• Journal of IKEEE
• /
• v.27 no.4
• /
• pp.379-385
• /
• 2023

Distributed congestion control (DCC) is a technology that mitigates channel congestion and improves communication performance in high-density vehicular networks. Traditional DCC techniques operate to reduce channel congestion without considering quality of service (QoS) requirements. Such design of DCC algorithms can lead to excessive DCC actions, potentially degrading other aspects of QoS. To address this issue, we propose a deep reinforcement learning-based QoS-adaptive DCC algorithm. The simulation was conducted using a quasi-real environment simulator, generating dynamic vehicular densities for evaluation. The simulation results indicate that our proposed DCC algorithm achieves results closer to the targeted QoS compared to existing DCC algorithms.

• Journal of Institute of Control, Robotics and Systems
• /
• v.8 no.7
• /
• pp.584-588
• /
• 2002

The real-time characteristic of the adaptive leaning control algorithms is validated based on the applied results of the hydraulic servo system that has very strong a non-linearity. The evolutionary strategy automatically adjusts the search regions with natural competition among many individuals. The error that is generated from the dynamic system is applied to the mutation equation. Competitive individuals are reduced with automatic adjustments of the search region in accordance with the error. In this paper, the individual parents and offspring can be reduced in order to apply evolutionary algorithms in real-time. The feasibility of the newly proposed algorithm was demonstrated through the real-time test.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.21 no.7
• /
• pp.103-108
• /
• 2007

Neural network is used in many fields of control systems currently. However, It is not easy to obtain input-output pattern when neural network is used for the system of a single feedback controller and it is difficult to get satisfied performance with neural network when load changes rapidly or disturbance is applied. To resolve these problems, this paper proposes a new mode to implement a neural network controller by installing a real object in place of activation function of Neural Network output node. As the Neural Network self adaptive control system is designed in simple structure neural network input-output pattern problem is solved naturally and real tin Loaming becomes possible through general back propagation algorithm. The effect of the proposed Neural Network self adaptive control algorithm was verified in a test of controlling the speed of a A.C. servo motor equipped with a high speed computing capable DSP (TMS320C32) on which the proposed algorithm was loaded.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.35S no.9
• /
• pp.35-42
• /
• 1998

Finding a technique to achieve high machining precision and high productivity is an important issue for CNC machining. One of the solutions to meet better performance of machining is feedrate control. In this paper we present an adaptive feedrate neuro-control method for high precision and high speed machining. The adaptive neuro-control architecture consists of a neural network identifier(NNI) and an iterative learning control algorithm with inversion of the NNI. The NNI is an identifier for the nonlinear characteristics of feedrate and contour error, which is utilized in iterative learning for adaptive feedrate control with specified contour error tolerance. The proposed neuro-control method has been successfully evaluated for machining circular, corner and involute contours by computer simulations.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.19 no.4
• /
• pp.825-840
• /
• 2015

Adaptive bitrate (ABR) streaming technology has become an important and prevalent feature in many multimedia delivery systems, with content providers such as Netflix and Amazon using ABR streaming to increase bandwidth efficiency and provide the maximum user experience when channel conditions are not ideal. Where such systems could see improvement is in the delivery of live video with a closed loop cognitive control of video encoding. In this paper, we present streaming camera system which provides spatially and temporally adaptive video streams, learning the user's preferences in order to make intelligent scaling decisions. The system employs a hardware based H.264/AVC encoder for video compression. The encoding parameters can be configured by the user or by the cognitive system on behalf of the user when the bandwidth changes. A cognitive video client developed in this study learns the user's preferences(i.e. video size over frame rate) over time and intelligently adapts encoding parameters when the channel conditions change. It has been demonstrated that the cognitive decision system developed has the ability to control video bandwidth by altering the spatial and temporal resolution, as well as the ability to make scaling decisions.

• Information and Communications Magazine
• /
• v.9 no.11
• /
• pp.70-79
• /
• 1992

제6세대 컴퓨터로 불리는 신경컴퓨터는 학습과 병렬처리에 의해 인간의 두뇌 기능을 모방한다. 인간의 두뇌는 시각인식, 음성인식, 촉각감지 등 패턴인식뿐 아니라 인간의 복잡한 신체구조를 시각, 촉각 같은 감각기관의 도움을 얻어 움직이는 중요한 역할도 한다. 바로 이 모터제어(motor control) 역시 신경회로가 담당하기 때문에 이를 기계적 신체에 해당하는 로보트 또는 광범위하게 기계, 비행기, 산업공정에 응용하는 것은 매우 자연스럽게 보인다. 이처럼 신경회로가 제어에 응용되는 것을 신경제어 (neurocontrol)라 하고 이를 이용한 기계를 지능기계(intelligent machinery)라 한다. 지능기계는 기본적으로 인간처럼 경험축적 학습 불확실한 환경에서의 적응 자기진단 등의 장점을 가지고 있다. 신경회로의 지극히 광범위한 응용분야중 신경제어는 가장 먼저 실현될 가능성이 높다. 실제로 로보트나 공정제어(process control)처럼 복잡한 비선형 시스템의 제어는 다량의 센서 정보에 기초한 실시간 제어를 필수로 하며 이는 신경회로를 사용함으로써 가장 효율적, 경제적으로 구현할 수 있다. 실제로 신경제어는 전세계적으로 이미 시스템 제어에 응용되어 좋은 결과를 내고 있다. 신경회로의 로보트나 자동화 응용은 학술적인 측면에서는 복잡한 비선형 시스템의 지능제어 (intelligent control)문제에 대한 신선한 해결책을 마련해줄 뿐 아니라 산업자동화라는 막대한 시장을 뒤로 하고 있어 이론에서 실제에 걸쳐 가장 광범위한 파급효과를 가지는 최첨단 기술로 보여진다. 고부가가치 상품을 통한 국제 경쟁력 제고의 차원에서도 정부, 기업 등의 과감한 연구 개발투자가 선행되어야 한다. 특히 이 분야의 연구는 선진국도 최근에 시작한 점으로 보아 정부, 기업이 이에 대한 연구 개발투자를 현명하게 할 경우에 세계적 기술 경쟁력도 확보할 수 있을 것이다. 본 해설에서는 로보트 및 시스템 제어에 관한 기초 이론을 설명하고 신경회로 적용기술을 소개하고 기존 방법과 비교 했을 때의 우월성, 전세계적인 응용연구, 국내외 연구개발 현황, 상업화 가능성, 산업계 응용례, 기술상의 문제점, 향후 전망 등을 다루기로 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.11a
• /
• pp.335-338
• /
• 2005

로봇 에이전트는 변화하는 환경에서 센서정보를 바탕으로 적절한 행동을 선택하며 동작하는 것이 중요하다. 행동 선택 네트워크는 이러한 환경에서 변화하는 센서정보에 따라 실시간으로 행동을 선택할 수 있다는 점에서, 장시간에 걸친 최적화보다 단시간 내 개선된 효율성에 초점을 맞추어 사용되어 왔다. 하지만 행동 선택 네트워크는 초기 문제에 의존적으로 설계되어 변화하는 환경에 유연하게 대처하지 못한다는 맹점을 가지고 있다. 본 논문에서는 행동 선택 네트워크의 연결을 LCS를 기반으로 진화 학습시켰다. LCS는 유전자 알고리즘을 통해 만들어진 규칙들을 강화학습을 통해 평가하며, 이를 통해 변화하는 환경에 적합한 규칙을 생성한다. 제안하는 모델에서는 LCS의 규칙이 센서정보를 포함한다. 진화가 진행되는 도중 이 규칙들이 모든 센서 정보를 포함하지 못하기 때문에 현재의 센서 정보를 반영하지 못하는 경우가 발생할 수 있다. 본 논문에서는 이를 해결하기 위해 센서정보 별로 개체를 따로 유지하는 방법을 제안한다. 제안하는 방법의 검증을 위해 Webots 시뮬레이터에서 케페라 로봇을 이용해 실험을 하여, 변화하는 환경에서 로봇 에이전트가 학습을 통해 올바른 행동을 선택함을 보였고, 일반LCS를 사용한 것보다 조건별 개체 유지를 통해 더 나은 결과를 보이는 것 또한 확인하였다.

• Ceramist
• /
• v.19 no.4
• /
• pp.74-79
• /
• 2016

창원대학교 스마트융합 메카트로닉스 인력양성 사업단의 교육 목표는 1) 창조적 교육과정을 통한 지역거점 특성화, 2) 세계적인 수준의 경쟁력을 갖춘 기술 인력 양성, 3) 분석력, 창의력, 적응력 및 설계능력을 갖춘 능동적 기술인력 양성, 4) 시대의 환경변화를 선도하는 진취적 기술인력 양성, 5) 인재공급 및 취업률향상으로 정하였다. 이를 달성하기 위한 교육전략은 1) Major전문성(메카트로닉스심화, 공통실험교육 강화), 2) Global국제적감각(팀기반능력, 근접학문이해능력), 3) Creative지속성장 (Capstone Design, 현장적응교육)으로 정하였다. 따라서 메카트로닉스공통융합심화트랙 교육과정으로 기계, 전기전자제어, 신소재분야의 공통트랙으로 이론 30학점, 실험 6학점(16과목, 36학점)을 신설하여 운영하였다. 수강지도를 통한 교차이수권장 학생들의 자율선택기반을 조성하고, 현장적응교육, 캡스톤 디자인 2과목 7학점을 수강하도록 하였다. 학생의 본인주도 학습권을 인정하여 2학년 진학 시 학생본인직접 100% 자기 전공 선택 기회 제공하는 구조조정을 실하고, 타 전공 관련정보 상호교류, 학문간 통합교육, 조직의 유연성확보가 가능하도록 하였다. 교과목(정규/비정규)개편을 통해 개선된 현장 실무 형 내실화 교육의 실시하여 취업률을 향상시켰다. 따라서 창원대학교 신소재공학부는 기계, 전기전자에 관련된 기본소양을 의무적으로 학습하기 때문에 메카트로닉스 분야에서 필요한 신소재공학도를 육성하는 기반을 마련하였다.

• Proceedings of the KIEE Conference
• /
• 1999.07b
• /
• pp.894-896
• /
• 1999

PID 제어는 50년의 역사를 갖기 때문에 현장의 사용자는 이 제어방식에 익숙해져 있으며, 제어장치의 구성이 간단하며 제어기의 최적동조가 가능하므로 많은 분야에서 사용되고 있다[1]. 그러나 PID 제어기에 의해서 얻은 결과에 대하여 만족하기 위해서는 많은 시행착오를 겪어야 한다. 또한 만족하는 결과를 얻었다고 할지라도 외란, 플랜트의 동특성이 바뀌는 경우 시스템을 추종하지 못하기 때문에 파라미터를 재조정하여야 한다. 유전 알고리즘은 자연세계의 진화 현상에 기초한 계산모델로서 John Holland에 의해서 1975년에 개발된 전역적인 최적화 알고리즘이며[1][2], 비선형 고차원, 불연속, 다중모드, 노이즈 함수 등에 대하여 강건함을 보여주고, 복잡한 탐색 공간에서 최적 값을 스스로 발견하는 학습 능력을 갖는다. 이 방법은 재생산, 교배, 돌연변이를 통하여 최적해를 찾은 방법으로 1989년에 D. E. Goldgerg에 의해서 체계적으로 정리된 후 여러 분야에서 응용되고 있다[3][4]. 그러나 유전 알고리즘은 목적함수만을 이용하여 해집단을 탐색하기 때문에 숙련운전자가 원하는 제어 특성 명세인 상승시간, 정착시간, 초과량(oveshoot) 둥을 구체적으로 명시하여 제어에 반영할 수 없다. 또한, 유전 알고리즘은 입력 값이 크게 바뀔 경우 다른 시스템으로 인식하여 새로운 탐색을 수행하는 단점을 가지고 있다. 본 논문은 첫째, 기준모델을 도입하여 플랜트의 성능을 기준모델로 표현하여 플랜트가 요구하는 성능지표를 정량적으로 규정하는 것이 가능하였다. 또한, 이것은 미지 플랜트 동특성을 식별하기 위한 신호로 사용되어, 플랜트의 정보를 얻는데 이용되었다. 즉, 기준모델과 플랜트 출력사이의 추종 오차 정보가 적응기구인 PID 유전제어기의 입력으로 사용되며, 구형파 입력의 경우에도 기준모델과 플랜트의 출력차는 크게 변하지 않는다. 따라서, 유전 알고리즘의 목적함수에 기준 모델을 제안 적용하여 안정적이고, 세밀한 제어를 수행하였다. 둘째, PID의 간단하면서 확실한 제어가 가능하다는 점과 전역적인 최적값을 찾을 수 있는 유전 알고리즘을 적용하여 고속제어를 요하는 직류 서보 모터(DC Servo Motor) 운전 시 실시간 파라미터 동조에 적용하였다.

• Journal of Korea Water Resources Association
• /
• v.31 no.6
• /
• pp.821-832
• /
• 1998

This study investigates the prediction of daily water supply, which is a necessary for the efficient management of water distribution system. Fuzzy neuron, namely artificial intelligence, is a neural network into which fuzzy information is inputted and then processed. In this study, daily water supply was predicted through an adaptive learning method by which a membership function and fuzzy rules were adapted for daily water supply prediction. This study was investigated methods for predicting water supply based on data about the amount of water supplied to the city of Kwangju. For variables choice, four analyses of input data were conducted: correlation analysis, autocorrelation analysis, partial autocorrelation analysis, and cross-correlation analysis. Input variables were (a) the amount of water supplied (b) the mean temperature, and (c)the population of the area supplied with water. Variables were combined in an integrated model. Data of the amount of daily water supply only was modelled and its validity was verified in the case that the meteorological office of weather forecast is not always reliable. Proposed models include accidental cases such as a suspension of water supply. The maximum error rate between the estimation of the model and the actual measurement was 18.35% and the average error was lower than 2.36%. The model is expected to be a real-time estimation of the operational control of water works and water/drain pipes.