인다. 비선형 시계열 시스템인 Box-Jenkins 데이터를 이용하여 singleton Type-1 FLS과 non-singleton type-1 FLS의 결과 값을 확인하고 이의 성능을 type-2 FLS과 비교, 분석한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.325-328
• /
• 2008

본 논문에서는 비선형 모델의 설계를 위해 Type-2 퍼지 논리 집합을 이용하여 불확실성 문제를 다룬다. 퍼지 논리 시스템의 멤버쉽 함수와 규칙의 구조는 불확실성이 존재하는 언어적인 정보 또는 수치적 데이터를 바탕으로 설계된다. 기존의 Type-1 퍼지 논리 시스템은 외부의 노이즈와 같은 불확실성을 효율적으로 취급할 수 없다. 그러나 Type-2 퍼지 논리 시스템은 불확실한 정보까지 멤버쉽 함수로 표현함으로서 불확실성을 효과적으로 다룰 수 있다. 따라서 본 논문에서는 규칙의 전 ${\cdot}$ 후반부가 Type-2 퍼지 집합으로 구성된 Type-2 퍼지 논리 시스템을 설계하고 불확실성의 변화에 대한 비선형 모델의 성능을 비교한다. 여기서 규칙 전반부 멤버쉽 함수의 정점 선택은 C-means 클러스터링 알고리즘을 이용하고, 규칙 후반부 퍼지 집합의 정점 결정에는 입자 군집 최적화(PSO : Particle Swarm Optimization) 알고리즘을 사용한다. 마지막으로, 비선형 모델 평가에 대표적으로 이용되는 가스로 시계열 데이터를 제안된 모델에 적용하고, 입력 데이터에 인위적인 노이즈가 포함되었을 경우 Type-2 퍼지 논리 시스템이 기존의 Type-1 퍼지 논리 시스템보다 우수함을 보인다.

• The Transactions of The Korean Institute of Electrical Engineers
• /
• v.58 no.8
• /
• pp.1615-1623
• /
• 2009

In order to develop reliable on-site partial discharge (PD) pattern recognition algorithm, we introduce Type-2 Fuzzy Neural Networks (T2FNNs) optimized by means of Particle Swarm Optimization(PSO). T2FNNs exploit Type-2 fuzzy sets which have a characteristic of robustness in the diverse area of intelligence systems. Considering the on-site situation where it is not easy to obtain voltage phases to be used for PRPDA (Phase Resolved Partial Discharge Analysis), the PD data sets measured in the laboratory were artificially changed into data sets with shifted voltage phases and added noise in order to test the proposed algorithm. Also, the results obtained by the proposed algorithm were compared with that of conventional Neural Networks(NNs) as well as the existing Radial Basis Function Neural Networks (RBFNNs). The T2FNNs proposed in this study were appeared to have better performance when compared to conventional NNs and RBFNNs.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• v.16 no.4
• /
• pp.225-237
• /
• 2016

In conventional transportation problem (TP), all the parameters are always certain. But, many of the real life situations in industry or organization, the parameters (supply, demand and cost) of the TP are not precise which are imprecise in nature in different factors like the market condition, variations in rates of diesel, traffic jams, weather in hilly areas, capacity of men and machine, long power cut, labourer's over time work, unexpected failures in machine, seasonal changes and many more. To counter these problems, depending on the nature of the parameters, the TP is classified into two categories namely type-2 and type-4 fuzzy transportation problems (FTPs) under uncertain environment and formulates the problem and utilizes the trapezoidal fuzzy number (TrFN) to solve the TP. The existing ranking procedure of Liou and Wang (1992) is used to transform the type-2 and type-4 FTPs into a crisp one so that the conventional method may be applied to solve the TP. Moreover, the solution procedure differs from TP to type-2 and type-4 FTPs in allocation step only. Therefore a simple and efficient method denoted by PSK (P. Senthil Kumar) method is proposed to obtain an optimal solution in terms of TrFNs. From this fuzzy solution, the decision maker (DM) can decide the level of acceptance for the transportation cost or profit. Thus, the major applications of fuzzy set theory are widely used in areas such as inventory control, communication network, aggregate planning, employment scheduling, and personnel assignment and so on.