• 전자공학회논문지SC
• /
• 제41권4호
• /
• pp.21-28
• /
• 2004

본 논문에서는 다변수 비선형 시스템에 적응할 수 있는 신경회로망을 이용한 직접 다변수 자기동조 제어기를 제안한다. 제어기에 적용되는 플랜트는 고차이고 잡음, 시간지연과 상호결합 항이 존재하며 파라미터가 변하는 다변수 비선형 비최소위상 시스템이다. 비선형성은 전체적인 유계라 가정하며, 시스템은 선형부분과 비선형부분으로 분리한 형태로 구성한다. 다변수 비선형 자기동조 제어기의 제어 출력은 신경회로망으로 직접 추정된 제어기 파라미터로부터 얻어진다. 제어 알고리듬의 타당성을 확인하기 위해 시간지연이 있고 일정한 시간이 경과한 후 시스템의 파라미터가 변하는 고차 다변수 비선형 비최소위상 시스템에 대해 컴퓨터 시뮬레이션을 하였다. 그리고 신경회로망을 이용한 직접 다변수 적응 제어기와 비교하였다.

• 전력전자학회논문지
• /
• 제5권2호
• /
• pp.192-199
• /
• 2000

본 논문은 고주파 유도 가열기의 전력조절을 위해 뉴로-퍼지 알고리즘을 이용하고, IGBT를 사용한 위상 전이 펄스변조(PSPM)와 주파수 추종 펄스변조(FEPM) 가 조절되는 공진 고주파 인버터를 응용한 유도가열기를 설명한다. 이는 실제로 산업 현장에서 20KHz~500KHz 유도 가열 및 유도 용해 전원장치용으로 쓰인다. 위상 전이 펄스변조 (PSPM) 정전력 조절 기술을 바탕으로 한 적응 주파수 추종기법은 스위칭 손실을 최소화하고 전력조절을 용이하게 하기 위해 소개되어졌다. 뉴로-퍼지제어기를 사용하여 만들어진 실험장치는 성공적인 논증과 토의가 되어졌다.

• 한국항해학회지
• /
• 제21권3호
• /
• pp.55-66
• /
• 1997

In this paper, applications of neural networks to vibration control of flexible single link robot manipulator are ocnsidered. The architecture of neural networks is a hidden layer, which is comprised of self-recurrent one. Tow neural networks are utilized in a control system ; one as an identifier is called neuro identifier and the othe ra s a controller is called neuro controller. The neural networks can be used to approximate any continuous function to any desired degree of accuracy and the weights are updated by dynamic error-backpropagation algorithm(DEA). To guarantee concegence and to get faster learning, an approach that uses adaptive learning rates is developed by introducing a Lyapunov function. When a flexible manipulator is ratated by a motor through the fixed end, transverse vibration may occur. The motor torque should be controlle dinsuch as way, that the motor is rotated by a specified angle. while simulataneously stabilizing vibration of the flexible manipulators so that it is arrested as soon as possible at the end of rotation. Accurate vibration control of lightweight manipulator during the large body motions, as well as the flexural vibrations. Therefore, dynamic models for a flexible single link manipulator is derived, and LQR controller and nerual networks controller are composed. The effectiveness of the proposed nerual networks control system is confirmed by experiments.

• 제어로봇시스템학회논문지
• /
• 제7권6호
• /
• pp.494-501
• /
• 2001

In this paper an ANFIS(Adativo Neuro-Fuzzy Inference System)- based fault detection and diagnosis for a closed loop control system is proposed. The proposed diagnostic system contains two ANFIS. One is run as a parallel model within the model in closed loop control(MCL) and the other is run as a series-parallel model within the process in closed loop(PCL) for the generation of relevant symptoms for fault diagnosis. These symptoms are further processed by another classification logic with simple rules and neural network for process and controller fault diagnosis. Experimental results for a DC shunt motor control system illustrate the effectiveness of the proposed diagnostic scheme.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.494-499
• /
• 2013

본 논문은 불확실한 연속시 단일입력 단일출력 pure-feedback 비선형 계통에 대해서 참고문헌 [15]에서 제안된 상태변수 궤환 적응 신경망 제어 알고리듬을 바탕으로 출력만이 측정 가능한 계통에 적용할 수 있는 출력 궤환 제어기를 제시한다. 고려하는 계통에 대한 출력 궤환 적응 신경망 제어기는 이 분야에서 아직까지 어느 문헌에서도 다루지 않은 주제이다. 제안된 출력 궤환 제어기는 백스테핑을 회피하여 상대적으로 간결한 제어 규칙과 단 하나의 신경망만이 사용된다는 [15]의 장점을 그대로 계승하며 적용되는 비선형 계통의 범주를 더 넓힌다는 의미를 가진다.

• 한국우주과학회:학술대회논문집(한국우주과학회보)
• /
• 한국우주과학회 2011년도 한국우주과학회보 제20권1호
• /
• pp.32.2-32.2
• /
• 2011

State dependent Riccati equation (SDRE) control technique has been widely used in the control society. Although it solves nonlinear optimal control problems, which minimizes state error and control efforts simultaneously, it has drawbacks when it is to be applied to the real time systems in that it requires much computational efforts. So the real time system whose computational ability is limited (for example, satellites) cannot afford to use SDRE controller. To solve this problem, a hybrid controller which is based on MSDRE (Modified SDRE) and ANFIS (Adaptive Neuro-Fuzzy Inference System) has been proposed by Abdelrahman et al. (2010). We propose a hybrid controller based on SDRE and ANFIS, and apply the hybrid controller to the hardware attitude simulator to perform a HIL (Hardware-In-the-Loop) simulation. Through HIL simulation, it is demonstrated that the hybrid controller satisfies the control requirement and the computation load is reduced significantly. In addition, the effects of statistical properties of the ANFIS training data to the performance of the ANFIS controller have been analyzed.

• 전력전자학회논문지
• /
• 제10권3호
• /
• pp.282-289
• /
• 2005

본 논문에서는 NFC(Neuro-Fuzzy Controller)와 ANN(Artificial Neural network) 제어기를 이용한 IPMSM의 속도 제어 및 추정을 제시한다. PI 제어기에서 나타나는 문제점을 해결하기 위하여 신경회로망과 퍼지제어를 혼합적용한 NFC를 설계한다. 신경회로망의 고도의 적응제어와 퍼지 제어기의 강인성 제어의 장점들을 접목한다. 다음은 ANN을 이용하여 IPMSM 드라이브의 속도 추정기법을 제시한다. 2층 구조를 가진 신경회로망에 BPA(Back Propagation Algorithm)를 적용하여 IPMSM 드라이브의 속도를 추정한다. 추정속도의 타당성을 입증하기 위하여 시스템을 구성하여 제어특성을 분석한다.

• 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.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1998년도 제13차 학술회의논문집
• /
• pp.260-264
• /
• 1998

In this paper, we implemented the neuro-computer called MY-NEUPOWER in our research to carry out the artificial neural networks (ANN) calculating. An application software was developed based on a neural network using back-propagation (BP) algorithm under the UNIX platform by the specified computer language named MYPARAL. This neural network model was used as an auxiliary controller in the temperature control of sinter cooler system in steel plant which is a nonlinear system. The neural controller was trained off-line using the real input-output data as training pairs. We also made the system description of adaptive neural controller on the same temperature control system. We will carry out the whole system simulation to verify the suitability of neural controller in improving the system features.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.471-473
• /
• 1998

본 논문에서는 뉴로-퍼지 제어기를 이용한 능동 소음제어기를 구현하였다. 능동 소음제어기는 잡음에 의하여 왜곡된 신호로부터 잡음을 제거하여 원 신호를 복원하는 제어시스템이다. 일반적으로 잡음의 특성이 시간에 따라 변화하고, 전달특성이 비선형적이므로 고정된 제어기에 의해서는 제어할 수 없다. 이 논문에서는 뉴로-퍼지 제어기를 사용하였고, 파라미터를 오차 역전과 학습을 통하여 변화시킴으로써 잡음의 특성에 효과적으로 적응하는 능동 소음제어기를 구성하였다. 시뮬레이션을 통하여 여러 종류의 신호에 대해서 랜덤 노이즈를 발생시키고 구성된 제어기의 성능을 확인하였다.