• 조명전기설비학회논문지
• /
• 제20권7호
• /
• pp.65-73
• /
• 2006

본 논문은 신경회로망을 이용한 IPMSM 드라이브의 속도제어를 제시한다. 일반적으로 수치 제어된 기계에서 PI 제어기는 고정된 이득값으로 처리한다. PI 제어기의 고정된 이득값은 어떤 동작조건에서는 양호하게 수행된다. 고정된 이득값을 가진 PI 제어기의 강인성 향상을 위하여 신경회로망을 기초로 하는 새로운 제어 방법인 NNPI 제어기를 제시한다. NNPI 제어기는 속도, 부하토크 및 관성과 같은 파리미터 변동에 대하여 오버슈트를 감소시키고 상승 시간 및 정상상태에 빠르게 도달한다. 또한 본 논문에서는 신경회로망을 사용하여 IPMSM의 속도를 제어하고 ANN 제어기를 사용하여 속도를 추정한다. 신경회로망의 역전파 알고리즘 방법은 전동기의 속도를 실시간으로 추정하는데 사용된다. IPMSM의 속도제어기 결과는 제시된 이득값 조절의 타당성을 입증한다. 그리고 NNPI 제어기는 광범위한 동작상태와 부하 외란에 대하여 고정된 이득값보다 우수한 성능을 가진다.

• 전기학회논문지P
• /
• 제54권1호
• /
• pp.8-14
• /
• 2005

This paper is proposed hybrid artificial intelligent(HAI) controller for speed control of surface permanent magnet synchronous motor(SPMSM) drive. The design of this algorithm based on HAI controller that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of error measured between the motor speed and output of a reference model. The control performance of the HAI controller is evaluated by analysis for various operating conditions. The results of analysis prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1996년도 한국자동제어학술회의논문집(국내학술편); 포항공과대학교, 포항; 24-26 Oct. 1996
• /
• pp.698-701
• /
• 1996

A novel neural network control scheme is proposed to identify the inverse dynamic model of robot manipulator and to compensate for uncertainties in robot dynamics. The proposed controller is called reference compensation technique(RCT) by compensating at reference input trajectory. The proposed RCT scheme has many benefits due to the differences in compensating position and learning algorithm. Since the compensation is done outside the plant it can be applied to many control systems without modifying the inside controller. It performs well with low controller gain because the operating range of input values is small and the output of the neural network controller is amplified through the controller gain. The back-propagation algorithm is used to train and simulations of three link robot manipulator are carried out to prove the proposed controller's performances.

• 제어로봇시스템학회논문지
• /
• 제14권12호
• /
• pp.1218-1225
• /
• 2008

This paper presents the design of a neural network based adaptive control for missile is presented. The application model is Exocet MM40, which is derived from missile DATCOM database. Acceleration of missile by tail Fin control cannot be controllable by DMI (Dynamic Model Inversion) directly because it is non-minimum phase system. So, the inner loop consists of DMI and NN (Neural Network) and the outer loop consists of PI controller. In order to satisfy the performances only with PI controller, it is necessary to do some additional process such as gain tuning and scheduling. In this paper, all flight area would be covered by just one PI gains without tuning and scheduling by applying mixture control technique of conventional controller and NN to the outer loop. Also, the simulation model is designed by considering non-minimum phase system and compared the performances to distinguish the validity of control law with conventional PI controller.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1995년도 하계학술대회 논문집 B
• /
• pp.855-858
• /
• 1995

A neural network has very simple construction (input, output and connection weight) and then it can be robusted against some disturbance. In this paper, we proposed a neuro-controller using a Multi-Layered neural network which is combined with PD controller. The proposed neuro-controller is learned by backpropagation learning rule with momentum and neuro-controller adjusts connection weight in neural network to make approximate dynamic model of DC Servo motor. Computer Simulation results show that the proposed neuro-controller's performance is better than that of origianl PD controller.

• 조명전기설비학회논문지
• /
• 제18권2호
• /
• pp.63-67
• /
• 2004

신경회로망은 많은 제어분야에서 이용되고 있다. 제어기로 사용될 경우에, 신경망 제어기는 입출력 패턴에 의하여 학습을 하게 된다. 그러나 제어분야의 대부분의 경우에 있어서 신경망 제어기의 입출력 패턴을 구할 수 없다. 이러한 문제를 해결하기 위한 한 방법으로, 본 논문에서는 신경망 출력노드에 제어 대상체를 가져오는 새로운 제어 방법을 시도하였다. 이와 같은 새로운 제어 방법의 적용으로 신경회로망제어기의 입출력 데이터를 얻는 문제를 해결할 수 있었다. 제의된 제어 알고리즘의 효과는 직류 서보 전동기의 모의실험에 의하여 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 B
• /
• pp.516-518
• /
• 1999

This paper presents an feed-forward neural network design instead PI controller for the speed control of an Induction Motor. The design employs the training strategy with Neural Network Controller(NNC) and Neural Network Emulator(NNE). Emulator identifies the motor by simulating the input and output map. In order to update the weights of the Controller. Emulator supplies the error path to the output stage of the controller using backpropagation algorithm. and then Controller produces an adequate output to the system due to neural networks learning capability. Therefore it becomes adjustable to the system with changing characteristics caused by a load. The speed control based on neural networks for induction motor is implemented by a vector controlled induction motor. The simulation results demonstrate that actual motor speed with neural network system well follows the reference speed minimizing the error and is available to implement on the vector control theory.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제55권4호
• /
• pp.154-157
• /
• 2006

This paper is proposed hybrid artificial intelligent(HAI) controller for high performance of induction motor drive. The design..of this algorithm based on fuzzy-neural network(FNN) controller that is implemented using fuzzy control and neural network. This controller uses fuzzy rule as training patterns of a neural network. Also, this controller uses the back-propagation method to adjust the weights between the neurons of neural network in order to minimize the error between the command output and actual output. A model reference adaptive scheme is proposed in which the adaptation mechanism is executed by fuzzy logic based on the error and change of error measured between the motor speed and output of a reference model. The control performance of the adaptive FNN controller is evaluated by analysis for various operating conditions. The results of experiment prove that the proposed control system has strong high performance and robustness to parameter variation, and steady-state accuracy and transient response.

• 전자공학회논문지SC
• /
• 제41권3호
• /
• pp.39-46
• /
• 2004

본 논문은 IPMSM 드라이브의 고성능 속도 제어를 위하여 퍼지제어와 신경회로망을 혼합 구성한 적응 FNN 제어기를 제시한다. 적응 FNN 제어기는 기준 모델에 기초한 적응 메카니즘을 적용하여 신경회로망의 고도의 적응제어와 퍼지제어기의 강인성 제어의 장점들을 접목한다. 적응 FNN 제어기의 출력은 FNN 제어기의 출력과 적응 퍼지제어의 출력을 합하여 출력을 얻는다. 적응 FNN 제어기는 다양한 동작조건에서 응답특성을 분석하고 평가한다. 제시한 적응 FNN 제어기의 타당성은 IPMSM 드라이브 시스템에 적용하여 성능 결과로 입증한다.

• 전자공학회논문지SC
• /
• 제39권6호
• /
• pp.1-8
• /
• 2002

본 논문에서는 시간지연이 존재하고 시스템의 영점이 단위원 밖에 있으며 시스템 파라미터가 변하는 비선형 시스템에 적응하는 신경회로망을 이용한 PID구조를 갖는 일반화 최소분산 자기동조제어기를 제안한다. 신경회로망은 제어기 파라미터를 추정하며 제어 출력은 추정된 제어기 파라미터로부터 얻어진다. 제어 알고리듬의 타당성을 확인하기 위해 시간 지연이 있고 일정한 시간이 경과한 후 시스템의 파라미터가 변하는 비선형 비최소위상 시스템에 대해 컴퓨터 시뮬레이션을 하였다. 그리고 신경회로망을 이용한 직접 적응 제어기와 비교하였다.