• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2387-2389
• /
• 2003

Acrobat은 대표석인 비선형, underactuated 시스템이며, acrobot의 제어목적에는 swing-up 제어와 balancing 제어가 있다. 이 두 가지 제어목적을 달성하기 위해 기존에 많은 연구가 진행되었다. 그러나 이 방법들은 두 개의 독립적인 제어기를 acrobot의 상태에 따라 전환하여 사용하는 방법으로서 전환 시점의 선정기준에 대한 어려움과 두 가지 제어목적의 달성을 위한 전체 학습 시간지연의 문제점이 있다. 이를 개선하기 위하여 우리는 acrobot의 두 가지 제어목적을 동시에 해결할 수 있도록 기존에 연구하였던 연속적인 상태공간의 근사화가 가능한 영역기반 Q-학습(Region-based Q-Learning)[11]을 기반으로 한 하나의 제어기로 구현하는 방법을 연구하였다. 제안한 방법을 제작한 acrobot에 적용한 실험을 통하여 그 유용성을 검증하였다.

• The Transactions of the Korean Institute of Power Electronics
• /
• v.3 no.3
• /
• pp.173-183
• /
• 1998

In this paper, an auto-tuning method for fuzzy controller's membership functions based on the neural network is presented. The neural network emulator offers the path which reforms the fuzzy controller's membership functions and fuzzy rule, and the reformed fuzzy controller uses for speed control of induction motor. Thus, in the case of motor parameter variation, the proposed method is superior to a conventional method in the respect of operation time and system performance. 32bit micro-processor DSP(TMS320C31) is used to achieve the high speed calculation of the space voltage vector PWM and to build the self-learning fuzzy control algorithm. Through computer simulation and experimental results, it is confirmed that the proposed method can provide more improved control performance than that PI controller and conventional fuzzy controller.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.16 no.3
• /
• pp.432-439
• /
• 2012

In this paper, instead of the conventional PD controller for balancing control of two wheeled inverted pendulum robots, an improved PD controller using the neural network is proposed and implemented for performance verification. First, a two wheeled inverted pendulum robot system is constructed for experiment. Next proper gains of the conventional PD controller according to users' weights are obtained for balancing the robot by use of the trial and error method. The PD gains based on the trial and error method are generalized through the neural network. Experiment results show that the PD controller based on the neural network has better performance than the conventional PD controller.

• Journal of Institute of Control, Robotics and Systems
• /
• v.3 no.2
• /
• pp.139-148
• /
• 1997

본 논문에서는 비선형 마찰이 존재하는 조준경 안정화 시스템에 대해서 마찰력 보상과 성능개선을 위한 신경망제어기의 설계방법을 제시한다. 제안한 신경망제어기는 비례, 적분, 진상(PI/LEAD) 제어기와 신경회로망과의 병렬로 구성되며, 제어 목적은 비선형 마찰과 외란이 존재하여도 안정거울의 각속도 추적성능과 안정화 성능의 향상에 있다. 신경회로망의 입력으로 안정거울의 각속도 추적오차와 추적오차의 적분, 제어입력이 필터를 통과한 신호가 사용되며, 신경호로망은 간접학습구조에 의해 학습된다. 조준경 시스템의 비선형 마찰력인 쿨롱마찰력의 크기가 외부환경에 따라 변하는 경우와 시스템으로 외란이 인가되는 경우에 대하여도 제안한 병렬제어기는 기존의 PI/LEAD 제어기보다 추적과 안정화 성능면에서 우수함을 컴퓨터 모의 실험으로 확인한다.

• Journal of the Institute of Convergence Signal Processing
• /
• v.12 no.1
• /
• pp.62-66
• /
• 2011

This paper proposes a parallel architecture of random signal-based learning (PRSL), merged with simulated annealing (SA), to optimize the fuzzy logic controller (FLC). Random signal-based learning (RSL) finds the local optima very well, whereas it can not finds the global optimum in a very complex search space because of its serial nature. To overcome these difficulties, PRSL, which consists of serial RSL as a population, is considered. Moreover, SA is added to RSL to help the exploration. The validity of the proposed algorithm is conformed by applying it to the optimization of a FLC for the inverted pendulum.

• Proceedings of the KIEE Conference
• /
• 2004.11c
• /
• pp.361-363
• /
• 2004

시간 및 주파수 특성 분석이 용이한 웨이블릿을 신경회로망에 적용시킨 웨이블릿 신경 회로망의 파라미터 학습 방법에는 오차 역전파 알고리듬 및 유선 알고리듬 등 여러 가지 방법이 있으나 이러한 학습 방법들은 수렴 시간이 오래 걸리는 단점을 가진다. 따라서 본 논문에서는 웨이블릿 신경 회로망의 최적 파라미터를 결정하기 위한 학습 방법으로 일반적으로 비선형 시스템 추정에 주로 사용되는 확장 칼만 필터 알고리듬을 적용한 신경회로망을 제안한다. 또한 제안된 학습 알고리듬을 이용한 웨이블릿 신경 회로망으로 간접 적응 제어기를 설계하여 연속 시간 혼돈 시스템인 Duffing 시스템의 제어에 적용함으로써 확장 칼만 필터 학습 알고리듬을 적용한 웨이블릿 신경 회로망 모델의 우수성을 보인다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.20 no.9
• /
• pp.1679-1687
• /
• 2016

Mobile robots are effectively used in industrial fields that require flexible manufacturing systems. Mobile robots have to move with mechanical loads such as product parts along the specified paths, and are usually equipped with kinematic controllers. When the loads and nonlinear frictions are too high, satisfactory control performances can not be expected with the kinematic controllers, so some dynamic controllers have been developed. Conventional dynamic controllers require the exact weights and locations of the loads; however, the loads are frequently changed and unknown so that the control performances of the conventional controllers are limited. This paper proposes an adaptive PD control method using gradient descent learning to have sufficient dynamic control performance for unknown loads. Simulation studies have been conducted for various load conditions to verify that the adaptive PD control method have much broader convergence region than the convention method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.694-696
• /
• 2005

본 논문에서는 개선된 유전자 알고리즘과 역전파 신경망 알고리즘의 특징을 살펴보고, 비선형 모의자료를 이용하여 개선된 유전자 알고리즘 기반의 신경망 학습 효과와 역전파 신경망 알고리즘을 이용한 신경망 학습 효과를 비교해 본다. 유전자 알고리즘을 이용한 신경망 학습에는 개선된 신경망 제어기를 이용한다. 역전파 알고리즘을 이용한 신경망 학습에는 일반화 성능향상을 위한 인자들의 결합효과를 이용한다. 모의실험을 통하여 두 가지의 학습에서 학습 수령의 정도와 학습 속도 등을 비교하는 모의실험 결과를 개선된 유전자 알고리즘과 신경망 알고리즘의 학습 결과와 항께 제시한다. 모의실험의 결과로서 유전자 알고리즘을 적용한 개선된 신경망 제어기를 통한 학습 결과가 일반 신경망 학습 결과보다 초기 가중값을 작은 범위에서 발생시킬 때 수렴 정확도 및 학습 속도에서 좋은 결과를 나타내 주고 있다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.17 no.1
• /
• pp.101-111
• /
• 1993

Many processes such as machining, injection-moulding and metal-forming are usually operated by hydraulic servo-systems. The dynamic characteristics of these systems are complex and highly non-linear and are often subjected to the uncertain external disturbances associated with the processes. Consequently, the conventional approach to the controller design for these systems may not guarantee accurate tracking control performance. An effective neuro-fuzzy controller is proposed to realize an accurate hydraulic servo-system regardless of the uncertainties and the external disturbances. For this purpose, first, we develop a simplified fuzzy logic controller which have multidimensional and unsymmetric membership functions. Secondly, we develop a neural network which consists of the parameters of the fuzzy logic controller. It is show that the neural network has both learning capability and linguistic representation capability. The proposed controller was implemented on a hydraulic servo-system. Feedback error learning architecture is adopted which uses the feedback error directly without passing through the dynamics or inverse transfer function of the hydraulic servo-system to train the neuro-fuzzy controller. A series of simulations was performed for the position-tracking control of the system subjected to external disturbances. The results of simulations show that regardless of inherent non-linearities and disturbances, an accuracy tracking-control performance is obtained using the proposed neuro-fuzzy controller.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.18 no.3
• /
• pp.503-509
• /
• 2014

In this paper, a PID controller with adaptive neural network compensator is proposed to control the formations of mobile robot. The control system is composed of a kinematic controller based on the leader-following robot and dynamic controller for considering the dynamics of the mobile robot. The dynamic controller is constituted by a PID controller and the adaptive neural network compensator for improving the performance and compensating the change in dynamic characteristics. Simulation results show the performance of the PID controller and the neural network compensator for the circular trajectory and linear trajectory. And it is verified that by improving the performance of a PID controller via the adaptive neural network compensator, the following robot's tracking performance is improved.