• Proceedings of the IEEK Conference
• /
• 1999.06a
• /
• pp.486-491
• /
• 1999

본 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응 제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨이브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 1997.10a
• /
• pp.215-218
• /
• 1997

A dynamic back-propagation neural network is addressed for adaptive neural control system to approximate non-linear control system rather than static networks. It has the capability to represent the approximation of nonlinear system without mathematical analysis and to carry out the on-line learning algorithm for real time application. The simulated results show fast tracking capability and adaptive response by using dynamic back-propagation neurons.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 1998.10a
• /
• pp.317-323
• /
• 1998

이 논문에서는 웨이브렛 신경회로망을 사용하여 알려지지 않은 비선형 시스템을 안정하게 적응제어하는 문제를 다룬다. 비선형 시스템의 정확한 제어는 함수를 근사화하는 데 사용된 함수 근사화기의 정확성과 효율성에 의존한다. 이에 비선형 시스템 제어에 기준 함수의 선택이 자유롭고 함수 근사화 능력이 뛰어난 웨브렛 신경회로망을 사용한다. 초기 웨이브렛 신경회로망 제어기 설정은 웨이브렛 신경회로망 변수인 신축과 이동 값을 제어기 입력의 시-주파수 특성을 분석해서 구하고, 연결강도는 Lyapunov 안정성 이론에 기초한 적응 법칙을 사용하여 조절한다. 이를 비선형 시스템인 역 진자 시스템에 적용한다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.38 no.4
• /
• pp.335-341
• /
• 2010

To improve the performance of inner loop based on PD controller for a unmanned helicopter, neural networks are applied. The performance of PD controller designed on the response characteristics of error dynamics decreases because of uncertain nonlinearities of the system. The nonlinearities are decoupled to modified dynamic inversion model(MDIM) and are compensated by the neural networks. For the training of the neural networks, online weight adaptation laws which are derived from Lyapunov's direct method are used to guarantee the stability of the controller. The results of the improved performance of PD controller by neural networks are illustrated in the simulation of unmanned helicopter with nonlinearities,

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.35 no.11
• /
• pp.990-998
• /
• 2007

Adaptive output feedback control technique using Neural Networks(NN) is proposed for uncertain nonlinear Multi-Input Multi-Output(MIMO) systems. Modified Dynamic Inversion Model(MDIM) is introduced to decouple uncertain nonlinearities from inversion-based control input. MDIM consists of approximated dynamic inversion model and inversion model error. One NN is applied to compensate the MDIM of the system. The output of the NN augments the tracking controller which is based upon a filtered error approximation with online weight adaptation laws which are derived from Lyapunov's direct method to guarantee tracking performance and ultimate boundedness. Several numerical results are illustrated in the simulation of Van der Pol system and unmanned helicopter with model uncertainties.

• Journal of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.21 no.5
• /
• pp.32-43
• /
• 2007

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 and voltage rated value. This paper proposes speed control of IPMSM using adaptive learning 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 learning 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 learning fuzzy neural network and artificial neural network.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.11 no.1
• /
• pp.39-47
• /
• 1997

본 논문에서는 퍼지제어기와 신경회로망 적응 관측기를 적용하여 강인성을 AC드라이브 시스템을 제안하였다. 퍼지제어기는 유도전동기의 속도 제어시 빠른 속도 응답 특성을 얻기 위하여 사용하였다. 신경회로망 적응관측기는 전동기 파라메터 변화에 대하여 강인한 제어 시스템이 되도옥 자속 관측기오 토오크 적응관측기로 구성하였다. 사용된 신경회로망은 자속과 토오크의 동특성을 학습시키기 위하여 역전파 알고리즘을 사용하였따. 컴퓨터 시뮬레이션의 결과를 통해 제안된 시스템이 전동기 파라메터 변동과 부화이론에 강인하고 속도응답 특성이 우수함을 입증하였다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.31 no.3
• /
• pp.50-57
• /
• 2003

In the paper, the design and evaluation of a helicopter trajectory tracking controller are presented. The control algorithm is implemented using the feedback linearization technique and the two time-scale separation architecture. In addition, and on-line adaptive architecture that employs a neural network compensating the model inversion error caused by the deficiency of full knowledge of helicopter dynamic is applied to augment the attitude control system. Trajectory tracking performance of the control system in evaluated using modified TMAN simulation program representing as Apache helicopter. It is show that the on-line neural network in an adaptive control architecture is very effective in dealing with the performance depreciation problem of the trajectory tracking control caused by insufficient information of dynamics.

• Proceedings of the KIEE Conference
• /
• 2000.07e
• /
• pp.115-121
• /
• 2000

본 논문에서는 진화연산 중에서 해의 다양성과 수렴속도면에서 좋은 성능을 나타내는 실수형 유전알고리즘과 신경회로망을 이용한 적응 퍼지제어기를 설계하였다. 실수형 유전알고리즘을 이용하여 퍼지제어기의 입 출력 이득과 실시간으로 퍼지제어기의 입 출력이득을 적응적으로 변경하는 신경회로망의 가중치를 튜닝하였다. 제안한 방법의 유용성을 평가하기 위해 시지연을 갖는 제어시스템[14]에 적용하였다. 컴퓨터 시뮬레이션 결과, 제안한 적응 퍼지제어기가 기존의 퍼지제어기보다 오버슈트, 정정시간, 상승시간면에서 더 우수한 제어성능을 나타내었다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.32 no.4
• /
• pp.24-33
• /
• 2004

In this paper, the helicopter flight control system using online adaptive neural networks which have the universal function approximation property is considered. It is not compensation for modeling errors but approximation two functions required for feedback linearization control action from input/output of the system. To guarantee the tracking performance and the stability of the closed loop system replaced two nonlinear functions by two neural networks, weight update laws are provided by Lyapunov function and the simulation results in low speed flight mode verified the performance of the control system with the neural networks.