• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.37 no.2
• /
• pp.1-7
• /
• 2000

In this paper, an adaptive control law for nonlinear systems represented by input-output models are proposed under the assumption that unknown system parameters are in a known compact and convex set. Contrary to the previous results, the compact and convex set is not restricted to a ball whose center is at the origin or convex hypercube. It is proven that the proposed parameter update rule produces a sequence of parameters which reside in the set and guarantees that the position, velocity, and acceleration error converges to zero as time goes to infinity. This theoretical result was justified through simulations.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.12 no.5
• /
• pp.451-461
• /
• 2002

Differential evolution(DE) has been preyed to be an efficient method for optimizing real-valued multi-modal objective functions. DE's main assets are its conceptual simplicity and ease of use. However, the convergence properties are deeply dependent on the control parameters of DE. This paper proposes an adaptive differential evolution(ADE) method which combines with a variant of DE and an adaptive mechanism of the control parameters. ADE contributes to the robustness and the easy use of the DE without deteriorating the convergence. 12 optimization problems is considered to test ADE. As an application of ADE the paper presents a supervised clustering method for predicting events, what is called, an evolutionary event clustering(EEC). EEC is tested for 4 cases used widely for the validation of data modeling.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• v.1
• /
• pp.405-413
• /
• 2006

In general mechanical servo systems, friction deteriorates the performance of controllers by its nonlinear characteristics. Especially, friction phenomenon causes steady-state tracking errors and limit cycles in position and velocity control systems, even though gains of controllers are tuned well in linear system model. Even if sensor is used higher accuracy level, it is difficult to improve tracking performance of the position to the same level with a general control method such as PID type. Therefore, many friction models were proposed and compensation methods have been researched actively. In this paper, we consider that the variation of mover's mass is various by loading and unloading. The normal force variation occurs by it an other parameters. Therefore, the proposed control system is composed of main position controller and a friction compensator. A parameter estimator for a nonlinear friction model is designed by adaptive control law and adaptive backstepping control method.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.50 no.4
• /
• pp.191-202
• /
• 2013

A control structure that makes possible the integration of a kinematic controller and a fuzzy logic (FL) deadzone compensator for mobile robots is presented. A tuning algorithm is given for the fuzzy logic parameters, so that the deadzone compensation scheme becomes adaptive, guaranteeing small tracking errors and bounded parameter estimates. Formal nonlinear stability proofs are given to show that the tracking error is small. The fuzzy logic deadzone compensator is implemented on a mobile robot to show its efficacy.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.5
• /
• pp.395-399
• /
• 2001

This paper describes modular fuzzy inference systems(MFIS) with adaptive capability to extract fuzzy inference modules from observation data through the learning process. The proposed MFIS is based on the structural similarity to Tagaki-Sugeno fuzzy models and a modular neural architecture. The learning of MFIS is done by assigning new fuzzy inference modules and by updating the parameters of existing modules. The fuzzy inference modules consist of local model network and fuzzy gating network. The parameters of the MFIS are updated by the standard LMS algorithm. The performance of the MFIS is illustrated with adaptive control of a nonlinear dynamic system.

• Journal of Institute of Control, Robotics and Systems
• /
• v.3 no.2
• /
• pp.149-155
• /
• 1997

본 논문에서는 비선형 시변 시스템을 제어할 경우 제어시스템의 안정성을 보장하고 성능을 향상시키기 위한 새로운 적응제어 구조를 전개하였다. 주어진 플랜트가 선형 시불변이라는 가정하에 표준 기준 모델 적응제어기가 적용될 경우 발생되는 출력오차는 플랜트의 비선형 시변특성으로 인하여 점근적으로 0에 수렴되지 않는다. 이때 미지의 출력오차를 점근적으로 0에 수렴시키는 방법으로 퍼지보상기를 사용하였으며 결과적으로 플랜트의 비선형 시변 특성을 보상하는 효과를 얻을 수 있었다. 퍼지 보상기로는 출력오차등의 조건에 따라 이득이 변하는 퍼지 PID 보상기를 도입하여 안정하게 설계되도록 노력하였다. 또한 출력오차를 점근적으로 0에 수렴시키는 것은 표준 기준 모델 적응제어기 내부의 모든 파라미터와 신호가 유한하게 됨을 의미하기 때문에, 제어시스템 전체의 안정도를 보장할 뿐만 아니라 결과적으로 과도응답 성능을 향상시킬 수 있게 되었다. 몇가지 예제를 대상으로 시뮬레이션을 수행하고 그 결과를 분석함으로써 비선형 시변 시스템을 제어할 경우 본 논문에서 전개된 새로운 적응제어 구조의 타당성을 확인하였다.

• Proceedings of the KIEE Conference
• /
• 1998.07b
• /
• pp.471-473
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용한 능동 소음제어기를 구현하였다. 능동 소음제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화하고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하였고, 파라미터를 오차 역전과 학습을 통하여 변화시킴으로써 잡음의 특성에 효과적으로 적응하는 능동 소음제어기를 구성하였다. 시뮬레이션을 통하여 여러 종류의 신호에 대해서 랜덤 노이즈를 발생시키고 구성된 제어기의 성능을 확인하였다.

• Composites Research
• /
• v.14 no.1
• /
• pp.39-46
• /
• 2001

Experimental studies on the adaptive multi-mode vibration control of composite beams have been performed using neuro-controller. Neuro-controllers require too much computational burden, which blocks wide real-time applications of neuro-controllers. Therefore, in this paper, an adaptive notch filter is proposed to separate a vibration signal into each modal vibration signal. Two neuro-controllers with fewer weights are connected to the corresponding modal signals to generate proper modal control forces. The vibration controls using the adaptive notch filter and neuro-controllers have been performed for two specimens. A and B, which have different natural frequencies because of different positions of tip masses. Significant vibration reduction has been observed in both cases. The vibration control results show that the present neuro-controller has good adaptiveness under the system parameter variations.

• Journal of KIISE:Computer Systems and Theory
• /
• v.26 no.7
• /
• pp.752-765
• /
• 1999

대부분 병렬처리 시스템에서 성능 파라미터는 복잡하고 프로그램의 수행 시 예견할 수 없게 변하기 때문에 컴파일러가 프로그램 수행에 대한 최적의 성능 파라미터들을 컴파일 시에 결정하기가 힘들다. 본 논문은 병렬 처리 시스템의 프로그램 수행 시, 변화하는 시스템 성능 상태에 따라 전체 성능이 최적화로 적응하는 적응 수행 방식을 제안한다. 본 논문에서는 이 적응 수행 방식 중에 적응 프로그램 수행을 위한 이론적인 방법론 및 구현 방법에 대해 제안하고 적응 제어 수행을 위해 프로그램의 데이타 공유 단위에 대한 적응방식(적응 입도 방식)을 사용한다. 적응 프로그램 수행 방식은 프로그램 수행 시 하드웨어와 컴파일러의 도움으로 프로그램 자신이 최적의 성능을 얻을 수 있도록 적응하는 방식이다. 적응 제어 수행을 위해 수행 시에 병렬 분산 공유 메모리 시스템에서 프로세서 간 공유될 수 있은 데이타의 공유 상태에 따라 공유 데이타의 크기를 변화시키는 적응 입도 방식을 적용했다. 적응 입도 방식은 기존의 공유 메모리 시스템의 공유 데이타 단위의 통신 방식에 대단위 데이타의 전송 방식을 사용자의 입장에 투명하게 통합한 방식이다. 시뮬레이션 결과에 의하면 적응 입도 방식에 의해서 하드웨어 분산 공유 메모리 시스템보다 43%까지 성능이 개선되었다. Abstract On parallel machines, in which performance parameters change dynamically in complex and unpredictable ways, it is difficult for compilers to predict the optimal values of the parameters at compile time. Furthermore, these optimal values may change as the program executes. This paper addresses this problem by proposing adaptive execution that makes the program or control execution adapt in response to changes in machine conditions. Adaptive program execution makes it possible for programs to adapt themselves through the collaboration of the hardware and the compiler. For adaptive control execution, we applied the adaptive scheme to the granularity of sharing adaptive granularity. Adaptive granularity is a communication scheme that effectively and transparently integrates bulk transfer into the shared memory paradigm, with a varying granularity depending on the sharing behavior. Simulation results show that adaptive granularity improves performance up to 43% over the hardware implementation of distributed shared memory systems.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.14 no.3
• /
• pp.375-382
• /
• 2004

This paper presents control designs using neural networks (NN) for a XY positioning table. The proposed neuro-controller is composed of an outer PD tracking loop for stabilization of the fast flexible-mode dynamics and an NN inner loop used to compensate for the system nonlinearities. A tuning algorithm is given for the NN weights, so that the NN compensation scheme becomes adaptive, guaranteeing small tracking errors and bounded weight estimates. Formal nonlinear stability proofs are given to show that the tracking error is small. The proposed neuro-controller is implemented and tested on an IBM PC-based XY positioning table, and is applicable to many precision XY tables. The algorithm, simulation, and experimental results are described. The experimental results are shown to be superior to those of conventional control.