• 한국항공우주학회지
• /
• 제34권7호
• /
• pp.63-70
• /
• 2006

본 논문은 영상기반 헤드 트랙커에 인공 표식의 면적을 이용하는 연구를 기술하였다. 헤드 트랙커 체계는 병진운동과 회전운동으로 구성되어 있으며, 이들은 웹 카메라에 의하여 감지되었다. 감지된 영상은 영상처리 기법과 인공 신경망에 의하여 운동에 따른 결과를 만들게 된다. 헤드 트랙커가 사용될 항공기의 조종석의 특성상 병진운동은 헬멧의 특정 색을 추적하게 하였다. 회전 운동은 인공 신경망을 이용하여 추적하였으며, 헬멧에 표시된 두 가지 색의 면적 비율을 입력 값으로 사용하였다. 여기서 역전파 알고리즘과 RBFN을 사용하였다. 두 알고리즘은 머리의 움직임과 같은 비선형 체계를 분류하고 추적하는데 용이한 알고리즘으로 역전파 알고리즘은 피드백 특성을, RBFN은 확률적 특성을 이용한다. 본 논문에서는 회전운동에 어느 알고리즘이 더 적합한 알고리즘인지 비교하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 춘계학술대회 학술발표 논문집
• /
• pp.67-70
• /
• 1998

There were many cases to apply artificial intelligence to medicine. In this paper, we present the prediction model of the development of the NIDDM(noninsulin-dependent diabetes mellitus). It is not difficult that doctor diagnose patient as DM(diabetes mellitus). However NIDDM is usually developmented later on 40 years old and symptom appeares gradually. So screening test or prediction model is needed absolutely. Our model predicts development of NIDDM with still normal data 2 year ago. Prediction models developed are both MLP(multilayer perceptron) with backpropagation training and RBFN(radial basis function network). Performance of both models were evaluated with likelihood ratio. MLP was about two and RBFN was about three. We expect that models developed can prevent development of DM and utilize normal data.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1998년도 하계학술대회 논문집 B
• /
• pp.569-571
• /
• 1998

In this paper, a new method of conrolling chaotic nonlinear systems is proposed. Firstly, the dynamics of a chaotic nonlinear system is separated into a linear part and a nonlinear part. Secondly, the nonlinear part is approximated using a radial basis function network (RBFN) and canceled from the controlled system. Then, the resulting system has only the linear part added with very weak nonlinearity. Finally, a simple linear state feedback control law is designed for the linear part. In the meanwhile, a theorem justifying this concept is presented and proved. Comparing with the feedback linearization, the proposed method can be applied regardless of the functional form of the controlled dynamics. The proposed method is applied by simulation to the Duffing system and the Lorenz system and satisfactory results are obtained.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.333-336
• /
• 2003

For long time, the takeoff and landing control of airship was worked by human handling. With the development of the autonomous control system, the exact controls during the takeoff and landing were required and lots of methods and algorithms were suggested. This paper presents the result of airship take-off and landing by buoyancy control using air ballonet volume change and performance control of pitch angle for stable flight within the desired altitude. For the complexity of airship's dynamics, firstly, simple PID controller was applied. Due to the various atmospheric conditions, this controller didn’t give satisfactory results. Therefore, new control method was designed to reduce rapidly the error between designed trajectory and actual trajectory by learning algorithm using an artificial neural network. Generally, ANN has various weaknesses such as large training time, selection of neuron and hidden layer numbers required to deal with complex problem. To overcome these drawbacks, in this paper, the RBFN (radial basis function network) controller developed.

• 한국항공우주학회지
• /
• 제33권2호
• /
• pp.84-91
• /
• 2005

오랜기간 비행선의 이착륙은 사람에 의한 수동으로 이루어졌으나, 자동제어시스템의 개발과 함께 이를 비행선에 적용하여 보다 정확한 이착륙의 필요성이 대두되었으며, 많은 알고리즘이 개발되고 있다. 본 논문에서는 기낭의 압력제어에 의한 비행선의 이착륙제어를 다룬다. 비행선의 운동방정식은 비선형 방정식으로 매우 복잡하여 우선 간단한 PID제어기에 의한 해법을 제시하였다. 그러나, 운항시 대기조건이 빠르게 변하므로 변하는 예측 불가능한 외란에 대해서는 만족스런 성능을 보이지 못하였다. 따라서, 본지에서는 인공 신경망을 이용한 학습알고리즘을 토대로 원하는 궤적에 빠르게 추종하도록 설계하였다. 일반적으로 인공신경망은 복잡한 문제에 있어서 많은 수의 은닉층과 뉴런이 필요하고 또한 훈련시간이 많이 걸리는 단점이 있기에 이를 해결하기 위해 비행선 이착륙 문제에 대한 일반적인 인공신경망 적용에 대해 연구하였다. 본지에서는 RBFN(radial basis function network)제어기를 설계하였고, 신경 회로망의 가중치는 외란이 인가되거나 부하특성이 비선형적으로 변화되는 것을 고려하도록 기준입력과 실제 비행선 모델의 출력사이의 오차를 최소화하는 방향으로 학습을 진행하였다. 그 결과 최대 15m의 오차를 보이는 PID제어기보다 양호한 결과를 얻었다.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2009년도 정보통신설비 학술대회
• /
• pp.382-386
• /
• 2009

Online or sequential learning is one of the most basic and powerful method to train neuron network, and it has been widely used in disease detection, weather prediction and other realistic classification problem. At present, there are many algorithms in this area, such as MRAN, GAP-RBFN, OS-ELM, SVM and SMC-RBF. Among them, SMC-RBF has the best performance; it has less number of hidden neurons, and best efficiency. However, all the existing algorithms use signal normal distribution as kernel function, which means the output of the kernel function is same at the different direction. In this paper, we use multi-variable normal distribution as kernel function, and derive EKF learning formulas for multi-variable normal distribution kernel function. From the result of the experience, we can deduct that the proposed method has better efficiency performance, and not sensitive to the data sequence.

• 대한전기학회논문지:전력기술부문A
• /
• 제48권12호
• /
• pp.1486-1491
• /
• 1999

This paper presents a method of recognizing high impedance fault(HIF) of electrical power systems and classifying fault patterns based on chaos attractors. Two dimensional chaos attractors are reconstructed from neutral point current waveforms. Reliable features for HIF pattern classification are obtained from the chaos attractors. Radial basis function network, trained with two types of HIF data generated by the electromagnetic transient program and measured form actual faults. The RBFN successfully classifies normal and the three types of fault patterns according to the features generated from the chaos attractors.

• 전기학회논문지
• /
• 제60권4호
• /
• pp.838-842
• /
• 2011

This paper proposes an online adaptive neuro-controller for a wind energy conversion system (WECS) that is a highly nonlinear system intrinsically. In real application, to obtain exact system parameters such as power coefficient, many measuring instruments and implementations are required, which is very difficult to perform. This shortcoming can be avoided by introducing neural network in the controller design in this paper. The proposed adaptive neural control scheme using radial-basis function network (RBFN) needs no system parameters to meet control objectives. Combining derivative estimator for wind velocity, the whole closed-loop system is shown to be stable in the sense of Lyapunov.

• 한국지능시스템학회논문지
• /
• 제11권1호
• /
• pp.28-32
• /
• 2001

인간의 손동작 인식은 오랫동안 언어로서의 역할을 해왔던 통신수단의 한 방법이다. 현대의 사회가 정보화 사회로 진행됨에 따라 보다 빠르고 정확한 의사소통 및 정보의 전달을 필요로 하는 가운데 사람과 컴퓨터간의 상호 연결 혹은 사람의 의사 표현에 있어 기존의 장치들이 가지는 단점을 보안하며 이 부분에 사람의 두 손으로 표현되는 자유로운 몸짓을 이용하려는 연구가 최근에 많이 진행되고 있는 추세이다. 본 논문에선 2차원 입력 영상으로부터 동적인 손동작의 사용 없이 손의 특징을 이용한 새로운 인식 알고리즘을 제안하고, 보다 높은 인식률과 실 시간적 처리를 위해 Radial Basis Function Network 및 부가적인 특징점을 통한 손동작의 인식을 구현하였다. 또한 인식된 손동작의 의미를 바탕으로 인식률 및 손동작 표현의 의미성에 대한 정확도를 판별하기 위해 로봇의 제어에 적용한 실험을 수행하였다.

• 대한전기학회논문지:전기기기및에너지변환시스템부문B
• /
• 제53권8호
• /
• pp.500-508
• /
• 2004

This paper presents a new sensorless vector control system for high performance induction motor drives fed by a matrix converter with non-linearity compensation and disturbance observer. The nonlinear voltage distortion that is caused by commutation delay and on-state voltage drop in switching device is corrected by a new matrix converter modeling. The lumped disturbances such as parameter variation and load disturbance of the system are estimated by the radial basis function network (RBFN). An adaptive observer is also employed to bring better responses at the low speed operation. Experimental results are shown to illustrate the performance of the proposed system.