• Proceedings of the KIEE Conference
• /
• 1998.07b
• /
• pp.471-473
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용한 능동 소음제어기를 구현하였다. 능동 소음제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화하고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하였고, 파라미터를 오차 역전과 학습을 통하여 변화시킴으로써 잡음의 특성에 효과적으로 적응하는 능동 소음제어기를 구성하였다. 시뮬레이션을 통하여 여러 종류의 신호에 대해서 랜덤 노이즈를 발생시키고 구성된 제어기의 성능을 확인하였다.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.16 no.5
• /
• pp.484-493
• /
• 2011

The MPPT algorithm using neuro-fuzzy controller is proposed to improve the performance of fuzzy controller in this paper. The width of membership function and fuzzy rule have an effect on the performance of fuzzy controller. The neuro-fuzzy controller has the response characteristic which is superior to the existing fuzzy controller, because of using the optimal width of the fuzzy membership function through the neural learning. The superior control characteristic of a proposed algorithm is confirmed through simulation and experiment results.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.187-190
• /
• 2002

주어진 시스템의 정확한 제어를 위해 뉴로-퍼지 제어시스템의 성공적인 제어는 그 네트웍의 구성에 크게 의존한다. 현재 유전알고리즘을 사용한 제어기 구조의 최적화 방법에 대한 많은 연구가 이루어지고 있으나, 기존의 유전 알고리즘은 고정된 길이의 스트링 구조로 인하여 적합한 연계(linkage)를 얻기 어렵다는 단점이 있다 본 논문에서는 뉴로-퍼지 제어기의 구조적 최적화 설계의 새로운 방법을 제안한다. 여기서, 우리는 구조적으로 최적화 된 뉴로-퍼지 제어기를 설계하기 위해 가변길이 스트링을 사용하는 메시 유전 알고리즘(messy Genetic Algorithm mGA)을 사용한다. 그리고 제안된 방법의 우수성을 증명하기 위해 대표적인 비선형 시스템인 cart-pole 시스템에 제안된 방법을 적용한다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.7 no.8
• /
• pp.1759-1766
• /
• 2003

This paper proposes a neuro­fuzzy controllers for trajectory tracking control of robot manipulators. The computed torque method is an effective means for trajectory tracking control. However, the tracking performance of this method is severely affected by the uncertainties of robot manipulators. Therefore, the proposed controller is used to compensate the uncertainties of robot manipulators. In the neuro­fuzzy controllers, the number of fuzzy rules used forty­nine. The effectiveness of the proposed controllers is demonstrated by computer simulations using two­link robot manipulator, As a result, it is confirmed that the output of the proposed neuro­fuzzy controllers can efficiently decrease the uncertainties of robot manipulator.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.5
• /
• pp.395-400
• /
• 2000

In this paper, we propose a new neuro-fuzzy controller based on reinforcement learning. The proposed system is composed of neuro-fuzzy controller which decides the behaviors of an agent, and dynamic recurrent neural networks(DRNNs) which criticise the result of the behaviors. Neuro-fuzzy controller is learned by reinforcement learning. Also, DRNNs are evolved by genetic algorithms and make internal reinforcement signal based on external reinforcement signal from environments and internal states. This output(internal reinforcement signal) is used as a teaching signal of neuro-fuzzy controller and keeps the controller on learning. The proposed system will be applied to controller optimization and adaptation with unknown environment. In order to verifY the effectiveness of the proposed system, it is applied to collision avoidance of an autonomous mobile robot on computer simulation.

• The Transactions of the Korea Information Processing Society
• /
• v.13 no.2
• /
• pp.13-17
• /
• 2024

In this paper, union-based rule antecedent neuro-fuzzy controller, which can guarantee a parsimonious knowledge base with reduced number of rules, is proposed. The proposed neuro-fuzzy controller allows union operation of input fuzzy sets in the antecedents to cover bigger input domain compared with the complete structure rule which consists of AND combination of all input variables in its premise. To construct the proposed neuro-fuzzy controller, we consider the multiple-term unified logic processor (MULP) which consists of OR and AND fuzzy neurons. The fuzzy neurons exhibit learning abilities as they come with a collection of adjustable connection weights. In the development stage, the genetic algorithm (GA) constructs a Boolean skeleton of the proposed neuro-fuzzy controller, while the stochastic reinforcement learning refines the binary connections of the GA-optimized controller for further improvement of the performance index. An inverted pendulum system is considered to verify the effectiveness of the proposed method by simulation and experiment.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.384-389
• /
• 1998

본 논문은 특정 응용에 적합한 퍼지 제어기의 최적 설계 파라메터(퍼지 규칙과 소속 함수)를 찾는데 역전파 학습 과정과 유전 알고리즘을 결합한 Lamarckian 상호적응 기법을 이용한 뉴로-퍼지 제어기의 새로운 설계 방법을 제안한다. 설계 파라메타들은 진화에 의한 전역적 탐색을 통해 높은 포함값과 유용한 퍼지 규칙들을 갖는 규칙 베이스와 작은 근사화 오차와 좋은 제어 성능을 갖는 소속 함수들을 얻도록 제어기간 파라메타 조절을 수행하며, 학습에 의한 국부적 탐색을 통해 각 퍼지 제어기가 원하는 제어 결과를 나타내도록 제어기내 파라메타 조절을 수행한다. 제안한 상호적응 설계 방법은 유전 알고리즘의 모든 세대에서 역전파 학습이 이루어지므로 보다 좋은 근사화 능력을 나타나고, 사용한 무게 중심 비퍼지화기가 정확한 비퍼지화값을 계산하므로 보다 좋은 제어 성능을 가지며, 퍼지 규칙 베이스와 소속 함수들의 최적화 탐색 과정이 입출력 공간의 같은 퍼지 분할 상에서 통합된 적응 함수에 의하여 동시에 수행되므로 탐색을 위한 작업 공간이 아주 작아지는 장점이 있다. 시뮬레이션 결과는 Lamarckian 상호 적응에 의해 얻어진 FLC가 퍼지 규\ulcorner 수, 근사화 능력, 제어 성능등 모든면에서 다른 방법에 의해 얻어진 FLC보다 가장 우수함을 보여준다.

• 전자공학회논문지 IE
• /
• v.47 no.3
• /
• pp.26-34
• /
• 2010

In this study, a neuro-fuzzy controller based on the characteristics of fuzzy controlling and structure of artificial neural networks(ANN). This neuro-fuzzy controller has each advantage from fuzzy and ANN, respectively. Plus, it can handle their own shortcomings and parameters in the controller can be tuned by on-line. To verify the proposed controller, it has applied to the AC servo motor which is popular item in robot control field. General PID and fuzzy controller are also applied to the same motor so stability and good characteristic of the proposed controller are compared and proved. Especially, the experiment for variable load is investigated and performance result is proved also.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2004.10a
• /
• pp.439-440
• /
• 2004

전력시스템의 부하주파수제어는 전력계통운용에 있어서 가장 중요하게 다루어야 한다. 본 논문에서는 강인한 퍼지제어기를 얻고자, 다층 신경회로망을 이용하여 퍼지제어기 멤버쉽 함수의 전건부 및 후건부 파라미터들을 시스템에 알맞게 자기 조정하기 위해 최급구배법에 근거한 오차 역전파 알고리즘으로 적응 학습시킬 수 있는 뉴로-퍼지제어기의 구조 및 알고리즘을 제안하였다.

• ICROS
• /
• v.1 no.3
• /
• pp.83-91
• /
• 1995

이 글에서는 신경회로망의 장점과 퍼지논리의 장점을 최대한 이용하며 각각의 단점을 보완하는 뉴로-퍼지 융합 기술과 현재 연구의 흐름을 간단히 살펴보았다. 비구조적인 정보 뿐만 아니라 구조적인 정보까지도 신경회로망의 영역 안에서 처리할 수 있는 새로운 뉴로-퍼지 회로망을 소개하였다. 소개한 뉴로-퍼지 회로망은 비퍼지화와 비퍼지화에 의해 발생하는 오차를 잘 보상할 수 있을 뿐만 아니라, 최적의 입출력 퍼지 소속 함수의 중심점과 모양을 찾을 수 있는 장점이 있다. 또한, 그 특성을 알지 못하는 임의의 비선형 동적 시스템에서 입출력 데이터만 얻을 수 있으며 시스템을 모델할 수 있는 퍼지 규칙을 언어적인 방법과 수치적인 방법으로 표현할 수 있으며 간단한 예제를 통한 시뮬레이션 결과를 보였다. 소개한 뉴로-퍼지 회로망을 이용하여 뉴로-퍼지 제어기를 구성할 수도 있으며, 또한 시스템의 역 퍼지 규칙을 찾는데 이용할 수도 있다. 향후 보다 우수한 일반화 성능을 가질 수 있는 뉴로-퍼지 회로망의 개발이 필요하며, 충분한 입출력 데이터를 얻는 방법의 연구도 필요하다.