• 한국정보통신학회논문지
• /
• 제21권2호
• /
• pp.395-400
• /
• 2017

본 논문에서는 산소 센서를 이용하여 CMAC 신경회로망 학습제어에 의한 차량의 연료분사 제어방법에 대해 논한다. 기본 차량 내연기관과 연료 분사 제어시스템의 동역학적인 비선형성으로 인하여 불연속적인 연로를 분사한다. 정밀 연료 분사량 제어에 어려움을 발생시키기 때문에 엔진성능은 저하된다. 본 연구에서는 CMAC 신경회로망을 이용한 연료 분사시스템을 제안한다. CMAC 신경회로망은 매우 넓은 범위의 함수로부터 비선형 관계를 학습 할 수 있고, 학습이 빠르며, 수렴 특성을 가지고 있다. 그리고 산소 센서의 출력특성을 파악하여 연료분사 속도를 계산해서 설정된 공연비 값을 유지시켜준다. 게다가 기존 가솔린 엔진의 구조변경이 없이 어떤 상황에서도 공연비를 정밀하게 제어할 수 있으며, 배기가스 배출량을 절감시킬 수 있다. 시뮬레이션을 통해 일반적인 차량의 제어 방법과 비교 분석하였고, 제안된 방법이 차량의 연비 향상과 친환경 성능 등에 더 효과적임을 확인하였다.

• 전자통신동향분석
• /
• 제8권3호
• /
• pp.11-20
• /
• 1993

CMAC 신경회로망은 다차원 비선형 함수를 학습을 통하여 발생되는 많고 복잡한 데이터들을 퍼셉트론과 같이 집합시켜 메모리를 구성하고 처리하는 분야이다. 일반적으로 학습알고리즘은 소수의 반복으로써 수렴한다. 본고에서는 CMAC의 메카니즘 및 CMAC의 특성을 기술하고, CMAC의 학습가능성을 예시하였다. CMAC의 학습성능을 시험하기 위해서 3관절 로봇의 squatting 문제에 적용하였다.

• 전자공학회지
• /
• 제23권12호
• /
• pp.136-144
• /
• 1996

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1993년도 하계학술대회 논문집 A
• /
• pp.492-494
• /
• 1993

CMAC (Cerebeller Model Articulation Controller) is kind of Neural Networks that imitate the human cerebellum. For storage and retrieval of learned data, the input of CMAC is used as a key to determine the memory location. he learned information is distributively stored in physical memory. The learning of CMAC is very fast and converged well, therefore, it effects the application of Pattern Recognition. Through the our experiment of Pattern Recognition, we will prove that CMAC is very suitable for On-line real time processing and incremental learning of Neural Networks.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1996년도 하계학술대회 논문집 B
• /
• pp.1186-1188
• /
• 1996

Neural networks and fuzzy systems have attracted the attention of many researehers recently. In general, neural networks are used to obtain information about systems from input/output observation and learning procedure. On the other hand, fuzzy systems use fuzzy rules to identify or control systems. In this paper we present a generalized FCMAC(Fuzzified Cerebellar Model Articulation Controller) networks, by integrating fuzzy systems with the CMAC(Cerebellar Model Articulation Controller) networks. We propose a direct adaptive controller design based on FCMAC(fuzzified CMAC) networks. Simulation results reveal that the proposed adaptive controller is practically feasible in nonlinear plant control.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1993년도 한국자동제어학술회의논문집(국내학술편); Seoul National University, Seoul; 20-22 Oct. 1993
• /
• pp.14-19
• /
• 1993

In this paper, we proposed an indirect learning and direct adaptive control schemes using neural networks, i.e., composite adaptive neural control, for a class of continuous nonlinear systems. With the indirect learning method, the neural network learns the nonlinear basis of the system inverse dynamics by a modified backpropagation learning rule. The basis spans the local vector space of inverse dynamics with the direct adaptation method when the indirect learning result is within a prescribed error tolerance, as such this method is closely related to the adaptive control methods. Also hash addressing technique, similar to the CMAC functional architecture, is introduced for partitioning network hidden nodes according to the system states, so global neuro control properties can be organized by the local ones. For uniform stability, the sliding mode control is introduced when the neural network has not sufficiently learned the system dynamics. With proper assumptions on the controlled system, global stability and tracking error convergence proof can be given. The performance of the proposed control scheme is demonstrated with the simulation results of a nonlinear system.

• Journal of Biosystems Engineering
• /
• 제15권3호
• /
• 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.

• 전자공학회논문지S
• /
• 제36S권2호
• /
• pp.28-37
• /
• 1999

재 강화 학습 방법을 다수의 제어입력을 가진 시스템에 대한 자율적 제어 기법 습득에 활용하기 위해서 차등책임 적응비평 학습구조를 제안하였다. 재 강화 학습은 여러 단계의 제어동작 끝에 얻어지는 최종 비평값을 활용하여 그 전에 행해졌던 제어 동작을 강화 혹은 약화 학습하는 자율적 학습방법이다. 대표적인 재강화학습 방법은 적응비평학습 구조를 이용하는 방법인데 비평모듈과 동작모듈을 이용하여 외부 비평 값을 최대로 활용함으로써 학습효과를 극대화시키는 방법이다. 이 학습방법에서는 단일한 제어입력을 갖는 시스템으로만 적용이 제한된다는 단점이 있다. 제안한 차등책임 적응비평 학습 구조에서는 비평함수를 제어 입력 인자의 함수로 구축한 다음 제어인자에 대한 차별 화된 비평 값을 부분미분을 통하여 산출함으로써 다수의 제어입력을 가진 시스템의 제어기술 학습이 가능하게 하였다. 제안한 학습제어 구조는 학습속도가 빠른 CMAC 신경회로망을 이용하여 구축하였으며 2개의 제어입력을 갖는 2-D Cart-Pole 시스템과 3 개의 제어입력을 갖는 인간구조 로봇시스템의 앉는 동작의 학습제어 시뮬레이션을 통하여 효용성을 확인하였다.