Abstract
In this paper, we propose a novel predictive control method, which uses a wavelet neural network as a predictor, for the control of chaotic systems. In our method, we use the gradient descent method for training the parameter of a wavelet neural network. The control signals are directly obtained by minimizing the difference between a reference signal and the output of a wavelet neural network. To verify the efficiency of our method, we apply it to the Doffing and the Henon system, which are a representative continuous and discrete time chaotic system respectively, and compare with the results of generalized predictive control using multi-layer perceptron.
본 논문에서는 혼돈 시스템을 제어하기 위해 웨이블릿 신경 회로망을 예측기로 사용하여 일반형 예측 제어기를 설계하는 방법을 제안한다. 본 논문의 방법에서는 웨이블릿 신경 회로망의 각 파라미터에 대한 학습은 예측 오차를 이용한 경사 하강법에 의해 수행되며, 제어 신호는 웨이블릿 신경 회로망의 출력과 기준 신호 사이의 제어 오차를 최소화함으로써 생성된다. 한편, 모의 실험을 통해 본 논문에서 제안한 제어기를 각각 연속 시간 혼돈 시스템인 Doffing 시스템과 이산 시간 혼돈 시스템인 Henon 시스템에 적용하여 제어기의 효율성을 확인하고 아울러 신경 회로망을 이용한 예측 제어의 결과와 비교함으로써 제어기의 우수성을 검증한다
