초록
Z. cao는 Relation matrix를 사용한 정밀한 추론이 가능한 NFRM(New fuzzy reasoning method)을 제안하였다. 이는 추론의 규칙 수가 적음에도 불구하고 Mamdani의 퍼지 추론방식에 비하여 좋은 성능을 보였다. 그러나 대부분의 퍼지스템의 경우, MIMO 시스템에 적용 시 퍼지 추론규칙을 도출해 내기 힘들고 많은 규칙의 수가 요구되는 단점을 갖는다. 그러므로 본 연구자에 의하여 과거에 Z. Cao's의 퍼지 추론방법을 MIMO 시스템으로 확장된 MIMO 퍼지추론 방식이 제안되었다. 그러나 정밀한 추론을 위하여 relation matrix는 휴리 스틱 (heuristic)한 방법이나 시행착오법을 사용하여 구하였고, 이는 많은 시간과 노력이 필요하다. 본 연구에서는 이러한 relation matrix를 구하기 위하여 시행 착오법에 의해 소요되는 많은 시간과 노력을 줄이고, 더욱 정밀한 추론 성능의 개선을 위하여 경사감소학습법을 사용한 학습기 능을 갖는 MIMO 퍼지추론 방식을 제안하고자 한다. 모의실험은 2축 로봇의 역기구학 문제를 푸는데 적용하여 제안된 추론방식이 좋은 성능을 보였다.
Z. Cao had proposed NFRM(new fuzzy reasoning method) which infers in detail using relation matrix. In spite of the small inference rules, it shows good performance than mamdani's fuzzy inference method. But the most of fuzzy systems are difficult to make fuzzy inference rules in the case of MIMO system. The past days, We had proposed the MIMO fuzzy inference which had extended a Z. Cao's fuzzy inference to handle MIMO system. But many times and effort needed to determine the relation matrix elements of MIMO fuzzy inference by heuristic and trial and error method in order to improve inference performances. In this paper, we propose a MIMO fuzzy inference method with the learning ability witch is used a gradient descent method in order to improve the performances. Through the computer simulation studies for the inverse kinematics problem of 2-axis robot, we show that proposed inference method using a gradient descent method has good performances.