• Journal of Electrical Engineering and Technology
• /
• 제12권5호
• /
• pp.1798-1804
• /
• 2017

This paper presents an approach of the Gustafson-Kessel (GK) clustering algorithm's performance in fault identification on power transmission lines. The clustering algorithm is incorporated in a scheme that uses hybrid intelligent technique to combine artificial neural network and a fuzzy inference system, known as adaptive neuro-fuzzy inference system (ANFIS). The scheme is used to identify the type of fault that occurs on a power transmission line, either single line to ground, double line, double line to ground or three phase. The scheme is also capable an analyzing the fault location without information on line parameters. The range of error estimation is within 0.10 to 0.85 relative to five values of fault resistances. This paper also presents the performance of the GK clustering algorithm compared to fuzzy clustering means (FCM), which is particularly implemented in structuring a data. Results show that the GK algorithm may be implemented in fault identification on power system transmission and performs better than FCM.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.999-1004
• /
• 2005

An algorithm for a hybrid controller consists of a sliding mode control part and a fuzzy logic part which ar purposely for nonlinear systems. The sliding mode part of the solution is based on "eigenvalue/vector"-type controller is used as the backstepping approach for tracking errors. The fuzzy logic part is a Mamdani fuzzy model. This is designed by applying sliding mode control (SMC) method to the dynamic model. The main objective is to keep the update dynamics in a stable region by used SMC. After that the plant behavior is presented to train procedure of adaptive neuro-fuzzy inference systems (ANFIS). ANFIS architecture is determined and the relevant formulation for the approach is given. Using the error (e) and rate of error (de), occur due to the difference between the desired output value (yd) and the actual output value (y) of the system. A dynamic adaptation law is proposed and proved the particularly chosen form of the adaptation strategy. Subsequently VSC creates a sliding mode in the plant behavior while the parameters of the controller are also in a sliding mode (stable trainer). This study considers the ANFIS structure with first order Sugeno model containing nine rules. Bell shaped membership functions with product inference rule are used at the fuzzification level. Finally the Mamdani fuzzy logic which is depends on adaptive neuro-fuzzy inference systems structure designed. At the transferable stage from ANFIS to Mamdani fuzzy model is adjusted for the membership function of the input value (e, de) and the actual output value (y) of the system could be changed to trapezoidal and triangular functions through tuning the parameters of the membership functions and rules base. These help adjust the contributions of both fuzzy control and variable structure control to the entire control value. The application example, control of a mass-damper system is considered. The simulation has been done using MATLAB. Three cases of the controller will be considered: for backstepping sliding-mode controller, for hybrid controller, and for adaptive backstepping sliding-mode controller. A numerical example is simulated to verify the performances of the proposed control strategy, and the simulation results show that the controller designed is more effective than the adaptive backstepping sliding mode controller.

• 전산구조공학
• /
• 제23권3호
• /
• pp.61-68
• /
• 2010

• 한국암반공학회:학술대회논문집
• /
• 한국암반공학회 2001년도 추계공동학술발표회 논문집
• /
• pp.143-150
• /
• 2001

• 한국통신학회:학술대회논문집
• /
• 한국통신학회 1991년도 추계종합학술발표회논문집
• /
• pp.267-270
• /
• 1991

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 2001년도 추계학술발표회요약집
• /
• pp.77-77
• /
• 2001

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1999년도 춘계학술발표회요약집
• /
• pp.74-74
• /
• 1999

• 한국지능시스템학회논문지
• /
• 제14권5호
• /
• pp.533-538
• /
• 2004

본 논문은 뉴로-퍼지 모델의 구조 학습을 이용하여 단기 전력 수요 예측시스템을 개발하기 위한 체계적인 방법을 제안한다. 제안된 단기 수요 예측시스템은 1시간, 24시간, 168시간의 예측 리드 타임을 갖고 예측을 수행하기 위해서 요일 유형과 시간 별로 총 96개의 초기 구조를 미리 생성하고, 이를 초기 구조 뱅크에 저장한다. 예측이 수행되는 시점에 해당하는 초기구조를 선택하여 뉴로-퍼지 모델을 초기화하고, 학습하고, 예측을 수행한다. 제안된 예측시스템은 단지 2개의 입력 변수만을 이용하기 때문에 간단한 모델 구조를 가질 뿐 아니라 학습된 퍼지 규칙을 해석하는 것이 매우 용이하다는 장점을 갖는다. 제안된 방법의 실효성을 검증하기 위해 1996년과 1997년의 한극전력의 실제 전력 수요 데이터를 이용하여 1시간, 24시간, 168시간 앞의 전력 수요를 예측하는 모의 실험을 수행한다. 실험 결과 제안된 방법은 단지 2개의 입력 변수를 사용함에도 불구하고, 기존의 예측 방법과 비교하여 예측의 정확도와 신뢰도 측면에서 우수한 성능을 얻는다.

• 전기전자학회논문지
• /
• 제12권3호
• /
• pp.158-166
• /
• 2008

의용 초음파 장비는 X-Ray, CT, MRI 등 다른 의료 장비보다 휴대성과 안전성면에서는 장점이 있지만 진단 시 해상도와 화질 저하를 유발하는 스펙클이 생기는 단점이 있다. 그러나 단순한 스펙클 잡음의 제거는 경계선 정보의 손실을 발생시킬 수도 있다. 이에 본 논문에서는 효과적인 스펙클 제거와 손실 없는 경계선 검출을 위해 뉴럴네트워크와 퍼지 클러스터링을 이용한 뉴로-퍼지 스펙클 제거 방법을 제안하였다. 제안된 방법은 입력된 의용 초음파 영상에 대해 먼저 퍼지 클러스터링을 적용하여 세 영역으로 나누고 이후 각 영역별로 별도의 뉴럴 네트워크를 적용하는 방법이다. 실제 실험 및 기존 방법들과의 정성적?정량적 비교 분석을 통해 제안 방법의 유용성을 검증하였다.

• 한국산학기술학회논문지
• /
• 제12권8호
• /
• pp.3689-3696
• /
• 2011

의사결정 지원시스템에서 작업자들은 대량의 데이터 집계 연산을 요구하며, 데이터에 대한 정확한 응답보다는 경향 분석에 더 많은 관심을 가진다. 그러므로 정확한 응답보다 빠른 근사 질의응답을 제공하는 것이 필요하며 그것을 실현하기 위한 근사질의 응답 기법의 연구가 필요하다. 따라서 본 논문에서는 기존 연구들의 단점을 보안하고 근사 응답의 정확성을 향상시킬 수 있는 Fuzzy C-Means (FCM) 클러스터링 기반 Adaptive Neuro-Fuzzy Inference System (ANFIS)을 이용한 근사 질의응답 기법을 제안한다. FCM-ANFIS을 이용한 근사 질의응답 기법은 다차원 데이터의 지식 표현 모델을 생성함으로써 거대한 다차원 데이터 큐브에 직접적인 접근 없이 집계 질의 수행이 가능하다. 비교실험을 통하여 제안된 기법이 기존의 NMF 기법보다 근사 질의응답의 정확성이 향상되었음을 확인한다.