• 한국지능시스템학회논문지
• /
• 제5권4호
• /
• pp.77-86
• /
• 1995

퍼지 제어기에 신경회로망을 병렬로 연결시키므로 제어성능 향상을 위해 필요했던 소속함수의 미세조정 과정이 학습으로 대신되게 하는 제어기 구조를 제안하였다. 신경회로망의 학습은 오차 역전파 알고리듬에 의해 수행되고 퍼지 제어기의 출력이 학습에 사용되는 오차량으로 사용된다. 따라서 본 제어기는 전문가의 경험과 지식을 제어기 설계에 이용할 수 있고, 별도의 학습과정 없이 제어과정 중에서 신경회로망 제어기가 학습되어 초기의 제어특성이 개선되어지는 특성이 있다. 그리고 본 구성에서 퍼지 제어기는 사용된 규칙에 의해 형성되는 위상평면상의 슬라이딩 면으로 필요한 제어특성과 신경회로망의 학습기준을 제시하는 한편 신경회로망이 학습되기전 제어 시스템의 제어특성이 안정되도록 하며, 신경회로망은 시스템의 상태궤적이 퍼지제어기에 의해 형성된 슬라이딩 면을 가능한한 근사하게 추종하도록 학습되어져 위상평면상 임의의 위치에 있는 시스템의 상태가 슬라이딩 면을 따라 안정점에 도달하도록 하게한다.

• 한국통신학회논문지
• /
• 제19권6호
• /
• pp.1182-1189
• /
• 1994

본 논문에서는 성능 평가에 의한 자기 학습 구조를 가진 퍼지 제어기를 연구하였다. 퍼지 제어기는 퍼지 논리에 기초를 두고 있고, 퍼지 논리는 실세계의 근사적이고 불확실한 현상을 기술하는데 효과적이다. 이러한 퍼지 논리의 추론으로 제어를 수행하지만 퍼지 제어기의 중요한 부분인 맴버쉽 함수와 제어 규칙을 설정하는 것은 쉬운일이 아니다. 이런 문제점을 보완하기 위해 제어 목표값에 도달한 때까지 스스로 제어규칙을 개선하는 자기 학습 제어기를 설계하였다. 본 논문에서 퍼지 제어기의 학습은 평가 기준표(Performance Index)을 이용하여 이루어진다. 퍼지 제어기의 구현은 386PC을 기본으로 하며, D/A변환기, PWM(Pulse Width Modulation) 모터 드라이브 회로 등이 포함된 인터페이스 카드를 제작하여 제어 대상체의 데이터를 처리하였다. 공과 막대기 시스템(Ball and Beam system)을 제어 플렌트로 구현하여 얻은 실험 데이터와 이에 대한 컴퓨터 시뮬레이션을 통하여 얻은 데이터를 서로 비교하여서 자기 학습 구조를 갖는 퍼지 제어기의 유용성을 평가하였다. 실험의 결과는 학습 구조가 없는 퍼지 제어기보다 학습 구조를 가진 제어기가 정상상태 도달시간(Settling Time)에서 약 10%정도 빠르게 개선되었다.

• 전자공학회논문지SC
• /
• 제41권3호
• /
• pp.17-24
• /
• 2004

동일한 작업을 반복하여 수행하는 불확실한 로봇 시스템을 위한 P형 반복 학습 제어기를 제안한다. 제안된 반복 학습 제어기는 조인트 위치 오차로 구성되는 선형 피드백 제어기와 현재의 조인트 속도 오차로 갱신되는 피드포워드 및 피드백 학습 제어기로 구성된다. 반복 작업 동작이 계속 진행됨에 따라 조인트 위치와 속도 오차는 균일하게 0으로 수렴한다. 반복 횟수에 따라 변화하는 학습 이득을 채택함으로서 반복 횟수 영역에서 임의적으로 수렴 비율을 조절할 수 있는 조인트 위치, 속도 오차한계를 제시하고, 조인트 위치와 속도 오차는 그 한계 내에서 반복 횟수 영역에서 0으로 수렴한다. 기존의 P형 반복 학습 제어기와는 달리 제안된 반복 학습 제어 알고리즘은 학습 이득을 적절하게 설계함으로써 반복 횟수 영역에서 오차 수렴 비율의 분석과 조정을 가능하게 하는 장점이 있다.

• 한국지능시스템학회논문지
• /
• 제12권5호
• /
• pp.393-396
• /
• 2002

본 논문은 초기 조건 문제의 관점에서 반복 학습 제어기가 proper 해야 할 필요성에 대하여 연구한다. 반복 학습 제어기가 proper하지 않으면, 모든 반복에 있어서 시스템의 초기 상태와 요구되는 시스템의 상태가 완전히 일치하지 않는다면 학습입력의 크기가 무한대로 증가하는 경우가 생겨 실제 구현이 불가능해진다. 따라서 이론적으로 학습 제어의 수렴이 보장되더라도 proper하지 않은 학습 제어기는 실제 시스템에는 적용할 수 없음을 보인다. 또한 반복 학습 제어 시스템의 초기 조건의 불일치가 시스템의 수렴 특성에 미치는 영향에 대하여 분석한다.

• 전자공학회논문지SC
• /
• 제37권3호
• /
• pp.72-83
• /
• 2000

본 논문에서는 리칭모드 제어기와 신경 회로망을 이용하여 3상 유도전동기의 위치제어 시스템을 구현한다. 리칭모드 제어기는 위치오차와 속도오차의 궤적을 슬라이딩 평면으로 들어가도록 하고 신경회로망의 초기학습을 담당한다. 리칭모드 제어기의 구조는 슬라이딩 평면의 스위칭 함수로부터 간단히 구성하였다. 또한, 신경 회로망은 전향경로 신경망으로 구성되며 비선형 매핑능력과 탁월한 학습능력을 이용하여 유도전동기의 등가제어입력을 학습하도록 하였고 신경 회로망의 입력으로는 모터의 기준속도, 기준위치 및 엔코더를 이용하여 측정된 모터의 실제속도와 위치 등을 이용하였고 온라인 상태로 학습되도록 하였다. 이와 같이 복합적으로 구성된 제어기들을 유도전동기의 위치제어 시스템에 적용하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존의 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 리칭모드 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경 회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 제어가 가능함을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권1호
• /
• pp.9-17
• /
• 2021

본 논문에서는 확률적 모델예측제어(model predictive control) 기법을 이용하여 예제 동작 데이터가 주어지면 물리 기반 시뮬레이션 환경에서 그 동작을 모방할 수 있는 캐릭터 동작 제어기를 빠르게 학습할 수 있는 간편한 지도 학습(supervised learning) 프레임워크를 제안한다. 제안된 프레임워크는 크게 학습 데이터 생성과 오프라인 학습의 두 컴포넌트로 구성된다. 첫번째 컴포넌트는 예제 동작 데이터가 주어지면 확률적 모델예측제어를 통해 그 동작 데이터를 추적하기 위한 최적 제어기를 캐릭터의 현재 상태로부터 시작하여 가까운 미래 상태까지의 시간 윈도우에 대해 주기적으로 업데이트하면서 그 최적 제어기를 통해 캐릭터의 동작을 확률적으로 제어한다. 이러한 주기적인 최적 제어기의 업데이트와 확률적 제어는 주어진 예제 동작 데이터를 모방하는 동안 캐릭터가 가질 수 있는 다양한 상태들을 효과적으로 탐색하게 하여 지도 학습에 유용한 학습 데이터를 수집할 수 있게 해준다. 이렇게 학습 데이터가 수집되면, 오프라인 학습 컴포넌트에서는 그 수집된 데이터를 정규화 시켜서 데이터에 내제된 크기와 단위의 차이를 조정하고 지도 학습을 통해 제어기를 위한 간단한 구조의 인공 신경망을 학습시킨다. 걷기 동작과 달리기 동작에 대한 실험은 본 논문에서 제안한 학습 프레임워크가 물리 기반 캐릭터 동작 제어기를 빠르고 효과적으로 생성할 수 있음을 보여준다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.289-295
• /
• 1998

본 논문은 빠른 학습과 정확한 근사 능력을 갖는 새로운 CMAC 신경망 기반 퍼지 제어기르 제안한다. 제안한 CMAC 신경망 기반 퍼지 제어기(CBFLC)는 한 학습 주기 동안 전향 및 역전파 연산시 신경망내 유닛중 극히 일부분만이 활성화되어 학습에 참가하므로 학습 시간이 매우 빠르고, 비퍼지화 연산시 소속 함수의 중심값 뿐 아니라 폭을 동시에 고려하여 정확한 근사화를 얻는다. 제안한 퍼지 제어기내 입？출력 소속 함수의 중심값 및 폭 등의 구조적 파라메터들은 역전파 알고리즘에 의해 갱신된다. 제안한 CMAC 신경망 기반 퍼지 제어기를 트럭 후진 주차문제에 적용하여 근사화 능력 및 제어 성능면에서 여러 다른 퍼지 제어기들과 비교한다.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 1994년도 추계학술대회 논문집
• /
• pp.439-443
• /
• 1994

본 연구에서는,반복 학습 제어 이론에 기초하고 신경망을 이용하여 설계된 제어 기 술을 광 디스ㅋ 드라이브 시스템(Optical Disk System)을 제어하는데 적용한다. (광디스크 드라이브류에는 compact disk drive,mini drive, magnrto-optical disk drive 등이 있다) 반복 학습 제어이론은 불정확한 시스템의 제어에 이용되며 제어의 대상이 되는 시스템에 대해 보다 적은 정보로도 반복적으로 똑같은 일을 수행하는 것처럼 수행 도가 좋다. 신경망은 신경망의 입력에 대한 출력과 목표 출력간의 맵핑을 학습하고, 이 맵핑의 특성은 두 출력간(목표출력과 실제출력)의 차이를 감소시킨다. 이러한 특성을 가지는 신경망을 이용하여 제어기를 설계하고, 제안된 신경망 제어기를 광 디스크 드라이브 시 스템의 초점 제어에 적용한다. 제안된 제어 알고리즘은 다른 어떤 제어기술과 비교하여 보다 좋은 성능이 예상된다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1995년도 추계학술대회 학술발표 논문집
• /
• pp.258-263
• /
• 1995

본 논문은 일반화된 다중 수상돌기 적 (GMDP : Generalized Multi Dendrite Product) 유닛트 신경망을 이용한 PID 적응 위치제어기를 구성하여 직류 서어보 전동기의 위치제어를 실시간 처리 하였다. 제안한 제어기를 위치제어에 적용시켜 실험한 결과 기존의 MLP 신경망 제어기를 이용한 것 보다도 샘플시간을 줄일 수 있다는 장점으로 정밀한 제어 가 가능하다는 것을 확인할 수 있었다. 학습규칙은 기존의 역전파 학습방법이 GMDP 신경 회로망에 적용되었다.

• 전자공학회논문지SC
• /
• 제39권2호
• /
• pp.157-165
• /
• 2002

본 논문에서는 PD 제어기와 신경회로망을 이용하여 3상 유도전동기의 속도제어 시스템을 구현하고자 한다. PD 제어기는 초기의 제어를 담당하며 신경회로망의 초기 학습을 담당한다. 또한, 신경회로망은 비선형 매핑능력과 학습능력이 탁월하기 때문에 제어기로 많이 사용되며 특히 전향경로 신경망은 구조가 매우 간단하기 때문에 본 논문에서는 이를 이용하여 유도전동기의 속도제어 시스템에 구현하였다. 신경회로망의 입력으로는 모터의 기준속도, 엔코더를 이용하여 측정한 모터의 실제 속도와 제어입력 전류를 이용하였고, 온라인 상태로 학습되도록 하였다. 본 논문에서 제안된 알고리즘의 타당성을 보이기 위해 기존에 널리 사용되었던 PI 제어기와 비교평가를 하였으며 시뮬레이션과 실험결과로부터 초기운전 상태에서는 PD 제어기가 주로 제어를 담당하지만 시간이 지남에 따라 신경회로망이 학습되어 신경회로망이 주 제어기가 됨을 확인하였다. 아울러, 제안된 하이브리드 제어기가 PI 제어기보다 우수하고 특히 부하변동과 같은 외란에 강인함을 알 수 있었으며, 정상상태 오차가 현저히 감소하여 정밀한 속도제어가 가능함을 확인하였다.