In this paper, we present an nonlinear PID controller with network based compensator which consists of a conventional PID controller that controls the linear components and neuro-compensator that controls the output errors and nonlinear components. This controller is based on the Harris's concept where he explained that the adaptive controller consists of the PID control term and the disturbance compensating term. The resulting controller's architecture is also found to be very similar to that of Wang's controller. This controller adds a self-tuning ability to the existing PID controller without replacing it by compensating the output errors through the neuro-compensator. Various simulations and comparative studies have proven that the proposed nonlinear PID controller produces superior results to other existing PID controllers. When applied to an actual magnetic levitation system which is known to be very nonlinear, it has also produced an excellent results.
This paper presetns an adaptive critic self-learning control system with cerebellar model articulation controller (CMAC)-based decoder integrated with the associative search element (ASE) and adatpive critic element(ACE)- based scheme. The tast of the system is to balance a pole that is hinged to a movable cart by applying forces to the cart's base. The problem is that error feedback information is limited. This problem can be sloved when some adaptive control devices are involved. The ASE incorporates prediction information for reinforrcement from a critic to produce evaluative information for the plant. The CMAC-based decoder interprets one state to a set of patways into the ASE/ACE. These signals correspond to te current state and its possible preceding action states. The CMAC's information interpolation improves the learning speed. And design inverted pendulum hardware system to show control capability with neural network.
본 논문에서는 underutilization 문제를 해결한 퍼지 신경회로망 모델을 제시한다. 이 퍼지 신경 회로망은 ART-1 신경회로망과 유사한 제어 구조를 가지고 있어 유연성이 있으면서도 안정성이 있다. 또한 연결강도의 초기화가 필요 없고 ART-1 신경회로망에 비하여 잡음에 민감하지 않다. 이 퍼지 신경회로망의 학습법칙은 코호넨의 학습법칙을 변형하고 퍼지화 하였으며 누설 경쟁학습의 퍼지화와 조건 확률의 퍼지화에 기반을 두고 있다. 출력 뉴런 중에서 승자를 정한 후에 행해지는 점검 테스트에서는 유사척도로 상대적 거리를 사용하였다. 이 상대적 거리는 유클리디안 거리와 함께 데이터와 클러스터들의 대푯값들 간의 상대적인 위치를 고려한 것이다. 본 논문에서 제안한 퍼지 신경회로망과 코호넨 자기 조직화 특징 지도의 성능을 비교하기 위하여 널리 사용되어온 IRIS 데이터와 가우시안 분포 데이터를 사용하였다.
제어 환경의 변화에 강건하게 대처할 수 있는 제어 시스템을 개발하기 위해서, 본 논문에서는 자연계의 면역 시스템과 다층 신경망을 결합한 제어 시스템을 제안한다. 제안한 제어 시스템은 면역 알고리즘을 이용하여 다층 신경망의 가중치를 조절한다. 면역 알고리즘은 초기 방어 단계인 선천성 면역 알고리즘과 적응 단계인 적응 면역 알고리즘으로 구성되어 있다. 과거에 학습한 경험이 있는 환경과 유사한 환경에 대해서 선천성 면역 알고리즘이 동작하고, 학습한 경험이 없는 새로운 제어 환경의 변하에 대해서는 적응 면역 알고리즘이 동작한다. 면역 알고리즘을 이용한 제어 시스템을 로봇 매니퓰레이터의 궤적 추종 제어에 적용하였으며, 컴퓨터 모의 실험을 통해 제어 시스템의 성능을 평가한다.
제어로봇시스템학회 1994년도 Proceedings of the Korea Automatic Control Conference, 9th (KACC) ; Taejeon, Korea; 17-20 Oct. 1994
/
pp.243-246
/
1994
In this paper, a self-learning fuzzy controller is designed with a fuzzy approximation of an inverse model. The aim of an identification is to find an input command which is control of a system output. It is intuitional and easy to use a classical adaptive inverse modeling method for the identification, but it is difficult and complex to implement it. This problem can be solved with a fuzzy approximation of an inverse modeling. The fuzzy logic effectively represents the complex phenomena of the real world. Also fuzzy system could be represented by the neural network that is useful for a learning structure. The rule of a fuzzy inverse model is modified by the gradient descent method. The goal is to be obtained that makes the design of fuzzy controller less complex, and then this self-learning fuzz controller can be used for nonlinear dynamic system. We have applied this scheme to a nonlinear Ball and Beam system.
제어로봇시스템학회 1996년도 Proceedings of the Korea Automatic Control Conference, 11th (KACC); Pohang, Korea; 24-26 Oct. 1996
/
pp.24.1-24
/
1996
The development of future aircraft that involves the expanded flight envelop will place increased performance requirements on the design of the flight control system. Maneuvering areas are expanding into flight envelopes characterized by significantly larger levels of modeling uncertainty than encountered in present flight control designs. Conventional flight control techniques that ignore the effects of large parameter variations, modeling uncertainties and nonlinearities, will likely produce designs with poor performance and robustness. Recent advances in modern control theories called advanced control theories, most notably the H$\_$.inf./ synthesis technique, adaptive control and neural network application, offer the promise of a design technique that can produce both high performance and robust controllers for next generation aircraft. This special lecture will survey the recent development in advanced flight control and review the possible application of advanced control theories.
본 논문은 카오틱 신경망과 PD 제어기를 이용한 로봇 시스템의 직접적응제어 방식에 관한 것이다. 카오틱 신경망은 상·하층 결합계수 외에 궤환 결합계수와 동일 층 내의 결합계수를 가지며, 뉴런자체의 충분한 비선형성 때문에 강한 동적특성을 가지고 있다. 그러나 신경망의 구조 및 학습의 문제점으로 인하여 동적 시스템의 제어에 적용되지 못하고 있다. 본 논문에서는 기존의 카오틱 신경망을 제어 분야에 적용하기 위하여 적합한 구조로 수정하고 수정된 신경망의 학습에 관하여 고찰하였다. 제안된 신경망은 모의 실험을 통하여 3 축 푸마 로봇의 경로 제어에 적용하였다. 카오틱 신경망 제어기는 PD 제어기와 병렬로 구성하여 학습 초기의 안정성을 확보하였고, 제어대상의 비선형성을 보상하는 보상 제어기의 역할을 수행하도록 하였다
This paper presents an adaptive fuzzy controller using an neural network and adaptation algorithm. Reference-model following neuro-fuzzy controller(RMFNFC) is invesgated in order to overcome the difficulty of rule selecting and defects of the membership function in the general fuzzy logic controller(FLC). RMFNFC is developed to tune various parameter of the fuzzy controller which is used for the discrete nonlinear system control. RMFNFC is trained with the identification information and control closed loop error. A closed loop error is used for design criteria of a fuzzy controller which characterizes and quantize the control performance required in the overall control system. A control system is trained up the controller with the variation of the system obtained from the identifier and closed loop error. Numerical examples are presented to control of the discrete nonlinear system. Simulation results show the effectiveness of the proposed controller.
The field oriented control of induction motors is widely used in high performance applications. However, detuning caused by parameter disturbance still limits the performance of these drives. In order to accomplish variable speed operation, conventional PI-like controllers are commonly used. These controllers provide limited good Performance over a wide range of operation, even under ideal field oriented conditions. This paper is proposed model reference adaptive fuzzy control(MFC) and artificial neural network(ANN) based on the vector controlled induction motor drive system. Also, this paper is proposed control of speed and current using fuzzy adaption mechanism(FAM), MFC and estimation of speed using ANN. The proposed control algorithm is applied to induction motor drive system using FAM, MFC and ANN controller. Also, this paper is proposed the analysis results to verify the effectiveness of this controller.
An induction motor operated with a conventional direct self controller(DSC) shows a sluggish response during startup and under changes of torque command. Fuzzy logic controller(FLC) is used in conjection with DSC to minimize these problems. A FLC chooses the switching states based on a set of fuzzy variables. Flux position, error in flux magnitude and error in torque are used as fuzzy state variables. Fuzzy rules are determinated by observing the vector diagram of flux and currents. This paper proposes hybrid fuzzy controller for direct torque control(DTC) of induction motor drives. The speed controller is based on adaptive fuzzy learning controller(AFLC), which provide high dynamics performances both in transient and steady state response. Flux position, error in flux magnitude and error in torque are used as FLC state variables. The speed is estimated with model reference adaptive system(MRAS) based on artificial neural network(ANN) trained on-line by a back-propagation algorithm. This paper is controlled speed using hybrid fuzzy controller(HFC) and estimation of speed using ANN. The performance of the proposed induction motor drive with HFC controller and ANN is verified by analysis results at various operation conditions.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.