• 감성과학
• /
• 제1권2호
• /
• pp.93-103
• /
• 1998

효율적이고 체계적인 퍼지제어를 위해 조작자의 제어동작을 모델링하거나 공정을 모델링하는 기법이 필요하고, 또한 퍼지 추론시에 조건부의 기여도(contribution factor)의 결정과 동작부의 제어량의 결정이 추론의 결과에 중요하다. 본 논문에서는 추론시 조건부의 기여도와 동작부의 세어량이 퍼지 엔트로피의 개념하에서 수행되는 적응 퍼지 추론시스템을 제시한다. 제시된 시스템은 전방향 신경회로망의 토대위에서 구현되며 주건부의 기여도가 퍼지 엔트로피에 의하여 구해지고, 동작부의 제어량은 확장된 퍼지 엔트로피에 의하여 구해진다. 이를 위한 학습 알고리즘으로는 역전파 알고리즘을 이용하여 조건부의 파라미터의 동정을 하고 동작부 파라미터의 동정에는 국부해에 보다 강인한 유전자 알고리즘을 이용하다. 이러한 모델링 기법을 임펄스 잡음과 가우시안 잡음이 첨가된 영상에 적용하여 본 결과, 영상복원시에 발생되는 여러 가지의 경우에 대한 적응성이 보다 양호하게 유지되었고, 전체영상의 20%의 데이터만으로도 객관적 화질에 있어서 기존의 추론 방법에 비해 향상을 보였다.

• 한국항만학회지
• /
• 제14권2호
• /
• pp.187-197
• /
• 2000

In this paper, an adaptive mechanism based on immune algorithm is designed and it is applied to the driving control of the autonomous guided vehicle(AGV). When the immune algorithm is applied to the PID controller, there exists the case that the plant is damaged by the abrupt change of PID parameters since the parameters are adjusted almost randomly. To solve this problem, a neural network used to model the plant and the parameter tuning of the model is performed by the immune algorithm. After the PID parameters are determined through this off-line manner, these parameters are then applied to the plant for the on-line control using immune adaptive algorithm. Moreover, even though the neural network model may not be accurate enough initially, the weighting parameters are adjusted more accurately through the on-line fine tuning. The experiment for the control of steering and speed of AGV is performed. The results show that the proposed controller provides better performances than other conventional controllers.

• 한국정밀공학회지
• /
• 제21권10호
• /
• pp.65-77
• /
• 2004

In this paper, we propose an adaptive mechanism based on immune algorithm and neural network identifier technique. It is also applied fur an autonomous guided vehicle (AGV) system. When the immune algorithm is applied to the PID controller, there exists the case that the plant is damaged due to the abrupt change of PID parameters since the parameters are almost adjusted randomly. To solve this problem, we use the neural network identifier (NNI) technique fur modeling the plant and humoral immune algorithm (HIA) which performs the parameter tuning of the considered model, respectively. After the PID parameters are determined in this off-line manner, these gains are then applied to the plant for the on-line control using an immune adaptive algorithm. Moreover, even though the neural network model may not be accurate enough initially, the weighting parameters are adjusted to be accurate through the on-line fine tuning. Finally, the simulation and experimental result fur the control of steering and speed of AGV system illustrate the validity of the proposed control scheme. These results for the proposed method also show that it has better performance than other conventional controller design methods.