• Journal of the Korean Institute of Telematics and Electronics C
• /
• v.35C no.12
• /
• pp.85-98
• /
• 1998

This paper proposes a new design method of neuro-FLC by the Lamarckian co-adaptation scheme that incorporates the backpropagation learning into the GA evolution in an attempt to find optimal design parameters (fuzzy rule base and membership functions) of application-specific FLC. The design parameters are determined by evolution and learning in a way that the evolution performs the global search and makes inter-FLC parameter adjustments in order to obtain both the optimal rule base having high covering value and small number of useful fuzzy rules and the optimal membership functions having small approximation error and good control performance while the learning performs the local search and makes intra-FLC parameter adjustments by interacting each FLC with its environment. The proposed co-adaptive design method produces better approximation ability because it includes the backpropagation learning in every generation of GA evolution, shows better control performance because the used COG defuzzifier computes the crisp value accurately, and requires small workspace because the optimization procedure of fuzzy rule base and membership functions is performed concurrently by an integrated fitness function on the same fuzzy partition. Simulation results show that the Lamarckian co-adapted FLC produces the most superior one among the differently generated FLCs in all aspects such as the number of fuzzy rules, the approximation ability, and the control performance.

• Journal of Biosystems Engineering
• /
• v.15 no.4
• /
• pp.319-327
• /
• 1990

시스템의 적응 제어함수를 산출하는 네트워크인 소뇌모델 선형조합 회로망을 이용한 학습제어 기법은 시스템에 영향을 주는 제어인자들의 불확실성 및 모델링의 결여에도 불구하고 오히려 안정한 실시간 제어의 구현을 가능하게 함으로써 대단한 관심을 불러 일으켜 왔다. 그러나, 센서로부터의 정보처리와 인식 그리고 복잡한 비선형 시스템의 제어에 적용하기에는 회로망 자체의 내재적 문제점들이 여전히 남아있다. 소뇌모델 선형조합 회로망을 기지 또는 미지의 시스템 모델에 효과적으로 적용하기 위해서는 네트워크에 영향을 주는 제어인자가 시스템에 미치는 영향을 분석하는 것이 필수적이다. 분할 블럭의 크기, 학습이득, 입력편이 그리고 입력변수들의 영역과 같은 네트 제어인자들은 시스템의 학습 능률 및 소요 기억용량의 크기에 중대한 영향을 미침에도 불구하고 충분히 조사되지 못한 실태이다. 물론 이들 제어인자들의 결정에는 학습 대상이 되는 시스템 함수의 형태와 적용 학습 알고리즘이 반드시 고려되어야 한다. 본 논문에서는 학습 능률성에 미치는 이들 제어인자들의 상호영향도를 저자가 제안하였던 기본 학습 알고리즘에 의거하여 조사하였다. 분석적인 방법만으로 이러한 상호영향성을 조사하기는 매우 힘들거나 거의 불가능하다고 보아지기 때문에 학습 대상함수를 먼저 규정하여 다양한 컴퓨터 모의시험을 수행하였고 그 결과를 분석하였다. 컴퓨터 모의시험의 결과에 의하여 회로망의 시스템 적용시 고려할 설계 지침을 제시하였다.

• 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
• /
• 1997.11a
• /
• pp.176-179
• /
• 1997

본 논문은 입/출력 관계가 불명확한 가전제품 제어에 인공신경회로망을 응용하여 지능형 제어기를 구현하는 방법에 관한 것이다. 다층신경회로망을 사용하고 Error Back Propagation 학습방법에 의하여 학습되도록 한다. 제어대상물에서 알 수 있는 정보는 입력값과 이에 대응하는 출력값 뿐이며 입력과 출력에 대한 관계를 수학적으로 모델링하기 어려운 경우이다. 인공신경회로망을 이용한 제어를 위하여 Neural Network Emulator(NNE)와 Neural Network Controller(NNC)가 개발되며 각 신경회로망의 초기하중백터는 제어대상에 오프라인 학습으로 결정하고, 자동조절과정에서 온라인 학습하여 새로운 대상제품 상황에 적응하도록 설계되었다. 제안된 지능형 제어시스템은 PC를 이용하여 실시스템에 적용하여 검토되었다.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.33 no.3
• /
• pp.39-46
• /
• 2005

In this paper, adaptive higher harmonic control technique using Neural Networks (NN) is proposed. First, linear transfer function is estimated to relate the input harmonics and output harmonics, then NN which has the universal function approximation property is applied to expand application range of the transfer function. Optimal control gain matrix computed from the transfer function is used to train NN weights. Online weight adaptation laws are derived from Lyapunov's direct method to guarantee internal stability. Results of the simulation of 6-input 2-output nonlinear system show that adaptive HHC is applicable to the system with uncertain transfer function.

• The Proceedings of the Korean Institute of Illuminating and Electrical Installation Engineers
• /
• v.3 no.4
• /
• pp.62-69
• /
• 1989

휴대용 전기톱을 비롯한 학습 기계장치, 자동차 연동장치, 각종 화학 분석장치 및 산업용 로봇 시스템등의 전기설비에 광범위하게 응용되고 있는 고유 불안정 도립진자 시스템의 동적 안정화 제어기 설계기법이 소개된다. 복잡한 비선형 동특성을 고려한 수학적 모델링과 C. D. Johnson에 의해 제시된 외란 적응 제어 이론을 적응하여, 최적 레귤레이터형 안정화 제어기를 설계하였으며, 컴퓨터 시뮬레이션 및 실험결과가 만족스럽게 나타났다.

• Journal of Biosystems Engineering
• /
• v.15 no.3
• /
• pp.186-198
• /
• 1990

인간 소뇌의 구조와 기능을 간략하게 수학적으로 모델링하여 입력에 따른 시스템의 적정 출력을 학습에 의한 적응 제어 방식으로 추출해 내는 소뇌모델 대수제어기(CMAC : Cerebellar Model Arithmetic Controller)가 제안되었다. 본 논문에서는 연구개발된 기존 신경회로망과의 비교 분석에 의거하여, 소뇌모델 대수제어기 대신 네트의 특성에 따라 소뇌모델 선형조합 신경망(CMLAN : Cerebellum Model Linear Associator Network)이라 하였다. 소뇌모델 선형조합 신경망은 시스템의 제어 함수치를 결정하는 데 있어, 기존의 제어방식이 시스템의 모델링을 기초로 하여 알고리즘에 의한 수치해석적 또는 분석적 기법으로 모델 해를 산출하는 것과 달리, 학습을 통하여 저장되는 분산기억 소자들의 함수치를 선형적으로 조합함으로써 시스템의 입출력을 결정한다. 분산기억 소자로의 함수치 산정 및 저장은 소뇌모델 선형조합 신경망이 갖는 고유의 구조적 상태공간 매핑(State Space Mapping)과 델타규칙(Delta Rule)에 의거한 시스템의 입출력 상태함수의 학습으로써 수행된다. 본 논문을 통하여 소뇌모델 선형조합신경망의 구조적 특성, 학습 성질과 상태공간 설정 및 시스템의 수렴성을 규명하였다. 또한 기존의 최대 편차수정 학습 알고리즘이 갖는 비능률성 및 적용 제한성을 극복한 효율적 학습 알고리즘들을 제시하였다. 언급한 신경망의 특성 및 제안된 학습 알고리즘들의 능률성을 다양한 학습이득(Learning Gain)하에서 비선형 함수를 컴퓨터로 모의 시험하여 예시하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.7 no.5
• /
• pp.46-50
• /
• 1997

In fuzzy logic control, static fuzzy rules cannot cope with significant changes of parameters of plants or environment. To solve this prohlem, self-organizing fuzzy control. neural-network-hased fuzzy logic control and so on have heen introduced so far. However, dynamically changed fuzzy rules of these schemes may make a fuzzy logic controller Fall into dangerous situations because the changed fuzzy rules may he incomplete or inconsistent. This paper proposes a new adaptive filzzy logic control scheme using a predictivc neural network. Although some parameters of a controlled plant or environment are changed, proposed fuzzy logic controller changes its decision outputs adaptively and robustly using unchanged initial fuzzy rules and the predictive errors generated hy the predictive neural network by on-line learning. Experimental results with a D<' servo-motor position control problem show that propnsed cnntrol scheme is very useful in the viewpoint of adaptability.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 1999.05a
• /
• pp.370-374
• /
• 1999

The proposed algorithm used the Hybrid teaming rule in the input and hidden layer, and Back-Propagation teaming rule in the hidden and output layer. From the results of simulation of tracking control with one link manipulator as a plant, we verify the usefulness of the proposed control method to compare with common direct adaptive neural network control method; proposed hybrid teaming rule showed faster loaming time faster settling time than the direct adaptive neural network using Back-propagation algorithm. Usefulness of the proposed control method is that it is faster the learning time and settling time than common direct adaptive neural network control method.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.3
• /
• pp.41-48
• /
• 2003

This paper presents an indirect adaptive neuro controller using modified chaotic neural networks(MCNN) for nonlinear dynamic system. A modified chaotic neural networks model is presented for simplifying the traditional chaotic neural networks and enforcing dynamic characteristics. A new Dynamic Backpropagation learning method is also developed. The proposed MCNN paradigm is applied to the system identification of a MIMO system and the indirect adaptive neuro controller. The simulation results show good performances, since the MCNN has robust adaptability to nonlinear dynamic system.