• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1999년도 하계학술대회 논문집 B
• /
• pp.501-503
• /
• 1999

In this paper, the design method of a hybrid fuzzy controller with an optimal auto-tuning method is proposed. The conventional PID controller becomes so sensitive to the control environments and the change of parameters that the efficiency of its utility for the complex and nonlinear plant has been questioned in transient state. In this paper, first, a hybrid fuzzy logic controller(HFLC) is proposed. The control input of the system in the HFLC is a convex combination by a fuzzy variable of the FLC's output in transient state and the PID's output in steady state. Second, a powerful auto-tuning algorithm is presented to automatically improve the Performance of controller, utilizing the improved complex method and the genetic algorithm. The algorithm estimates automatically the optimal values of scaling factors and PID coefficients. Controllers are applied to the plants with time-delay and the DC servo motor Computer simulations are conducted at the step input and the system performances are evaluated in the ITAE.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권1호
• /
• pp.36-43
• /
• 1999

This paper proposes a new hybrid genetic algorithm for auto-tuning fuzzy controllers improving the performance. In general, fuzzy controllers use pre-determined moderate membership functions, fuzzy rules, and scaling factors, by trial and error. The presented algorithm estimates automatically the optimal values of membership functions, fuzzy rules, and scaling factors for fuzzy controllers, using a hybrid genetic algorithm. The object of the proposed algorithm is to promote search efficiency by the hybrid optimization technique. The proposed hybrid genetic algorithm is based on both the standard genetic algorithm and a modified gradient method. If a maximum point is not be changed around an optimal value at the end of performance during given generation, the hybrid genetic algorithm searches for an optimal value using the the initial value which has maximum point by converting the genetic algorithms into the MGM(Modified Gradient Method) algorithms that reduced the number of variables. Using this algorithm is not only that the computing time is faster than genetic algorithm as reducing the number of variables, but also that can overcome the disadvantage of genetic algoritms. Simulation results verify the validity of the presented method.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.1377-1379
• /
• 1996

In this paper, each parameter was identified by the gradient descent method to overcome difficulty deciding fuzzy rules of FLC for the unknown process and the type of membership Junctions. Usually PID or optimal control theories have been mostly usee in control field so far. However, optimal control requires much time for calculation because of adaptation for disturbance and nonlinearity. And intricate technique such as MRAS which can be realized only by an expert are limited to be used in the systems requiring rapid and precise response because of comparatively longer calculating time and complicateness. Gradient descent method is a method to find Z minimizing a function about a certain vector Z. And required output of FLC is gained using gradient approaching method in order to adapt control rule parameters of FLC. Simulation proved validation of this algorithm.

• 대한기계학회논문집A
• /
• 제36권9호
• /
• pp.1065-1071
• /
• 2012

풍력발전기의 안정적인 전력생산은 정격풍속 이상에서 피치제어와 스톨제어와 같은 일정속도제어로 이루어지고 있다. 최근, 효율적인 전력생산을 위하여 정격풍속 이하의 변동풍속 조건에서 최대 출력을 얻기 위한 가변 속도제어가 적용되고 있는 추세이다. 기존의 피치제어기에서는 지글러-니콜스 계단응답법에 의한 제어기 최적화가 이루어지고 있으나, 가변 속도제어의 요구로 보다 정확한 최적화가 필요하게 되었다. 본 연구에서는 기존의 지글러-니콜스 계단응답법을 개선하기 위하여 라틴 하이퍼큐브 샘플링을 통한 신경망모델을 구축하고, 구축된 PID 제어 계수 신경망모델에 유전자 알고리즘을 적용하여 피치제어기를 최적화하였다. 유전자 알고리즘으로 구한 최적해가 지글러-니콜스 계단응답법의 초기해 보다 평균제곱근 오차가 13.4% 향상되었고, 응답특성을 나타내는 상승속도와 정착시간은 각각 15.8% 및 15.3%으로 개선되었다.

• 조명전기설비학회논문지
• /
• 제15권4호
• /
• pp.14-22
• /
• 2001

본 논문에서는 전력계통의 저주파 진동 억제와 안정도 향상을 위해 적응 뉴로-퍼지 전 보상기(Adaptive Neuro-Fuzzy Precompensator, ANFP)를 설계하였다. 여기서 ANFP는 종래의 전력계통 안정화 장치(Power System Stabilizer, PSS)를 보상하도록 설계되며, 이 설계기법은 기존의 PSS 최적 파라미터를 구하는 방식과는 달리 현재 사용중인 PSS 파라미터를 고정시켜놓고, ANFP만을 추가하는 구조적인 장점을 나타낸다. 먼저, 학습 능력을 가지는 퍼지 전 보상기가 구성되며, 이는 발전 유니트의 입출력 데이터로부터 학습된다. ANFP는 학습의 특성을 가지기 때문에 보상기의 퍼지규칙과 소속함수는 학습 알고리즘에 의해 자동으로 동조될 수 있다 학습은 ANFP와 목표 제어기(desired controller)의 출력을 비교하여 평가되는 오차를 최소화하도록 수행된다. 사례 연구 들에서 다양한 동작 조건들 상에서 전력계통의 우수한 제동을 제공할 수 있었으며, 시스템의 동특성을 향상시킬 수 있었다