• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.334-341
• /
• 2003

본 논문에서는 신경망제어기의 출력을 보상하는 퍼지보상기를 갖는 리커런트 시간 지연 신경망(RTDNN) 제어기를 제안하였다. 학습이 완료된 신경망제어기를 사용하더라도 예상치 못한 외란으로 인해 플랜트의 출력이 좋지 못한 경우가 있는데, 이것을 적절하게 조절해 주기 위해 퍼지보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 플랜트의 역모델 신경망을 학습시킨 결과를 이용하여 주 신경망의 가중치를 변경시킴으로서 원하는 플랜트의 동적 특성을 얻게 된다. 2차 플랜트를 통한 모의실험 결과가 시간 지연 신경망(TDNN)제어기보다 더 좋은 응답 특성을 가짐을 확인할 수 있다. 제안한 제어기의 성능을 확인하기 위해 유압 서보시스템을 대상으로 DSP 프로세서를 사용하여 구현한 후 실험결과를 통하여 제안된 방법의 유용성을 보였다.

• 융합신호처리학회논문지
• /
• 제13권4호
• /
• pp.233-237
• /
• 2012

본 논문에서는 RTDNN과 FLC를 이용해서 주신경망을 보상하는 제어시스템을 제안한다. 주신경망이 학습을 완료한 후 외란이나 부하변동이 생겨 오브 슛 내지는 언더 슛을 나타낼 때 적절히 조정하기 위해 퍼지 보상기를 사용하여 원하는 결과를 얻을 수 있도록 하였다. 그리고 제어대상의 역모델 신경망에서 학습시킨 결과를 이용하여 주신경망의 가중치를 변경시킴으로서 제어대상의 원하는 동적 특성을 얻게 된다. 모의 실험 결과 제안한 신경망 제어기의 양호한 응답 특성을 확인 할 수 있다.

• 한국지능시스템학회논문지
• /
• 제2권1호
• /
• pp.17-32
• /
• 1992

로보트 매니퓰레이터의 신경 제어기 구성에 널리 사용하는 다층 신경회로망은 로보트의 불확실한 동적 파라메터 변화에 대한 강건한 학습 적응능력, 그리고 병렬 처리를 통한 실시간 제어등의 장점들을 갖고있다. 그러나 대표적인 학습방법인 오차 역전파(error back propagation) 알고리즘은 그 학습 속도가 느리다는 문제점을 갖는다. 본 논문에서는 불확실하고 애매한 정보를 언어적인 방법에 의해 효율적으로 처리할 수 있는 퍼지 논리 (fuzzy logic)를 도입하여 로보트 매니퓰레이터 신경 제어기의 학습 속도를 개선하기위한 한 방법을 제안한다. 제안된 제어기의 효용성은 PUMA 560 로보트의 모의 실험을 통해 입증된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2005년도 ICCAS
• /
• pp.1072-1075
• /
• 2005

This paper presents that TD method is applied to the human adaptive devices for smart home with context awareness (or recognition) technique. For smart home, the very important problem is how the appliances (or devices) can adapt to user. Since there are many humans to manage home appliances (or devices), managing the appliances automatically is difficult. Moreover, making the users be satisfied by the automatically managed devices is much more difficult. In order to do so, we can use several methods, fuzzy controller, neural network, reinforcement learning, etc. Though the some methods could be used, in this case (in dynamic environment), reinforcement learning is appropriate. Among some reinforcement learning methods, we select the Temporal Difference learning method as a core algorithm for adapting the devices to user. Since this paper assumes the environment is a smart home, we simply explained about the context awareness. Also, we treated with the TD method briefly and implement an example by VC++. Thereafter, we dealt with how the devices can be applied to this problem.

• 조명전기설비학회논문지
• /
• 제23권8호
• /
• pp.57-66
• /
• 2009

종래의 고정된 이득을 가진 PI 제어기는 지령속도, 부하변화 등과 같은 파라미터 변동에 대해서 매우 민감하다. IPMSM 드라이브의 정확한 속도제어는 비선형적인 전자기적 발생저항뿐만 아니라 회전자 속도와 권선저항사이의 비선형적 관계 때문에 복잡한 문제점이 있다. 따라서 광범위한 동작상태에서 최적 제어를 위해 PI 제어기의 이득값을 실시간으로 조절해야한다. 본 논문은 FNN과 ALM을 이용하여 IPMSM 드라이브의 HIPI 제어기를 제시한다. 제시된 제어기는 ANN을 이용하여 속도를 추정하고, 시스템 외란에 대해서 IPMSM 드라이브의 고성능 속도제어를 제시한다. PI 제어기의 이득값은 모든 동작상태에서 ALM-FNN에 의해 최적화 되어진다. 제시된 제어기는 다양한 동작상태에 대한 분석을 통해 타당성을 입증한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 춘계학술대회 논문집 에너지변화시스템부문
• /
• pp.225-227
• /
• 2009

The conventional fixed gain PI controller is very sensitive to step change of command speed, parameter variation and load disturbances. The precise speed control of interior permanent magnet synchronous motor(IPMSM) drive becomes a complex issue due to nonlinear coupling among its winding currents and the rotor speed as well as the nonlinear electromagnetic developed torque. Therefore, there exists a need to tune the PI controller parameters on-line to ensure optimum drive performance over a wide range of operating conditions. This paper is proposed artificial intelligent-PI(AIPI) controller of IPMSM drive using adaptive learning mechanism(ALM) and fuzzy neural network(FNN). The proposed controller is developed to ensure accurate speed control of IPMSM drive under system disturbances and estimation of speed using artificial neural network(ANN) controller. The PI controller parameters are optimized by ALM-FNN at all possible operating condition in a closed loop vector control scheme. The validity of the proposed controller is verified by results at different dynamic operating conditions.

• 한국지능시스템학회논문지
• /
• 제8권2호
• /
• pp.50-59
• /
• 1998

This paper presents stabilization and adaptive control of flexible single link robot manipulator system by self-recurrent neural networks that is one of the neural networks and is effective in nonlinear control. The architecture of neural networks is a modified model of self-recurrent structure which has a hidden layer. The self-recurrent neural networks can be used to approximate any continuous function to any desired degree of accuracy and the weights are updated by feedback-error learning algorithm. When a flexible manipulator is rotated by a motor through the fixed end, transverse vibration may occur. The motor toroque should be controlled in such a way that the motor rotates by a specified angle, while simultaneously stabilizing vibration of the flexible manipuators so that it is arresed as soon as possible at the end of rotation. Accurate vibration control of lightweight manipulator during the large changes in configuration common to robotic tasks requires dynamic models that describe both the rigid body motions, as well as the flexural vibrations. Therefore, a dynamic models for a flexible single link robot manipulator is derived, and then a comparative analysis was made with linear controller through an simulation and experiment. The results are proesented to illustrate thd advantages and imporved performance of the proposed adaptive control ove the conventional linear controller.

• 조명전기설비학회논문지
• /
• 제15권4호
• /
• pp.14-22
• /
• 2001

본 논문에서는 전력계통의 저주파 진동 억제와 안정도 향상을 위해 적응 뉴로-퍼지 전 보상기(Adaptive Neuro-Fuzzy Precompensator, ANFP)를 설계하였다. 여기서 ANFP는 종래의 전력계통 안정화 장치(Power System Stabilizer, PSS)를 보상하도록 설계되며, 이 설계기법은 기존의 PSS 최적 파라미터를 구하는 방식과는 달리 현재 사용중인 PSS 파라미터를 고정시켜놓고, ANFP만을 추가하는 구조적인 장점을 나타낸다. 먼저, 학습 능력을 가지는 퍼지 전 보상기가 구성되며, 이는 발전 유니트의 입출력 데이터로부터 학습된다. ANFP는 학습의 특성을 가지기 때문에 보상기의 퍼지규칙과 소속함수는 학습 알고리즘에 의해 자동으로 동조될 수 있다 학습은 ANFP와 목표 제어기(desired controller)의 출력을 비교하여 평가되는 오차를 최소화하도록 수행된다. 사례 연구 들에서 다양한 동작 조건들 상에서 전력계통의 우수한 제동을 제공할 수 있었으며, 시스템의 동특성을 향상시킬 수 있었다

• 전기학회논문지P
• /
• 제59권3호
• /
• pp.279-287
• /
• 2010

Interior permanent magnet synchronous motor(IPMSM) adjustable speed drives offer significant advantages over induction motor drives in a wide variety of industrial applications such as high power density, high efficiency, improved dynamic performance and reliability. This paper proposes efficiency optimization control of IPMSM drive using adaptive fuzzy learning controller(AFLC). In order to optimize the efficiency the loss minimization algorithm is developed based on motor model and operating condition. The d-axis armature current is utilized to minimize the losses of the IPMSM in a closed loop vector control environment. The design of the current based on adaptive fuzzy control using model reference and the estimation of the speed based on neural network using ANN controller. The controllable electrical loss which consists of the copper loss and the iron loss can be minimized by the optimal control of the armature current. The minimization of loss is possible to realize efficiency optimization control for the proposed IPMSM. The optimal current can be decided according to the operating speed and the load conditions. This paper considers the design and implementation of novel technique of high performance speed control for IPMSM using AFLC. Also, this paper proposes speed control of IPMSM using AFLC1, current control of AFLC2 and AFLC3, and estimation of speed using ANN controller. The proposed control algorithm is applied to IPMSM drive system controlled AFLC, the operating characteristics controlled by efficiency optimization control are examined in detail.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제7권3호
• /
• pp.176-181
• /
• 2007

This paper presents evolvable neural networks based on a developmental model for navigation control of autonomous mobile robots in dynamic operating environments. Bio-inspired mechanisms have been applied to autonomous design of artificial neural networks for solving practical problems. The proposed neural network architecture is grown from an initial developmental model by a set of production rules of the L-system that are represented by the DNA coding. The L-system is based on parallel rewriting mechanism motivated by the growth models of plants. DNA coding gives an effective method of expressing general production rules. Experiments show that the evolvable neural network designed by the production rules of the L-system develops into a controller for mobile robot navigation to avoid collisions with the obstacles.