• 정보보호학회논문지
• /
• 제30권4호
• /
• pp.527-536
• /
• 2020

정보보호용 디바이스의 부채널 정보인 소비 전력 파형을 이용하면 내장된 비밀 키 뿐만 아니라 동작 명령어를 복구할 수 있음이 밝혀졌다. 최근에는 MLP 등과 같은 딥러닝 모델을 이용한 프로파일링 기반의 부채널 공격들이 연구되고 있다. 본 논문에서는 마이크로 컨트롤러 AVR XMEGA128-D4가 사용하는 명령어에 대한 역어셈블러를 구현하였다. 명령어에 대한 템플릿 파형을 수집하고 전처리하는 과정을 자동화하였으며 CNN 딥러닝 모델을 사용하여 명령-코드를 분류하였다. 실험 결과, 전체 명령어는 약 87.5%의 정확도로, 사용 빈도가 높은 주요 명령어는 99.6%의 정확도로 분류될 수 있음을 확인하였다.

• 전자공학회논문지
• /
• 제50권1호
• /
• pp.246-253
• /
• 2013

본 논문에서는 유동의 안정된 흐름 제어를 위한 유동제어에 대해 다룬다. 전산유체역학 해석을 통해 제공된 대용량의 유동 데이터를 POD 방법을 통하여 축약하고, 제어측면에서 시간 및 주파수 영역에서의 분석에 근거하여 적절한 수준의 저차 모델링한다. 한편, 유동장 표면에 부착된 압력센서로부터 공간상의 유동상태 추정을 위해 신경망 구조를 갖는 유동추정기를 구성하고, 되먹임 유동제어기를 설계함으로써 유동제어루프를 구성한다.

• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1965-1977
• /
• 2018

This paper proposed a regenerative braking system (RBS) strategy for battery electric vehicles (BEVs) with a hybrid energy storage system (HESS) driven by a brushless DC (BLDC) motor. In the regenerative braking mode of BEV, the BLDC motor works as a generator. Consequently, the DC-link voltage is boosted and regenerative braking energy is transferred to a battery and/or ultracapacitor (UC) using a suitable switching pattern of the three-phase inverter. The energy stored in the HESS through reverse current flow can be exploited to improve acceleration and maintain the batteries from frequent deep discharging during high power mode. In addition, the artificial neural network (ANN)-based RBS control mechanism was utilized to optimize the switching scheme of the vehicular breaking force distribution. Furthermore, constant torque braking can be regulated using a PI controller. Different simulation and experiments were implemented and carried out to verify the performance of the proposed RBS strategy. The UC/battery RBS also contributed to improved vehicle acceleration and extended range BEVs.

• 전기학회논문지
• /
• 제67권11호
• /
• pp.1423-1433
• /
• 2018

Recently, a permanent magnet synchronous motor of middle and small-capacity has high torque, high precision control and acceleration / deceleration characteristics. But existing control has several problems that include unpredictable disturbances and parameter changes in the high accuracy and rigidity control industry or nonlinear dynamic characteristics not considered in the driving part. In addition, in the drive method for the control of low-vibration and high-precision, the process of connecting the permanent magnet synchronous motor and the load may cause the response characteristic of the system to become very unstable, to cause vibration, and to overload the system. In order to solve these problems, various studies such as adaptive control, optimal control, robust control and artificial neural network have been actively conducted. In this paper, an incremental encoder of the permanent magnet synchronous motor is used to detect the position of the rotor. And the position of the detected rotor is used for low vibration and high precision position control. As the controller, we propose augmented state feedback control with a speed observer and first order deadbeat disturbance observer. The augmented state feedback controller performs control that the position of the rotor reaches the reference position quickly and precisely. The addition of the speed observer to this augmented state feedback controller compensates for the drop in speed response characteristics by using the previously calculated speed value for the control. The first order deadbeat disturbance observer performs control to reduce the vibration of the motor by compensating for the vibrating component or disturbance that the mechanism has. Since the deadbeat disturbance observer has a characteristic of being vulnerable to noise, it is supplemented by moving average filter method to reduce the influence of the noise. Thus, the new controller with the first order deadbeat disturbance observer can perform more robustness and precise the position control for the influence of large inertial load and natural frequency. The simulation stability and efficiency has been obtained through C language and Matlab Simulink. In addition, the experiment of actual 2.5[kW] permanent magnet synchronous motor was verified.

• 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.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.185-193
• /
• 2022

본 논문은 쿼드로터 무인기의 위치 및 자세 추적 제어 성능을 향상시키기 위해 RBFNN 방식을 이용한 적응형 슬라이딩 모드 제어를 제안한다. RBFNN은 UAV 동적 모델에서 비선형 함수의 근사화에 활용되며, RBFNN의 가중치는 슬라이딩 표면에 부딪혀 미끄러지는 상태를 보장하기 위해 Lyapunov 안정성 분석의 적응 법칙에 따라 온라인으로 조정된다. 네트워크 근사 오류를 보상하고 기존 채터링 문제를 제거하기 위해 슬라이딩 모드 제어 항은 적응 법칙에 의해 조정되어 시스템의 강력한 성능을 향상시킨다. 제안된 제어 방법의 시뮬레이션 결과는 비선형 쿼드로터 무인 항공기에 적용된 제안된 제어기의 효율성을 확인하였다. 그 결과, 제안된 제어 시스템이 만족스러운 제어 성능과 견고성을 달성함을 알 수 있었다.

• 제어로봇시스템학회논문지
• /
• 제7권9호
• /
• pp.723-732
• /
• 2001

경로 추적의 성능을 향상시키기 위해서 이 논문에서는 광유도식 무인방송차(AGV)의 뉴로퍼지 컨트롤러를 제안한다. 2바퀴 각각 조향 기능이 있는 AGV의 전방과 후방에 센서들이 장작되어 있으며, 그 센서들의 정보를 이용하여 AGV의 경로를 유도하게 된다. 측정된 광센서가 연속적인 데이터가 아니기 때문에 광유도식 AGV 는 쉽게 경로를 이탈하게 되고 경로 추적 성능은 떨어지게 된다. 광센서의정보들은 on/off 신호에 의해 발생되므로 비연속적으로 얻어지게 되고, 동적 오착가 측정되어진다. 센서에 의해 정보를 얻은 후 동적 오차는 좌우측 바퀴의 각 속도를 이용한 데드 레코닝(Dead Reckoning) 방법에 의해 연속적으로 계산되어진다. 여기서, 추정 윤곽 오차는 측정 윤관오차를 윤곽오차의증북(Variation)의 합의로 정의된다. 뉴로퍼지 시스템은 퍼지 제어기와 신경회로망으로 이루어졌다. 추정 윤곽 오차를 줄이기 위해 역전파 (Back-Propagation) 학습에 의해 퍼지 맴버쉽 함수의 계수들은 적응적으로 조정된다. 제안된 기존의 퍼지 제어기와 비교분석된다. 성능 분석을 위해 제안된 제어 이론은 모의 실험에 의해 검증된다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.340-344
• /
• 2023

본 논문에서는 날씨 변화에 따른 실외 LED 전광판의 시인성 확보를 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 제안하는 기법은 영상장치를 이용한 딥러닝을 사용하여 날씨 변화에 따른 LED 휘도를 자동 조절함으로써 실외 LED 전광판의 시인성을 확보한다. 날씨 변화에 따른 LED 휘도를 자동 조절하기 위하여, 먼저 평면화된 배경 부분 이미지 데이터에 대한 전처리 과정을 거친 후, 합성곱 네트워크를 이용하여 학습시켜 날씨에 대한 분류를 진행할 수 있는 딥러닝 모델을 만들어낸다. 적용된 딥러닝 네트워크는 Residual learning 함수를 사용하여 입력값과 출력값의 차이를 줄임으로써 초기의 입력값의 특징을 가지고 가면서 학습하도록 유도한다. 다음에 날씨를 인식하여 날씨 변화에 따라 실외 LED 전광판의 휘도를 조절하는 제어기를 사용하여 주변 환경이 밝아지면 휘도가 높아지도록 변경하여 선명하게 보이도록 한다. 또한, 주변 환경이 어두워지면 빛의 산란에 의해 시인성이 떨어지기 때문에 전광판의 휘도가 내려가도록 하여 선명하게 보이도록 한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 날씨 변화에 따른 휘도 측정의 공인 측정 실험 결과는, 날씨 변화에 따라 실외 LED 전광판의 시인성이 확보됨을 확인하였다.

• 전자공학회논문지C
• /
• 제35C권11호
• /
• pp.76-88
• /
• 1998

강화 학습은 이산적인 공간을 가상하여 많은 연구가 행해졌지만, 많은 실제적인 제어 문제는 연속적인 공간에서 이루어진다. 평가 함수와 행동 함수를 연속함수로 하면 강화 학습 구조를 연속 공간에서 사용할 수 있다. 그러나 이 경우 두 가지 고려해야 할 점이 있다. 하나는 어떤 종류의 함수 표현 법을 사용할 것인가 하는 문제고, 다른 하나는 첨가하는 잡음의 양을 결정하는 것이다. 평가 함수와 정책 함수(제어기)에는 신경회로를 사용하였다. 강화 예측기로 다음 순간의 강화 신호를 예측하고, 아울러 첨가하는 잡음의 양도 결정하였다. 제안된 강화 학습 구조를 사용하여 차량의 횡 방향 제어 모의 실험에서 온라인 학습의 특성을 확인하였다. 제안된 구조를 실차 실험에도 적용하여 유용성과 타당성을 검증하였다.

• 한국지능시스템학회논문지
• /
• 제6권4호
• /
• pp.71-80
• /
• 1996

본 논문은 진화연산 중 실수값 탐색에 유리한 진화전략(Evolution Strategies)을 이용하여 대표적인 비선형 시스템인 도립전자(Inverted Pendulum)의 안정화 및 위치제어를 실현한다. 도립진자의 제어입력은 진자의 상태변수 x, $, $, $ 의공간을 나누어 그 공간에해당되는 염색체의 원소가 된다. 일바적으로 염색체의 길이가 길어지면 최적의해를 탐색하기 위한 진화시간은 길어진다. 따라서 본 논문에서는 진화속도를 개선하기 위하여, 서로 대칭이 되는 진자의 구간에 대해서는 제어입력을 따로 구하지 않고 그 제어입력의 부호만 바꾸어 주는 방식을 채용하여 상태공간을 반으로 줄이는 방법을 제안하였으며, 진자의 수레가 제어 목표점에서 멀리 떨어져 있는 경우와 가까이 있는 경우로 나누어, 염색체의 진화과정을 2단계에 걸쳐 수행하게 함으로써 염색체의 진화속도의 개선은 몰룬 시스템 전체의 성능을 향상시켰다. 또 하나의 방법으로 신경회로망과 진화전략을 융합한 방법을 제안하고, 제안한 제어방식은 컴퓨터 시뮬레이션을 통하여 그 유효성을 확인한다.