• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 C
• /
• pp.1314-1317
• /
• 1999

In this paper, we design an Adaptive Neuro-Fuzzy Inference System(ANFIS) Precompensator for the performance improvement of conventional proportional integral derivative (PID) controller that the governor system of power plant constantly maintains the load frequency of two-area power system. The ANFIS Precompensator is expressed as the membership functions of premise parameters and the linear combination of consequent parameters by Sugeno's fuzzy if-then rules using nonlinear input-output relation for the set point automatic modification maintaining conventional PID controller. The proposed compensation design technique is hoped to be satisfactory method overcome difficulty of exact modelling and arising problems by the complex nonlinearities of power system, and our design shows merit that is easily implemented by adding an ANFIS precompenastor to an existing PID controller without replacement.

• Geomechanics and Engineering
• /
• 제31권4호
• /
• pp.339-352
• /
• 2022

Studying slope stability is an important branch of civil engineering. In this way, engineers have employed machine learning models, due to their high efficiency in complex calculations. This paper examines the robustness of various novel optimization schemes, namely equilibrium optimizer (EO), Harris hawks optimization (HHO), water cycle algorithm (WCA), biogeography-based optimization (BBO), dragonfly algorithm (DA), grey wolf optimization (GWO), and teaching learning-based optimization (TLBO) for enhancing the performance of adaptive neuro-fuzzy inference system (ANFIS) in slope stability prediction. The hybrid models estimate the factor of safety (F_S) of a cohesive soil-footing system. The role of these algorithms lies in finding the optimal parameters of the membership function in the fuzzy system. By examining the convergence proceeding of the proposed hybrids, the best population sizes are selected, and the corresponding results are compared to the typical ANFIS. Accuracy assessments via root mean square error, mean absolute error, mean absolute percentage error, and Pearson correlation coefficient showed that all models can reliably understand and reproduce the F_S behavior. Moreover, applying the WCA, EO, GWO, and TLBO resulted in reducing both learning and prediction error of the ANFIS. Also, an efficiency comparison demonstrated the WCA-ANFIS as the most accurate hybrid, while the GWO-ANFIS was the fastest promising model. Overall, the findings of this research professed the suitability of improved intelligent models for practical slope stability evaluations.

• Steel and Composite Structures
• /
• 제43권5호
• /
• pp.625-637
• /
• 2022

Axial compression capacity (P_u) is a significant yet complex parameter of concrete-filled steel tube (CFST) columns. This study offers a novel ensemble tool, adaptive neuro-fuzzy inference system (ANFIS) supervised by equilibrium optimization (EO), for accurately predicting this parameter. Moreover, grey wolf optimization (GWO) and Harris hawk optimizer (HHO) are considered as comparative supervisors. The used data is taken from earlier literature provided by finite element analysis. ANFIS is trained by several population sizes of the EO, GWO, and HHO to detect the best configurations. At a glance, the results showed the competency of such ensembles for learning and reproducing the P_u behavior. In details, respective mean absolute errors along with correlation values of 4.1809% and 0.99564, 10.5947% and 0.98006, and 4.8947% and 0.99462 obtained for the EO-ANFIS, GWO-ANFIS, and HHO-ANFIS, respectively, indicated that the proposed EO-ANFIS can analyze and predict the behavior of CFST columns with the highest accuracy. Considering both time and accuracy, the EO provides the most efficient optimization of ANFIS and can be a nice substitute for experimental approaches.

• Steel and Composite Structures
• /
• 제51권1호
• /
• pp.25-41
• /
• 2024

The measurement of pile bearing capacity is crucial for the design of pile foundations, where in-situ tests could be costly and time needed. The primary objective of this research was to investigate the potential use of fuzzy-based techniques to anticipate the maximum weight that concrete driven piles might bear. Despite the existence of several suggested designs, there is a scarcity of specialized studies on the exploration of adaptive neuro-fuzzy inference systems (ANFIS) for the estimation of pile bearing capacity. This paper presents the introduction and validation of a novel technique that integrates the fire hawk optimizer (FHO) and equilibrium optimizer (EO) with the ANFIS, referred to as ANFIS_FHO and ANFIS_EO, respectively. A comprehensive compilation of 472 static load test results for driven piles was located within the database. The recommended framework was built, validated, and tested using the training set (70%), validation set (15%), and testing set (15%) of the dataset, accordingly. Moreover, the sensitivity analysis is performed in order to determine the impact of each input on the output. The results show that ANFIS_FHO and ANFIS_EO both have amazing potential for precisely calculating pile bearing capacity. The R² values obtained for ANFIS_FHO were 0.9817, 0.9753, and 0.9823 for the training, validating, and testing phases. The findings of the examination of uncertainty showed that the ANFIS_FHO system had less uncertainty than the ANFIS_EO model. The research found that the ANFIS_FHO model provides a more satisfactory estimation of the bearing capacity of concrete driven piles when considering various performance evaluations and comparing it with existing literature.

• 대한토목학회논문집
• /
• 제31권5B호
• /
• pp.405-414
• /
• 2011

본 연구에서는 유역에서 관측되는 강우량과 유출량의 시계열 자료를 바탕으로 최근 시계열 예측 및 시스템 제어 분야에서 성공적으로 적용되고 있는 적응형 네트워크 기반 퍼지추론 시스템(ANFIS)을 갑천 유역에 적용하여 시유출량을 모델링하였다. 입력구조, 소속함수 종류와 개수 등을 다양하게 변화시켜 ANFIS 모형을 학습하고, 평균제곱근오차(RMSE), 평균첨두유량오차(PE) 및 평균첨두시간오차(TE)를 이용하여 ANFIS의 유출해석에 대한 적용성을 평가하였다. 현재시간의 시유출량 Q(t)에 대한 ANFIS의 적용성은 우수한 것으로 평가되었으며, ANFIS 모형은 관측유출량을 적절히 모의하였다. 입력구조가 다른 입력모형을 구성하여 최대 8시간까지 ANFIS의 유출예측 적용성을 평가하였다. 예측시간 증가에 따라서 ANFIS의 유출예측 정확도는 감소하여 예측시간 4시간 이상의 시유출량에 대한 ANFIS의 유출예측 적용성은 제한적이었다. ANFIS는 입력과 출력 자료들만 이용하므로 물리기반 모형에 비교하여 모형구축이 비교적 손쉽기 때문에 홍수 유출모델링에 ANFIS을 유용하게 적용할 수 있을 것으로 판단된다.

• Steel and Composite Structures
• /
• 제48권5호
• /
• pp.531-545
• /
• 2023

Composite dowels are implemented as a powerful alternative to headed studs for the efficient combination of Ultra High-Performance Concrete (UHPC) with high-strength steel in novel composite structures. They are required to provide sufficient shear resistance and ensure the transmission of tensile forces in the composite connection in order to prevent lifting of the concrete slab. In this paper, the load bearing capacity of puzzle-shaped and clothoidal-shaped dowels encased in UHPC specimen were investigated based on validated experimental test data. Considering the influence of the embedment depth and the spacing width of shear dowels, the characteristics of UHPC square plate on the load bearing capacity of composite structure, 240 numeric models have been constructed and analyzed. Three artificial intelligence approaches have been implemented to learn the discipline from collected experimental data and then make prediction, which includes Artificial Neural Network-Particle Swarm Optimization (ANN-PSO), Adaptive Neuro-Fuzzy Inference System (ANFIS) and an Extreme Learning Machine (ELM). Among the factors, the embedment depth of composite dowel is proved to be the most influential parameter on the load bearing capacity. Furthermore, the results of the prediction models reveal that ELM is capable to achieve more accurate prediction.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 C
• /
• pp.1082-1084
• /
• 1999

A fault detection of power system must be fast and correctly over input signal without relation to any disturbance. But, it is difficult to detect fault state for digital relay comparison of fault perfectly. In this Paper, we measure each Phase current and infer type of fault using ANFIS(Adaptive Neuro-Fuzzy Inference System).

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.128-132
• /
• 2012

물은 생물의 생존을 위해 필수적인 요소로 인류가 시작된 이래로 물을 효율적으로 이용하고 안전하게 관리하기 위한 노력은 계속되어 왔다. 최근 지구 온난화가 주요 원인으로 알려진 국지성 집중호우의 피해는 매우 심각하며, 이로 인해 치수에 대한 중요성은 날로 커지고 있다. 지금까지 사용해 왔던 홍수 예 경보 과정은 특정 지점의 유출량을 예측하기 위해서 강우-유출 모형을 운영하였다. 그러나 물리적 모형의 경우 운영에 필요한 매개변수의 결정과정이 복잡하고, 매개변수 결정을 위해 많은 자료를 필요로 한다. 또한 그 매개변수의 결정과정은 많은 불확실성을 포함하고 있어서 모형의 운영을 위한 전처리과정과 계산과정을 거치는 동안 발생한 오차가 누적되어 결과물 속에는 많은 오차가 포함되어 있다. 본 연구에서는 기존의 홍수 예 경보 시스템의 문제점과 불확실성을 최대한 감소시키고 더 우수한 유출량 예측을 위해 neuro-fuzzy 추론 기법을 이용한 모형인 ANFIS(Adaptive Neuro-Fuzzy Inference System)를 사용하여 하천수위를 예측하였다. ANFIS는 신경회로망과 퍼지이론을 결합한 기법으로 신경회로망의 구조와 학습 능력을 이용하여 제어환경에서 획득한 입 출력 정보로부터 언어변수의 membership 함수와 제어규칙을 제어 대상에 적합하도록 자동으로 조종하는 기법이다. 본 연구에서는 ANFIS를 사용하여 탄천 하류에 위치한 대곡교의 수위를 예측하였다. 분석을 위해 2007년부터 2011년까지의 탄천 유역의 관측 강우자료와 수위 자료 중 강우강도와 지속시간, 강우 형태에 따라 7개의 강우사상을 선정하였다. 학습자료 및 보정자료의 변화에 따른 예측 오차를 비교하여 모형의 적용성과 적정성을 평가하였다. 적용결과 입력자료 구성의 경우 해당 시간의 강우량 및 수위자료와 10분 전 강우자료를 이용한 모델이 가장 우수한 예측을 보였고, 학습자료의 경우 자료의 길이가 길고, 최대홍수량이 큰 경우 가장 우수한 예측 결과를 보였다. 본 연구의 적용결과 가장 우수한 모형의 경우 30분 예측 첨두수위 오차는 0.32%, RMSE는 0.05m 이고 예측시간이 길어짐에 따라 오차가 비선형적으로 증가하는 경향을 보였다.

• 생물환경조절학회지
• /
• 제20권3호
• /
• pp.169-175
• /
• 2011

본 연구에서는 유비쿼터스 식물공장의 재배환경에 필요한 요소들의 센서 네트워크를 구성하고 자동으로 감지하여 적응형 뉴로-퍼지 추론시스템을 통하여 환경변화를 추론하여 식물공장의 재배환경을 적절하게 제어할 수 있는 새로운 자동제어시스템의 프레임워크를 제안하고, 이를 설계하였다. 유비쿼터스 식물공장 환경을 제어하기 위하여 식물공장의 재배환경에 영향을 미치는 환경요소인 실내온도, 근권온도, 습도, 광도, $CO_2$ 농도를 측정할 수 있는 센서 네트워크를 구성하고 측정된 환경요소의 변화에 따라 램프, 환기, 습도, $CO_2$ 농도, 온도를 제어할 수 있는 장치를 자동으로 제어할 수 있는 식물공장 자동제어시스템을 설계하였다. 이를 위하여 본 연구에서는 센서를 통하여 받아들이는 입력값을 퍼지소속함수로 변화하고 적응형 뉴로-퍼지시스템에 따라 추론하고 평가하여 보다 정밀하게 식물공장을 자동으로 제어할 수 알고리즘을 개발하였고 이를 구현하였다. 개발된 자동제어시스템을 상추 식물공장에 적용한 결과 만족스러운 시험결과를 얻을 수 있었다. 향후 연구로는 식물공장에서 재배하고 있는 작물별 생장모델의 적합도 검정 및 개선을 위하여, 작물별 재배규칙을 보다 상세히 도출하는 것이 필요하고, 작물의 재배에 필요한 지식을 보다 정량적으로 표현하고 지식상에 내포하고 있는 불확실성을 해결하는 것이 필요하다. 더 나아가 식물공장에서 환경인자간의 상호관련성을 보다 정밀하게 수식화하고 이를 추론할 수 있는 정밀하고 과학적인 자동제어시스템의 개발이 필요하다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2374-2376
• /
• 2000

In this paper, we propose an indirect vector control method using Adaptive Neuro-Fuzzy Inference System (ANFIS) parameter estimator. It estimates the rotor time constant when the indirect vector control of induction motor is applied. We use the stator current error that is difference between the current command and estimated current calculated from terminal voltage and current. And two induced current estimate equations are used in training ANFIS.The estimator is trained by the hybrid learning algorithm. Simulation results shows good performance under load disturbance and motor parameter variations.