• ICROS
• /
• v.2 no.1
• /
• pp.48-58
• /
• 1996

본 논문에서는 화학공정 제어분야에서 수행된 인공신경망을 이용한 연구에 대하여 정리하였다. 본 논문의 구성은 먼저 인공신경망의 일반적인 특성에 대하여 개괄적으로 알아보았고, 인공신경망을 모델링과 제어에 사용한 연구들을 체계적으로 정리하였다. 또한 마지마긍로 화학공정에 적용된 사례를 소개하고, 화학공정에 인공신경망을 사용하는 경우에 댜하여 문제점과 특성을 논의하였다.

• Journal of Korean Society of Steel Construction
• /
• v.21 no.2
• /
• pp.175-181
• /
• 2009

An intelligent control technique using a neural network is proposed for offshore structures exposed to sea-bed earthquakes. Fluid-structure interaction effect was considered in developing controller and a training algorithm for the neural network is presented. In the numerical example, the performance of the proposed neural network controller was compared with that of a passive controller and uncontrolled structures. Based on the example, it can be concluded that the proposed neuro-control scheme can be used for offshore structures with nonlinear characteristics due to its interaction with fluid.

• Journal of Biomedical Engineering Research
• /
• v.19 no.1
• /
• pp.39-46
• /
• 1998

In this paper, we present a neural network identification and a control of highly complicated nonlinear left ventricular assist device(LVAD) system with a pneumatically driven mock circulation system. Generally, the LVAD system needs to compensate for nonlinearities. It is necessary to apply high performance control techniques. Fortunately, the neural network can be applied to control of a nonlinear dynamic system by learning capability. In this study, we identify the LVAD system with neural network identification(NNI). Once the NNI has learned the dynamic model of the LVAD system, the other network, called neural network controller(NNC), is designed for a control of the LVAD system. The ability and effectiveness of identifying and controlling the LVAD system using the proposed algorithm will be demonstrated by computer simulation.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.11 no.1
• /
• pp.103-112
• /
• 2007

Recently structures become longer and higher because of the developments of new materials and construction techniques. However, such modern structures are susceptible to excessive structural vibrations, which may induce problems of serviceability and structural damages. In this paper we attempt to control structural vibration using the probabilistic neural network(PNN) and the artificial neural network(ANN) based on the training pattern that consist of only the structural state vector and the control force. The state vectors of the structure and control forces made by linear quadratic regulator(LQR) algorithm are used for training pattern of PNN and ANN. The proposed algorithm is applied for the vibration control of the three story shear building under Northridge earthquake. Control results by the proposed PNN and ANN are compared with each other.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.4 no.2
• /
• pp.166-174
• /
• 1999

On-line efficiency optimization control of an induction motor drive using neural network is important from the v viewpoints of energy saving and controlling a nonlinear system whose charact81istics are not fully known. This paper p presents a neural networklongleftarrowbased on-line efficiency optimization control for an induction motor drive, which adopts an optimal slip an밍J.lar frequency control. In the proposed scheme, a neuro-controller provides minimal loss operating point i in the whole range of the measured input power. Both simulation and experimental results show that a considerable e energy saving is achieved compared with the conventional constant vlf ratio operation.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.12a
• /
• pp.410-413
• /
• 2002

일반적으로 휴대폰에는 리튬이온(Ll-lon) 전지(battery)를 많이 사용하고 있으며 그 전지(battery)를 충전시키기 위해 Microcontroller를 사용해서 과충전과 방전, 그리고 전지(battery) 보호와 충전에 대한 일정한 전류를 제어한다. 여기에서 충전 동작 시 필요한 일반직인 충전 전류 제어를 PWM의 방식에 의존하지 않고 인공지능 기법을 이용해 소프트웨어적으로 처리가 필요한 파라메터 값을 추정해 적용시키고자 한다. 따라서 개발한 충전시스템에 일반적인 충전 파라메터를 전압과 전류 그리고 시간으로 분류하여 Microcontroller에 그 파라메터를 적용시켜 PWM 방식으로 제어한 후에 실험에 의한 결과값을 얻는다. 그리고 이것들을 비교하여 보다 나은 충전시스템을 구현하기 위해 인공지능 기법 중에 하나인 신경망을 이용하여 전압과 전류 그리고 시간에 대한 파라메터를 처리하였다. 본 논문에서 신경망에 대한 파라메터의 학습을 일반 FC에서 구현하고 여기에서 추출된 학습 값을 Microcontroller에 적용시켜 입력값에 따라 다양한 PWM 신호를 발생시키도록 구현했다. 이후 실제적인 실험에 의한 결과값을 본 논문에서 서술하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.5
• /
• pp.51-59
• /
• 1997

In this paper, we perform the position control of a DC servo motor using fuzzy neural controller. We use the Fuzzy controller for the position control, because the Fuzzy controller is designed simpler than other intelligent controller, but it is difficult to design for the triangle membership function format. Therefore we solve the problem using the BP learning method of neural network. The proposed Fuzzy neural network controller has been applied to the position control of various virtual plants. And the DC servo motor position control using the fuzzy neural network controller is performed as a real time experiment.

• Proceedings of the Korean Nuclear Society Conference
• /
• 1996.11a
• /
• pp.177-182
• /
• 1996

Remote nuclear cask handling device (RNCHD)는 사용후 핵연료cask의 원격 조작에 있어서 안전성과 성능을 향상을 목적으로 한다. RNCHD의 한부분인 grapple은 사용후 핵연료cask의 이동 및 수송 또는 용기뚜껑의 개폐를 위하여 cask의 벽에 대각선으로 돌출되어있는 두 개의 trunnion에 삽입되어야한다. 그러나 trunnion으로의 grapple 삽입은 용기중심과 grapple 장치 중심사이의 위치와 방향편차 때문에 어렵게된다. 인공신경망은 grapple에 설치된 광전센서를 사용하여 용기의 중심으로 부터 grapple 장치의 상대적 위치를 계측하기위해 사용된다. 인공신경망 학습은 광전센서값과 grapple의 상대적 위치와 방향사이의 함수적 관계를 추론하기 위해 수행된다. 이렇게 측정된 RNCHD의 중심위치는 grapple의 자세를 맞추기 위한 제어입력값으로 제공된다. 인공신경망 학습을 위한 데이터는 grapple 장치와 trunnion을 모사한 1/2 스케일의 실험장치를 사용함으로써 얻어진다. 학습된 인공신경망은 학습에 사용 안된 센서입력값, 즉 새로운 grapple의 위치에 대해서도 정확성을 가지고 grapple 장치의 위치와 방위를 측정할 수 있었다.

• 제어로봇시스템학회:학술대회논문집
• /
• 2000.10a
• /
• pp.1-1
• /
• 2000

본 논문에서는 3축이 연성되어 비선형 운동 방정식으로 표현되는 3축 안정화 인공위성 시스뎀에 입릭외란과 시스템의 불확실성이 존재할 경우에도 자제 정밀도를 유지하는 제어기를 설계한다. 비선헝 운동 방정식으로 표현되는 운동 방정식을 선형화하고 PID제어기를 구성하였다 선형화에 의한 시스템의 불확실성과 입력 외란을 신경회로망으로 추정하여 외란의 엉향을 제거하도록 구성된 PR제어기의 제어입력을 수정한다 수정된 제어입력은 외란을 상쇠시켜 시스템 출력에서 외란의 효과를 제거하게 된다. 신경회로망은 제어입력과 시스템 출력, 기준 운동 방정식간의 관계를 이용하여 외간과 시스템의 불확실성을 추정하며, 역전파 알고리즘을 사용한 학습 알고리즘으로 신경 회로망을 교육한다. 제안된 신경회로망을 이용한 외란 제거 제어기는 시뮬레이션을 통하여 자세 정밀도의 향상을 검증한다

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.49 no.9
• /
• pp.729-738
• /
• 2021

Feedback flow control using an artificial neural network was numerically investigated for NACA0015 Airfoil to suppress flow separation on an airfoil. In order to achieve goal of flow control which is aimed to reduce the size of separation on the airfoil, Blowing&Suction actuator was implemented near the separation point. In the system modeling step, the proper orthogonal decomposition was applied to the pressure field. Then, some POD modes that are necessary for flow control are extracted to analyze the unsteady characteristics. NARX neural network based on decomposed modes are trained to represent the flow dynamics and finally operated in the feedback control loop. Predicted control signal was numerically applied on CFD simulation so that control effect was analyzed through comparing the characteristic of aerodynamic force and spatial modes depending on the presence of the control. The feedback control showed effectiveness in pressure drag reduction up to 29%. Numerical results confirm that the effect is due to dramatic pressure recovery around the trailing edge of the airfoil.