• 한국컴퓨터산업학회논문지
• /
• 제3권9호
• /
• pp.1199-1206
• /
• 2002

본 연구에서는 일반적인 건물의 공조시스템의 제어에 이용되고 있는 비례-적분(PI)제어의 적용특성을 알아보고 새로운 지능형 제어방식중의 하나인 신경망(neural networks) 제어의 적용가능성을 검토하여 보았다. PI제어에 의한 건물공조와 신경망 제어에 의한 건물공조에 대한 성능을 비교한다. 기존의 PI제어에 의하여 운영되던 건물을 신경망 제어로서 운용하는 경우 기후적, 시스템적 변화에 자체적 대응이 가능한 제어로 적용 가능하다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2001년도 ICCAS
• /
• pp.128.3-128
• /
• 2001

In this paper we proposed that the speed of induction motor is controlled by a PI controller, which could control unknown motor using Neural Network for auto-tuning of the PI parameter. The parameters of the PI controller were adjusted to reduce the speed error of the controlled motor. The input parameters of the Neural Network controller are the speed, q-axis current, and speed reference of the induction motor respectively. The usefulness of proposed controller will be confirmed by simulation which we compare with conventional PI controller.

• 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.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1994년도 Proceedings of the Korea Automatic Control Conference, 9th (KACC) ; Taejeon, Korea; 17-20 Oct. 1994
• /
• pp.731-736
• /
• 1994

Experiment on a lab-scale pH process is carried out to evaluate the control performance of the neural linearizing control scheme(NLCS) using a radial basis function(RBF) network which was previously proposed by Kim and Park. NLCS was developed to overcome the difficulties of the conventional neural controllers which occur when they are applied to chemical processes. Since NLCS is applicable for the processes which are already controlled by a linear controller and of which the past operating data are enough, we first control the pH process with PI controller. Using the operating data with PI controller, the linear reference model is determined by optimization. Then, a IMC controller replaces the PI controller as a feedback controller. NLCS consists of the IMC controller and a RBF network. After the learning of the neural network is fully achieved, the dynamics of the process combined with the neural network becomes linear and close to that of the linear reference model and the control performance of the linear control improves. During the training, NLCS maintains the stability and the control performance of the closed loop system. Experimental results show that the NLCS performs better than PI controller and IMC for both the servo and the regulator problems.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2006년도 춘계학술대회 논문집
• /
• pp.315-320
• /
• 2006

This paper presents speed control of IPMSM drive using neural network(NN) PI controller. In general, PI controller in computer numerically controlled machine process fixed gain. They may perform well under some operating conditions, but not all. To increase the robustness of fixed gain PI controller, NNPI controller proposes a new method based neural network. NNPI controller is developed to minimize overshoot, rise time and settling time following sudden parameter changes such as speed, load torque and inertia. Also, this paper is proposed speed control of IPMSM using neural network and estimation of speed using artificial neural network(ANN) controller. The back propagation neural network technique is used to provide a real time adaptive estimation of the motor speed. The results on a speed controller of IPMSM are presented to show the effectiveness of the proposed gain tuner. And this controller is better than the fired gains one in terms of robustness, even under great variations of operating conditions and load disturbance.

• 조명전기설비학회논문지
• /
• 제24권4호
• /
• pp.33-42
• /
• 2010

벡터제어를 적용한 유도전동기 드라이브는 고성능 제어를 위하여 산업 적용분야에 광범위하게 사용되고 있다. 그러나 유도전동기의 모델은 비선형이고 복잡하기 때문에 포화, 온도변화, 외란 및 파라미터 변동등에 의해 성능 및 신뢰성이 저하된다. 이러한 가변속 드라이브를 제어하기 위하여 종래의 PI와 같은 제어기들이 일반적으로 사용되어졌다. 이러한 제어기들은 이상적인 벡터제어 상태에서도 광범위한 동작영역에서 양호한 성능을 나타내는데 한계를 가지고 있다. 본 논문은 퍼지제어, 신경회로망, 적응 퍼지제어로 구성된 FNN(Fuzzy-Neural Network)-PI 제어기 기반 자기동조 PI 제어기와 ANN을 이용한 속도추정을 제시한다. FNN-PI, AFC, ANN 제어기를 이용한 제어 알고리즘은 유도전동기 드라이브 시스템에 적용하여 그 결과를 분석하고 제어기의 효용성을 입증한다.

• 한국컴퓨터정보학회논문지
• /
• 제6권4호
• /
• pp.60-67
• /
• 2001

본 논문에서는 전형적인 PI 제어에 의한 건물 공조와 새롭게 제안된 신경망 제어에 의한 건물 공조의 성능 비교를 통하여, 신경망 제어 알고리즘의 건물 공조에 대한 적용성 여부를 규명하였다. 이를 통하여 기존의 PI 제어에 의하여 운영되던 건물을 신경망 제어로서 운영하였을 경우에 기후적, 시스템적 변화에 자체적 대응이 가능한 제어로서 충분히 적용이 가능하다는 것을 보여준다.

• 전자공학회논문지SC
• /
• 제39권2호
• /
• pp.157-165
• /
• 2002

본 논문에서는 PD 제어기와 신경회로망을 이용하여 3상 유도전동기의 속도제어 시스템을 구현하고자 한다. PD 제어기는 초기의 제어를 담당하며 신경회로망의 초기 학습을 담당한다. 또한, 신경회로망은 비선형 매핑능력과 학습능력이 탁월하기 때문에 제어기로 많이 사용되며 특히 전향경로 신경망은 구조가 매우 간단하기 때문에 본 논문에서는 이를 이용하여 유도전동기의 속도제어 시스템에 구현하였다. 신경회로망의 입력으로는 모터의 기준속도, 엔코더를 이용하여 측정한 모터의 실제 속도와 제어입력 전류를 이용하였고, 온라인 상태로 학습되도록 하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존에 널리 사용되었던 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 PD 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 하이브리드 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 속도제어가 가능함을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제6권2호
• /
• pp.127-137
• /
• 2000

This paper presents a novel neural based controller which controls the water level of the nuclear power plant steam generator. The controller consists of a model reference feedback linearization controller and a PI controller for stabilizing the feedback linearization controller. The feedback linearization controller consists of a neural network model and an inversing module which uses the neural network model for computing the control input to the steam generator. We chose Piecewise Linearly Trained Network(PLTN) and Recurrent Neural Netwrok(RNN) for an approximator of the plant and used these approximators in calculating the input from the feedback linearization controller. Combining the above two controllers gives a result of better performance than the case which uses only a PI controller Each control result of PLTN and RNN is given.

• 전자공학회논문지SC
• /
• 제37권3호
• /
• pp.72-83
• /
• 2000

본 논문에서는 리칭모드 제어기와 신경 회로망을 이용하여 3상 유도전동기의 위치제어 시스템을 구현한다. 리칭모드 제어기는 위치오차와 속도오차의 궤적을 슬라이딩 평면으로 들어가도록 하고 신경회로망의 초기학습을 담당한다. 리칭모드 제어기의 구조는 슬라이딩 평면의 스위칭 함수로부터 간단히 구성하였다. 또한, 신경 회로망은 전향경로 신경망으로 구성되며 비선형 매핑능력과 탁월한 학습능력을 이용하여 유도전동기의 등가제어입력을 학습하도록 하였고 신경 회로망의 입력으로는 모터의 기준속도, 기준위치 및 엔코더를 이용하여 측정된 모터의 실제속도와 위치 등을 이용하였고 온라인 상태로 학습되도록 하였다. 이와 같이 복합적으로 구성된 제어기들을 유도전동기의 위치제어 시스템에 적용하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존의 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 리칭모드 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경 회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 제어가 가능함을 확인하였다.