• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2006년도 춘계학술대회 논문집
• /
• pp.315-320
• /
• 2006

This paper presents speed control of IPMSM drive using neural network(NN) PI controller. In general, PI controller in computer numerically controlled machine process fixed gain. They may perform well under some operating conditions, but not all. To increase the robustness of fixed gain PI controller, NNPI controller proposes a new method based neural network. NNPI controller is developed to minimize overshoot, rise time and settling time following sudden parameter changes such as speed, load torque and inertia. Also, this paper is proposed speed control of IPMSM using neural network and estimation of speed using artificial neural network(ANN) controller. The back propagation neural network technique is used to provide a real time adaptive estimation of the motor speed. The results on a speed controller of IPMSM are presented to show the effectiveness of the proposed gain tuner. And this controller is better than the fired gains one in terms of robustness, even under great variations of operating conditions and load disturbance.

• 한국조명전기설비학회:학술대회논문집
• /
• 한국조명전기설비학회 2006년도 춘계학술대회 논문집
• /
• pp.309-314
• /
• 2006

Interior permanent magnet synchronous motor(IPMSM) has become a popular choice in electric vehicle applications, due to their excellent power to weight ratio. This paper proposes maximum torque control of IPMSM drive using adaptive learning fuzzy neural network and artificial neural network. This control method is applicable over the entire speed range which considered the limits of the inverter's current md voltage rated value. For each control mode, a condition that determines the optimal d-axis current $i_d$ for maximum torque operation is derived. This paper considers the design and implementation of novel technique of high performance speed control for IPMSM using adaptive teaming fuzzy neural network and artificial neural network. The hybrid combination of neural network and fuzzy control will produce a powerful representation flexibility and numerical processing capability. Also, this paper proposes speed control of IPMSM using adaptive teaming fuzzy neural network and estimation of speed using artificial neural network. The back propagation neural network technique is used to provide a real time adaptive estimation of the motor speed. The proposed control algorithm is applied to IPMSM drive system controlled adaptive teaming fuzzy neural network and artificial neural network, the operating characteristics controlled by maximum torque control are examined in detail. Also, this paper proposes the analysis results to verify the effectiveness of the adaptive teaming fuzzy neural network and artificial neural network.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2005년도 제36회 하계학술대회 논문집 B
• /
• pp.1453-1455
• /
• 2005

This paper presents self tuning PI controller of IPMSM drive using neural network. Self tuning PI controller is developed to minimize overshoot, rise time and settling time following sudden parameter changes such as speed, load torque and inertia. Also, this paper is proposed speed control of IPMSM using neural network and estimation of speed using artificial neural network(ANN) controller. The results on a speed controller of IPMSM are presented to show the effectiveness of the proposed gain tuner. And this controller is better than the fixed gains one in terms of robustness, even under great variations of operating conditions and load disturbance.

• 센서학회지
• /
• 제12권5호
• /
• pp.211-217
• /
• 2003

도로의 중앙에 일정한 간격으로 마그네틱 마커를 설치하고 차량에 자기 센서를 장착하여 차량의 이동에 따른 자기장의 변화를 측정하여 차량의 주행 경로를 인식하는 시스템의 성능을 개선하는 방법을 제안한다. 도로에 설치하는 마그네틱 마커들의 설치비를 절감하기 위하여 마커들 간의 설치간격을 기존의 경우보다 넓혔다. 이를 위하여 마커들의 간격에 따른 자계의 분석을 행하여 적절한 마커들의 간격을 알아내고, 6개 센서들의 배치방법과 신경회로망을 이용한 제어방법을 제안하였다. 자기장 분석, 지자기 소거. 학습패턴 획득, 신경망 학습에 의해 조향 제어기를 구성하고 컴퓨터 주행 시뮬레이션을 통해 제안된 방법에 의한 자율주행 차량의 성능이 개선될 수 있음을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제2권2호
• /
• pp.88-95
• /
• 1996

It is inevitable for local systems to have deviations which represent interactions and modeling errors originated from the decomposition process of a large scale system. This paper presents a decentralized control scheme for interconnected systems using local linear models and a neuro-coordinator. In the proposed method, the local system is composed of a linear model and unknown deviations caused by linearizing the subsystems around operating points or by estimating parameters of the subsystems. Because the local system has unmeasurable deviations we define a local reference model which consists of a local linear model and a neural network to estimate the deviations indirectly. The reference model is reformed into a linear model which has no deviations through a transformation of input variables and we obtain an optimum feedback control law which minimizes a local performance index. Finally, we derive a decentralized feedback control law which consists of local linear states and neural network outputs. In the decentralized control, the neuro-coordinator generates a corrective control signal to cancel the effect of deviations through backpropagation learning with the errors obtained from the differences of the local system outputs and reference model outputs. Also, the stability of local system is proved by the degree of learning of the neural network under an assumption on a neural network learning index. It is shown by computer simulations that the proposed control scheme can be applied successfully to the control of a biased two-link planar robot manipulator.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2002년도 추계학술대회 논문집
• /
• pp.530-535
• /
• 2002

Pneumatic control system has been applied to build many industrial automation systems. But most of them are sequence control type because of their low costs, safety, reliability, etc. Pneumatic servo system is rarely applied to real industrial fields because accurate position control is very difficult due to its nonlinearity and compressibility of air. In pneumatic servo control system, a pneumatic servo valve can be applied, But it is very expensive and has no advantage of low cost compared with a common pneumatic system. This paper is concerned with the accurate position control of a rodless pneumatic cylinder using on/off solenoid valve. A novel Intelligent Modified Pulse Width Modulation(MPWM) is newly proposed. The control performance of this pneumatic cylinder depends on the external loads. To overcome this problem, switching of control parameter using artificial neural network is newly proposed, which estimates external loads on rodless pneumatic cylinder using this training neural network. As an underlying controller, a state feedback controller using position, velocity and acceleration is applied in the switching control the system. The effectiveness of the proposed control algorithms are demonstrated through experiments nth various loads.

• 한국식품과학회지
• /
• 제28권5호
• /
• pp.916-921
• /
• 1996

감자칩의 생산 공정에서 속슬렛 추출법에 의한 지방 함량의 측정은 측정 시간이 길어서 공정 제어에 이용하기에 적절하지 못하기 때문에, 근적외선 분광 분석법에 의한 감자칩의 지방 함량의 신속한 측정에 대한 연구를 수행하였다. 분쇄된 시료와 분쇄되지 않은 시료에 대한 스펙트럼과 지방 함량과의 상관 관계를 각각 분석하였고, 분석된 상관 관계를 토대로 하여 예측 모형을 개발하였으며, 개발된 예측 모형에 대해 검증하였다. 예측 모형의 개발에는 회귀 분석과 신경회로망 기법을 이용하였다. 분쇄된 시료에 대한 지방 함량의 예측 모형은 회귀모형과 신경 회로망 기법에 의해서, 결정 계수가 각각 093, 0.92, SEP는 각각 1.29%, 1.17%였다. 이와 같은 결과에 의해서, 근적외 분광 분석법에 의한 분쇄된 감자칩의 지방 함량의 예측 모형 개발이 가능하다고 판단되었다. 또한 SEP를 비교할 때, 회귀 모형보다는 신경 회로망 기법에 의한 예측 모형이 더 우수한 것으로 나타났다. 분쇄되지 않은 시료에 대한 흡광도와 지방 함량과의 상관 관계 분석 결과, 근적외 분광 분석법에 의한 지방 함량의 예측 모형의 개발은 적절하지 못하다고 판단되었다.

• 한국전자통신학회논문지
• /
• 제18권5호
• /
• pp.817-826
• /
• 2023

본 논문에서는 스마트 그리드 배전 계통에서 선로상의 고장으로부터 계통을 보호하기 위한 인공 신경 회로망을 기반으로 하는 고장 판단 방법론을 제안하였다. 제안된 방법론에서는 먼저 전류 실효값 크기를 기반으로 일반 고장 여부를 판단하고 다음, 정상 전류로 판단되는 경우 인공 신경 회로망을 기반으로 하는 normal/HIF classifier를 이용하여 고 임피던스 지락 고장 여부를 판단하도록 설계하였다. 반복적인 DSP 모듈 기반 알고리즘 검증 시험들 중에서, 실효 값 크기가 최소 동작전류보다 작은 정상 전류 파형 시험인 경우에 normal/HIF classifier가 전류 파형을 정상상태로 인식하여 부 동작하였으며, 반면에, 저 임피던스 고장의 경우는 고장 상태로 인식하여 정해진 절차에 따라 재폐로 동작을 보임으로써 제안된 방법론의 유효성을 확인할 수 있었다.

• 제어로봇시스템학회논문지
• /
• 제3권6호
• /
• pp.644-651
• /
• 1997

In the water purification plant, chemicals are injected for quick purification of raw water. It is clear that the amount of chemicals intrinsically depends on water quality such as turbidity, temperature, pH and alkalinity. However, the process of chemical reaction to improve water quality (e.g., turbidity) by chemicals is not yet fully clarified nor quantified. The feedback signal in the process of coagulant dosage, which should be measured (through the sensor of the plant) to compute the appropriate amount of chemicals, is also not available. Most traditional methods focus on judging the conditions of purifying reaction and determine the amounts of chemicals through manual operation of field experts using Jar-test data. In this paper, a systematic control strategy is proposed to derive the optimum dosage of coagulant, PAC(Polymerized Aluminium Chloride), using Jar-test results. A neural network model is developed for coagulant dosing and purifying process by means of six input variables (turbidity, temperature, pH, alkalinity of raw water, PAC feed rate, turbidity in flocculation) and one output variable, while considering the relationships to the reaction of coagulation and flocculation. The model is utilized to derive the optimum coagulant dosage (in the sense of minimizing turbidity of water in flocculator). The ability of the proposed control scheme validated through the field test has proved to be of considerable practical value.

• 전자공학회논문지SC
• /
• 제42권2호
• /
• pp.39-48
• /
• 2005

본 논문에서는 다기능 근전의수를 제어하기 위해 전완에서 취득한 4 채널의 근전도로부터 9 가지 동작을 인식하는 새로운 방법을 제안한다. 비정상 신호특성을 가진 근전도를 해석하기 위해서 시간-주파수 영역에서 표현되는 특징벡터를 웨이블렛 패킷변환을 통해 추출한다. 높은 차원을 가지는 시간-주파수 특징벡터에 대하여 차원축소와 비선형변환을 수행하기 위해 PCA와 SOFM으로 구성된 특징투영 방법을 제안한다. PCA를 이용한 차원축소는 패턴분류기의 구조를 단순화하고 패턴인식을 위한 계산시간을 단축할 수 있다. SOFM을 이용한 비선형변환은 PCA에 의해 차원이 축소된 특징벡터를 새로운 공간으로 투영함으로써 클래스 분리도를 향상시킨다. 마지막으로 각 동작은 패턴분류기인 다층 신경회로망에 의해 인식된다. 실험 결과로부터 제안한 방법이 높은 인식률을 보임과 동시에 연속적인 패턴인식을 위한 실시간 구현이 가능함을 보인다.