• Proceedings of the IEEK Conference
• /
• 1999.06a
• /
• pp.486-491
• /
• 1999

본 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응 제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨이브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Proceedings of the KIEE Conference
• /
• 2008.04a
• /
• pp.79-80
• /
• 2008

본 논문은 FPGA 기반에서 실수형 프로세서의 설계 및 구현에 대한 내용과 이를 이용하여 휴머노이드 로봇 팔의 위치제어를 위한 PD 제어기반의 신경회로망 제어기의 구현에 대한 내용이다. 설계된 프로세서는 명령어 기반의 처리를 통해 산술 연산 뿐만 아니라 로봇의 제어에 사용되는 외부 모듈의 사용이 가능하도록 설계하였으며, 신경회로망 구현에 사용되는 지수함수를 효율적으로 근사화하기 위한 Taylor series를 이용한 알고리즘을 하드웨어 레벨에서 구현하였다. 휴머노이드 로봇 팔의 위치 추종을 위해 고전적인 PD 제어기를 설계하고 PD 기반의 신경회로망 제어기를 설계하였다. 로봇 팔의 6축 제어를 위한 신경회로망 제어기에 요구되는 많은 연산을 감당하도록 하기 위해 설계된 프로세서를 통해 정의된 프로그래밍언어로 제어 프로그램을 작성하였다. PD 제어기와 PD 기반의 신경회로망 제어기를 하드웨어에 설계하여 로봇팔의 위치 추종을 실험하였으며 성능을 비교 검증하였다. 프로세서는 Altera의 Stratix II EP2S180 DSP development board에 구현되었으며 실험적으로 25MIPS의 성능을 가지는 것으로 나타났다.

• ICROS
• /
• v.4 no.2
• /
• pp.8-14
• /
• 1998

본 고에서는 신경회로망 응용 활성화에 도움을 주기 위해 현재까지 구현된 소프트웨어들을 소개하고 응용되는 관련 분야들을 정리소개하였다. 현재의 전세계적으로 신경회로망에 관련된 산업은 약 8억달러이며, 1998년에는 22억달러정도까지 시장이 늘어날 전망이다(미국의 시장조사 회사 Frost and Sullivan이 예측한 자료를 인용). 그리고 소비자를 대상으로 하는 가정용과 산업용을 중심으로 시장이 늘고 있다. 앞으로는 작은 소프트웨어 회사를 중심으로 신경회로망 시뮬레이터 제작과 신경회로망 칩을 이용한 컴퓨터의 제작이 주가 될 것이다. 현재의 칩의 발전속도를 고려하면 상당한 수준의 신경회로망 칩이 발표되고, 칩에 기반한 다른 하드웨어에도 영향을 줄 것으로 예상된다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.31 no.7
• /
• pp.75-84
• /
• 2003

To reduce the effects of the uncertainties due to the modeling error and aerodynamic coefficients, a nonlinear adaptive control system based on neural networks is proposed . Neural networks parameters are adjusted by using an adaptive law. The sliding mode control scheme is used to compensate for the effect of the approximation error of neural networks. Control parameters and neural networks structures are optimized to obtain better performance by using the genetic algorithm. By introducing the concept of multi-groups of populations, the genetic algorithm is modified so that individuals and groups can be simultaneously evolved . To verify the performance of the pro posed algorithm, the optimized neural networks control system is applied to an aircraft longitudinal dynamics.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.5 no.4
• /
• pp.77-86
• /
• 1995

The new architecture that fuzzy logic control(FLC) with difficulties for tuning membership function (MF) is parallel with neural networks(NN) to be learned from the output of FLC is proposed. Therefore proposed scheme has the characteristics to utilize the expert knowledge in design process, to be learned during the operation without any learning mode. In this architecture, the function of the FLC is to supply the sliding surface which is constructed on the phase plane by rule base for giving the desired control characteristics and learning criterion of NN and the stabilization of the control performance before NN is learned, The function of the NN is to let the system trajectory be tracked to the sliding surface and reached to the stable point.

• 전기의세계
• /
• v.46 no.3
• /
• pp.20-25
• /
• 1997

자율주행시스템은 복잡한 환경에서 효과적인 주행을 위해서 센서를 통해 주변의 정보를 수집하고 주변환경에 적절한 동작을 취해야 한다. 이러한 자율주행시스템에 지능적인 방법을 통하여 새롭게 제안한 방법을 서술하였다. 퍼지 논리를 이용하여 운전자와 같이 차량이 차선을 따라 주행하기 위한 퍼지 논리 제어기(FLC)가 설계되었다. 함축적인 차량모델을 기반으로 설계한 퍼지 논리 제어기가 복잡하고 정확한 차량모델을 기반으로 설계된 PID나 FSLQ 제어기와 동등한 성능을 발휘하였다. 인간의 운전방법을 학습할 수 있는 신경회로망을 이용하여 자율주행시스템에 적용하였다. 퍼지 신경회로망은 인간의 제어특성을 반영하도록 설계되었으며 자동으로 생성된 제어기는 퍼지 논리 제어나 신경회로망의 기법보다 우수한 성능을 발휘하였다. 퍼지 논리, 신경회로망, 유전자 알고리즘 등의 인간의 지능 모델에 기초를 둔 방법을 자율주행차량의 제어에 도입하므로써 기존의 자율주행시스템의 문제점을 극복하는데 주요한 역할을 하였다. 앞으로 퍼지 논리, 신경회로망, 유전자 알고리즘은 각각의 강점을 융합하거나, 고전적인 제어 알고리즘과 결합하므로써 더욱 우수한 성능을 발휘할 것으로 예상된다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.16 no.7
• /
• pp.610-614
• /
• 1991

This paper proposes a trajectory constrol fo a robot manipulator by using neural network. The inverse dynamic model of manipuator is learned by neural network. The manipulator is controlled by weight values of the learned neural network. The weight valuese is change with a torque of liner vontroller and a acceleration error. Phsically, the totlal torque for a manipualator is a sum of the liner controller torque and the nerural network controller torque. The proposed control effect is estimated by computer simulation.

• 제어로봇시스템학회:학술대회논문집
• /
• 1997.10a
• /
• pp.215-218
• /
• 1997

A dynamic back-propagation neural network is addressed for adaptive neural control system to approximate non-linear control system rather than static networks. It has the capability to represent the approximation of nonlinear system without mathematical analysis and to carry out the on-line learning algorithm for real time application. The simulated results show fast tracking capability and adaptive response by using dynamic back-propagation neurons.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.39 no.2
• /
• pp.157-165
• /
• 2002

This paper presents the implementation of the speed control system for 3 phase induction motor using PD controller and neural networks. The PD controller is used to control the motor and to train neural networks at the first time. And neural networks are widely used as controllers because of a nonlinear mapping capability, we used feedforward neural networks(FNN) in order to simply design the speed control system of the 3 phase induction motor. Neural networks are tuned online using the speed reference, actual speed measured from an encoder and control input current to motor. PD controller and neural networks are applied to the speed control system for 3 phase induction motor, are compared with PI controller through computer simulation and experiment respectively. The results are illustrated that the output of the PD controller is decreased and feedforward neural networks act main controller, and the proposed hybrid controllers show better performance than the PI controller in abrupt load variation and the precise control is possible because the steady state error can be minimized by training neural networks.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.