• Smart Structures and Systems
• /
• 제23권1호
• /
• pp.1-14
• /
• 2019

Control algorithms are the most important aspects in successful control of structures against earthquakes. In recent years, intelligent control methods rather than classical control methods have been more considered by researchers, due to some specific capabilities such as handling nonlinear and complex systems, adaptability, and robustness to errors and uncertainties. However, due to lack of learning ability of fuzzy controller, it is used in combination with a genetic algorithm, which in turn suffers from some problems like premature convergence around an incorrect target. Therefore in this research, the introduction and design of the Fuzzy Cooperative Coevolution (Fuzzy CoCo) controller and Adaptive Neural-Fuzzy Inference System (ANFIS) have been innovatively presented for semi-active seismic control. In this research, in order to improve the seismic behavior of structures, a semi-active control of building using Magneto Rheological (MR) damper is proposed to determine input voltage of Magneto Rheological (MR) dampers using ANFIS and Fuzzy CoCo. Genetic Algorithm (GA) is used to optimize the performance of controllers. In this paper, the design of controllers is based on the reduction of the Park-Ang damage index. In order to assess the effectiveness of the designed control system, its function is numerically studied on a 9-story benchmark building, and is compared to those of a Wavelet Neural Network (WNN), fuzzy logic controller optimized by genetic algorithm (GAFLC), Linear Quadratic Gaussian (LQG) and Clipped Optimal Control (COC) systems in terms of seismic performance. The results showed desirable performance of the ANFIS and Fuzzy CoCo controllers in considerably reducing the structure responses under different earthquakes; for instance ANFIS and Fuzzy CoCo controllers showed respectively 38 and 46% reductions in peak inter-story drift ($J_1$) compared to the LQG controller; 30 and 39% reductions in $J_1$ compared to the COC controller and 3 and 16% reductions in $J_1$ compared to the GAFLC controller. When compared to other controllers, one can conclude that Fuzzy CoCo controller performs better.

• 한국농공학회논문집
• /
• 제49권3호
• /
• pp.21-31
• /
• 2007

This study is aimed at the development of a runoff forecasting model by using the Fuzzy inference system and Neural Network model to solve the uncertainties occurring in the process of rainfall-runoff modeling and improve the modeling accuracy of the stream runoff forecasting. The Neuro-Fuzzy (NF) model were used in this study. The NF model, recently received a great deal of attention, improve the existing Neural Networks by the aid of the Fuzzy theory applied to each node. The study area is the downstreams of Naeseung-chun. Therefore, time-dependent data was obtained from the Wolpo water level gauging station. 11 and 2 out of total 13 flood events were selected for the training and testing set of model respectively. The schematic diagram method and the statistical analysis are conducted to evaluate the feasibility of rainfall-runoff modeling. The model accuracy was rapidly decreased as the forecasting time became longer. The NF model can give accurate runoff forecasts up to 4 hours ahead in standard above the Determination coefficient $(R^2)$ 0.7. In the comparison of the runoff forecasting using the NF and TANK models, characteristics of peak runoff in the TANK model was higher than ones in the NF models, but peak values of hydrograph in the NF models were similar.

• 지능정보연구
• /
• 제15권3호
• /
• pp.151-165
• /
• 2009

퍼지신경망 모형은 인공신경망의 네트워크 구조 표현방법 및 학습알고리듬과 퍼지시스템의 추론방법을 통합한 모형으로 제어 및 예측분야에 성공적으로 적용되고 있다. 본 연구에서는 퍼지신경망 모형 중 우수한 예측정확도로 인해 최근 각광받고 있는ANFIS (Adaptive Network-based Fuzzy Inference System)모형을 기반으로 하는 분류모형을 설계하고 기존의 분류기법(C5.0 의사결정나무)과 비교하여 분류 정확성 관점에서 평가한다. ANFIS 추론의 경우, 최종 결과값이 계급값이 아닌 연속형 변수값을 취하게 되므로 산출된 결과값을 이용하여 적절한 계급값을 할당하는 과정이 필요하다. 본 연구에서는 의사결정나무기법을 이용하여 계급값을 할당하는 방식과 군집분석을 이용하여 계급값을 할당하는 두 가지 방식을 제안하고 두 가지 데이터 세트에 적용하여 ANFIS를 기반으로 한 분류모형의 정확도를 평가하였다.

• 한국정보통신학회논문지
• /
• 제16권2호
• /
• pp.228-236
• /
• 2012

본 논문에서는 빠르고 조작이 간편한 이동 수단인 이륜 역진자 로봇을 기존의 방법보다 더욱 안정적으로 밸런싱하기 위한 제어기를 설계하였다. 먼저 이륜 역진자 로봇의 제어기를 퍼지제어 구조로 선택하고, 지정된 3명의 사용자 무게에 따라 적절한 소속함수 요소 값들을 시행착오적으로 구하였다. 임의의 무게에 대한 적절한 퍼지 소속함수 요소 값을 구하기 위해 앞의 3명의 무게에 따른 퍼지 소속함수 요소 값들을 신경회로망으로 튜닝한 뒤 퍼지 제어기에 적용하여 보다 안정적인 제어가 가능하도록 제어기를 설계하였다. 설계된 제어기를 시뮬레이션 하여본 결과, 기존의 퍼지 제어기에 비해서 본 논문에서 제안한 신경회로망으로 튜닝한 퍼지제어기가 보다 안정적인 제어가 가능함을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2004년도 하계학술대회 논문집 D
• /
• pp.2432-2434
• /
• 2004

In this paper, we present a novel approach for the structure of Fuzzy Neural Network(FNN) based on wavelet function and apply this network structure to the solution of the tracking problem for mobile robots. Generally, the wavelet fuzzy model(WFM) has the advantage of the wavelet transform by constituting fuzzy basis function(FBF) and the conclusion part to equalize the linear combination of FBF with the linear combination of wavelet functions. However, it is very difficult to identify the fuzzy rules and to tune the membership functions of the fuzzy reasoning mechanism. Neural networks, on the other hand, utilize their learning capability for automatic identification and tuning. Therefore, we design a wavelet based FNN structure(WFNN) that merges these advantages of neural network, fuzzy model and wavelet. To verify the efficiency of our network structure, we evaluate the tracking performance for mobile robot and compare it with those of the FNN and the WFM.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2633-2635
• /
• 2003

In this study, we propose a fuzzy polynomial neural networks (FPNN) and a genetically optimized fuzzy polynomial neural networks(GoFPNN) for identification of non-linear system. GoFPNN architecture is designed by a FPNN based on fuzzy set and its structure and parameters are optimized by genetic algorithms. A fuzzy neural networks(FNN) based on fuzzy set divide into two structures that is simplified inference structure and linear inference structure. The proposed FPNN is resulted from integration and extension of simplified and linear inference structure of FNN. The consequence structure of the FPNN consist of polynomials represented by networks using connection weights for rules. The networks comprehend simplified(Type 0), linear (Type 1), and quadratic(Type 3) inferences. The proposed FPNN can select polynomial type of consequence part for each rule. Therefore, proposed scheme can offer flexible structure design capability for a system characteristics. Moreover, GAs is applied to networks structure and parameters tuning of proposed FPNN, and its efficient application method is discussed, these subjects are result in GoFPNN that is optimal FPNN. To evaluate proposed model performance, a numerical experiment is carried out.

• 한국정보통신학회논문지
• /
• 제17권1호
• /
• pp.8-14
• /
• 2013

본 논문에서는 친환경 이동 수단인 이륜 역진자 로봇을 기존의 방법보다 더욱 안정적으로 밸런싱 하기 위한 제어시스템을 구현하였다. 먼저 이륜 역진자 로봇의 제어시스템을 퍼지 제어구조로 선택하고, 적절한 소속함수 요소 값들을 지정된 3종류의 무게에 따라 시행착오적으로 구하였다. 임의의 무게에 따른 퍼지 소속 함수 요소 값을 구하기 위해 3종류의 무게에 따른 퍼지 소속함수 요소 값을 신경회로망으로 튜닝한 뒤 퍼지 제어시스템에 적용하여 보다 안정적인 제어가 가능 하도록 제어시스템을 구현하였다. 구현된 제어시스템을 실제 로봇에 적용시켜 본 결과, 기존의 퍼지 제어시스템에 비해서 본 논문에서 제안한 신경회로망으로 튜닝한 퍼지 제어시스템이 보다 우수함을 확인할 수 있었다.

• 조명전기설비학회논문지
• /
• 제20권3호
• /
• pp.53-61
• /
• 2006

본 논문은 유도전동기 드라이브의 고성능 제어를 위한 적응 퍼지-뉴로 제어기를 제시한다. 이 알고리즘의 설계는 퍼지제어와 신경회로망을 사용하는 퍼지-신경회로망 제어기에 기초한다. 적응 퍼지-뉴로 제어기는 신경회로망의 학습패턴과 같은 퍼지 룰을 사용하고 또한 지령값과 실제값 사이의 오차를 최소화하기 위하여 신경회로망의 뉴런사이의 하중을 역전파 알고리즘 방법을 사용하여 조절한다. 적응 기준 모델 설계는 기준모델의 출력과 전동기 속도 사이의 오차와 오차 변화분을 기초로 한 퍼지 로직에 의하여 실행되는 적응 메카니즘을 제시한다. 적응 퍼지-뉴로 제어기의 제어 성능은 다양한 동작 상태에 대한 분석으로 평가한다. 제안한 제어시스템의 실험 결과는 고성능과 파리미터 변동과 정상상태 정확성, 순시응답의 강인성을 가진다.

• 인지과학
• /
• 제13권1호
• /
• pp.13-21
• /
• 2002

퍼지 논리를 이용한 추론은 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래할 수 있다. 또한 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 하지만 신경 망의 변형인 신경 논리 망을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경 논리 망을 기반으로 하는 추론 망을 확장하여 퍼지 추론 망을 구성하고 기존의 추론 망에서 사용되는 전파규칙을 보완하여 적용하고자 한다. 퍼지 추론 망에서 퍼지 규칙의 결론부에 해당하는 명제의 믿음 값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다. 이를 위해, 연결된 모든 노드들의 링크를 따라 순차적인 탐색을 하는 경우와 링크에 부여된 우선순위에 의해 탐색을 하는 경우의 탐색비용에 대하여 실험을 통해 비교 평가하였다. 실험결과 퍼지 추론 망의 크기가 확장될수록, 그리고 탐색 경험의 횟수가 증가할수록 순차적인 탐색전략보다 우선순위에 의한 탐색전략이 탐색 비용면에서 효율성이 더욱 증가함을 알 수 있었다.

• 한국지능시스템학회논문지
• /
• 제5권4호
• /
• pp.41-55
• /
• 1995

본 논문에서는 복잡한 비선형 시스템의 모델링을 위해 퍼지-뉴럴 네트워크(FNNs)를 사용한 최적 동적 방법이 제안된다. 제안된 퍼지-뉴럴 모델링은 공정시스템의입축력 데이타를 이용하여 기존의 최적이론, 언어적 퍼지구현규칙, 뉴럴네트워크 등의 지능형 이론을 도입하여 시스템의 구조와 파라미터 동정을 구현한다. 이 모델링의 추론형태는 간략추론이 사용된다. 최적 모델을 얻기위해, 퍼지-뉴렬 네트워크의 학습률과 모멘텀 계수가 본논문에서 제안한 개선된 컴플렉스 법과 수정된 학습알고리즘을 이용하여 자동동조 된다. 이 알고리즘의 비선형 공정으로의 응용을 위하여 교통 경로 선택 데이타 및 하수처리시스템의 활성화와 공정 데이타가 제안한 모델링의 성능을 평가하기 위해 사용된다. 제안된 방법이 기존의 다른 논문과 비교하여 더 높은 정확도를 가진 지능형 모델을 생성함을 보인다.