• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2744-2746
• /
• 2001

이 논문에서는 이동 로봇을 위하여 퍼지이론과 Dempster-Shafer 이론을 이용한 불확실한 환경에서의 센서기반 네비게이션 방법을 제안한다. 제안된 제어기는 장애물 회피 동작과 목적지 찾기 동작을 위한 2개의 행동 모듈로 구성되어 있다. 2개의 행동 모듈은 각각 퍼지 이론으로 학습되었고, 적절한 행동 선택 방법으로 선택되게끔 하였다. 견고한 퍼지 제어기를 가진 로봇이 실험 환경내에서 안전하게 움직이기 위하여 자동으로 지도를 구축(Map Building) 하도록 하였다. 이 실험에서 구성된 맵은 평면상의 격자를 중심으로 작성되었고 로봇의 센서에서 읽어들인 센서 값은 D-S 추론 이론을 이용하여 기존의 맵과 혼합되어진다. 즉, 로봇이 움직일때 마다 실험 환경내에서 새로운 정보를 읽어 들이고, 그 정보로 인하여 기존의 지도가 새로운 지도로 갱신되는 것이다. 이러한 작업을 거치면서 로봇은 장애물과 충돌없이 배회하는 것 뿐 아니라 설정된 목적지까지도 쉽게 찾아갈 수가 있다. 실험에 대한 안정성과 확신을 검증 받기 위하여 실제 로봇에 적용하기보다는 먼저 이동 로봇의 시뮬레이션으로 실험 해 보고자 한다.

• 정보처리학회논문지C
• /
• 제11C권4호
• /
• pp.429-438
• /
• 2004

본 논문에서는 정책기반의 IP 네트워크 관리구조에서 임의의 노드에 유입되어지는 트래픽에 대하여 퍼지 추론 방식을 사용한 어드미션 제어 구조를 설계하였다. 제안된 제어구조는 기존 정의된 정책 요구수준과 네트워크 상태에 따라 자원 할당을 결정하는 방식을 사용하였다. 이는 기존의 바이너리 방식의 정책 적용방식을 개선하여 사전에 정의된 임의의 005 정책에 대하여 예측할 수 없는 네트워크의 상태에 따라 적응적인 어드미션 제어를 제공함으로서 네트워크의 자원을 효율적으로 사용할 수 있도록 하였다. 볼 논문에서 설계한 퍼지 제어기를 통하여 제한된 환경에서의 시뮬레이션을 수행한 결과 비퍼지 환경에 비하여 트래픽의 패턴에 따라 평균 26%의 패킷 거부율을 향상하였고, 이는 퍼지 컨트롤러에 의해서 네트워크의 상태에 따라 비퍼지 환경에서의 수락/거절 동작이 아닌 소프트한 적응성을 보여주었기 때문이다.

• 한국항공우주학회지
• /
• 제37권12호
• /
• pp.1238-1244
• /
• 2009

본 연구는 헬리콥터용 터보축엔진의 온라인 상태진단을 위해 퍼지-신경망 알고리즘을 제안하였고 GUI 형태의 SIMULINK프로그램으로 개발하였다. 진단 프로그램 개발을 위해 look-up 테이블 형식 기본 성능 모듈로 계산시간을 줄였고 실시간 성능 데이터를 획득하기위해 신호 생성 모듈을 사용하였다. 이 프로그램은 계측성능상태를 모니터링하기위한 온라인 상태모니터링 프로그램과 계측데이터와 퍼지를 이용한 정성적인 상태진단과 신경 회로망을 이용한 정량적인 상태진단으로 이루어진다. 제안된 온라인 진단 프로그램은 헬리콥터엔진의 상태모니터링에 적용 가능여부를 확인하기 위하여 터보샤프트 엔진을 대상으로 검증하였다.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제5권3호
• /
• pp.200-205
• /
• 2005

The objectives of this study were to introduce the easiest and most proper applications of datamining in industrial processes. Applying datamining in manufacturing is very different from applying it in marketing. Misapplication of datamining in manufacturing system results in significant problems. Therefore, it is very important to determine the best procedure and technique in advance. In previous studies, related literature has been introduced, but there has not been much description of datamining applications. Research has not often referred to descriptions of particular examples dealing with application problems in manufacturing. In this study, a datamining roadmap was proposed to support datamining applications for industrial processes. The roadmap was classified into three stages, and each stage was categorized into reasonable classes according to the datamining purposed. Each category includes representative techniques for datamining that have been broadly applied over decades. Those techniques differ according to developers and application purposes; however, in this paper, exemplary methods are described. Based on the datamining roadmap, nonexperts can determine procedures and techniques for datamining in their applications.

• 한국시뮬레이션학회논문지
• /
• 제20권1호
• /
• pp.69-77
• /
• 2011

최근 군은 과거 냉전시대와 다른 상황에 능동적으로 대처하고 비용 대비 훈련의 효과를 극대화하기 위한 방안으로 모델링 시뮬레이션 기법에 많은 관심을 보이고 있다. 이 모델링 시뮬레이션을 이용한 훈련이 효과적이기 위해서는 좀 더 사실적인 전장 환경과 전투상황을 모의해야 하는데, 최근에 이를 위해서 컴퓨터상에서 인간 행위와 부대의 집단논리를 표현하는 CGF(Computer Generated Forces)에 대한 기술 개발이 주목받고 있다. 인간 행위를 모델링하는 CGF는 자동화된 병력을 모의함으로써 적군을 모의하거나 미래 전투실험, 새로운 전투개념 개발 등 중요하면서도 다양한 역할을 수행 할 수 있다. 이번 연구에서는 CGF 가상군인의 자율지능화의 방안을 고찰해보고자 한다. 군사시뮬레이션상의 가상군인의 자율지능화의 첫걸음인 과업행위 목록의 적용을 과업행위의 기본요소인 METT+T를 기반으로 그 적용과정을 설명한다. 또한 군사모의 논리는 참 진의 이진값 표현이 외에도 '보유 무기가 충분하면 급속 공격을 빠르게 하라'와 같은 모의 규칙상에서는 군사 전문가에 의해서 결정될 수밖에 없는 '충분하다', '빠르다'와 같은 퍼지 팩트가 존재한다. 이러한 주관성이 가미된 많은 군사모의 논리를 완벽히 표현하기 위해서는 퍼지 추론을 이용하는 것이 효과적인데, 이를 이번 소부대 전투 시뮬레이션에 적용하여 보다 사실적인 모의가 가능하도록 하였다.

• Steel and Composite Structures
• /
• 제48권2호
• /
• pp.179-190
• /
• 2023

Many recent attempts have sought accurate prediction of pile pullout resistance (P_ul) using classical machine learning models. This study offers an improved methodology for this objective. Adaptive neuro-fuzzy inference system (ANFIS), as a popular predictor, is trained by a capable metaheuristic strategy, namely equilibrium optimizer (EO) to predict the P_ul. The used data is collected from laboratory investigations in previous literature. First, two optimal configurations of EO-ANFIS are selected after sensitivity analysis. They are next evaluated and compared with classical ANFIS and two neural-based models using well-accepted accuracy indicators. The results of all five models were in good agreement with laboratory P_uls (all correlations > 0.99). However, it was shown that both EO-ANFISs not only outperform neural benchmarks but also enjoy a higher accuracy compared to the classical version. Therefore, utilizing the EO is recommended for optimizing this predictive tool. Furthermore, a comparison between the selected EO-ANFISs, where one employs a larger population, revealed that the model with the population size of 75 is more efficient than 300. In this relation, root mean square error and the optimization time for the EO-ANFIS (75) were 19.6272 and 1715.8 seconds, respectively, while these values were 23.4038 and 9298.7 seconds for EO-ANFIS (300).