• 전기학회논문지P
• /
• 제51권2호
• /
• pp.99-104
• /
• 2002

In this paper, we construct a hybrid intelligent controller based on a fusion scheme of GA(Genetic Algorithm) and FCM(Fuzzy C-Means) clustering-based ANFIS(Adaptive Neuro-Fuzzy Inference System). In the structure identification, a set of fuzzy rules are generated for a given criterion by FCM clustering algorithm. In the parameter identification, premise parameters are optimally searched by adaptive GA. On the other hand, consequent parameters are estimated by RLSE(Recursive Least Square Estimate) to reduce the search space. Finally, we applied the proposed method to the truck backer-upper control and obtained a better performance than previous works.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2006년도 춘계종합학술대회
• /
• pp.788-791
• /
• 2006

많은 제어분야에서 비선형성이 강하고 명확하지 않는 장치를 효과적으로 제어하기 위해 1973년 Mamdani가 퍼지이론을 스팀-엔진제어에 성공적으로 적용한 이후, 퍼지 이론이 이러한 분야에서 효과적으로 응용되고 있다. Nguyen과 Widrow에 의해 최초로 제안된 Fuzzy truck backer-upper problem은 퍼지 제어 이론을 바탕으로 자동차를 제어하는 대표적인 비선형 제어 문제이다. 본 논문에서는 주변 환경에 적응적으로 트럭의 방향과 속도를 제어하기 위해서 방향 제어뿐만 아니라 속도 제어를 포함하는 퍼지 멤버쉽 함수를 설계하여 실제적으로 적용 가능한 적응적 퍼지 트럭 제어 시스템을 제안하고 Simulation을 통한 실험 및 검증을 수행한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2476-2478
• /
• 2000

Fuzzy Systems which are based on membership functions and rules, can control nonlinear, uncertain, complex systems well. However, Fuzzy logic controller(FLC) has problems: It is some difficult to design the stable FLC for a beginner. Because FLC depends mainly on individual experience. Sliding control is a powerful robust method to control nonlinearities and uncertain parameters systems. But it has a chattering problem by discontinuous control input according to sliding surface. Therfore it needs to be smoothed to achieve an optimal input. In this paper, To solve problems desinged Fuzzy Sliding Control. The effictiveness of result is shown by the simulation and the experimental test for Truck Backer-Upper Control.

• 한국정보통신학회논문지
• /
• 제10권9호
• /
• pp.1727-1736
• /
• 2006

지능 시스템에서 고속으로 퍼지 데이터를 처리하기 위해서, 퍼지 제어시스템이 해결해야 할 중요한 문제점들 중의 하나는 퍼지 추론 및 비퍼지화 단계에서 수행속도를 개선하는 것이다. 이를 위해서는, 특히 후건부의 연산 및 비퍼지화 단계에서 고속 연산이 이루어져야 한다. 따라서 본 논문에서는 지능 시스템을 위한 퍼지 제어기의 속도향상을 위해 후건부 및 비 퍼지화 단계에서 [0, 1]의 실수 연산을 하지 않고, 퍼지 소속함수의 실수 값을 정수형 격자에 매핑 시켜 곱셈, 나눗셈이 필요 없는 정수형 덧셈을 고속으로 수행할 수 있는 알고리듬을 제안하고, truck backer-upper 제어 시스템에 적용하여 기존의 방법보다 매우 빠른 실시간 고속 퍼지 시스템을 보여준다. 본 논문에서 제안한 시스템은 로봇의 팔 움직임 제어 와 같은 실시간 고속 지능 시스템에 잘 활용될 수 있다.

• 전자공학회논문지CI
• /
• 제43권2호
• /
• pp.52-62
• /
• 2006

지능 기스템에 사용되는 퍼지 데이터를 고속으로 처리하기 위한 퍼지 제어시스템의 중요한 문제점들 중의 하나는 퍼지 추론 및 비퍼지화 단계에서의 수행속도의 개선이다. 특히 후건부의 계산 및 비퍼지화 단계에서의 고속 연산이 더욱 더 중요하다. 따라서 본 논문에서는 지능 시스템을 위한 퍼지 제어기의 속도향상을 위해 후건부 및 비퍼지화 단계에서 [0,1]의 실수 연산을 하지 않고, 퍼지 소속함수의 값을 정수형 격자 $(400{\times}30)$에 매핑시켜 고속의 정수 덧셈 연산만으로 수행할 수 있는 알고리듬 및 비퍼지화 단계에서 곱셈이 필요 없는 새로운 알고리듬을 제안하고, truck backer-upper 제어시스템에 적용하여 기존의 방법보다 매우 빠른 실시간 고속 퍼지 시스템을 보여준다. 본 논문에서 제안한 시스템은 로봇의 팔 움직임 제어와 같은 실시간 고속 지능 시스템에 잘 활용될 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2666-2668
• /
• 2001

Fuzzy system which are based on membership functions and rules, can control nonlinear, uncertian, complex system well. However, Fuzzy controller has problems: It is difficult to design a stable for amateur. To update the then-part membership functions of the fuzzy controller can be designed using the Optimal fuzzy controller. Then we could be optimized the system choosing a good performance index. The proposed fuzzy controller based on Optimal fuzzy control is an Truck-Backer for demonstration of the robustness of proposed methodology.

• 한국지능시스템학회논문지
• /
• 제6권4호
• /
• pp.81-91
• /
• 1996

본 논문은 퍼지 논리 제어기의 제어 성능을 향상시키는 최적의 COA(Center Of Area) 비퍼지화 방법을 제안한다. 제안한 비퍼지화 방법은 플랜트의 제어를 위해 필요한 확정치(Crisp Value)를 얻기 위해 소속 함수값과 소속함수의 폭을 동시에 이용한다. 주어진 문제에 가장 최적인 소속 함수의 폭은 유전자 알고리즘에 의해 자동적으로 결정된다. 제안한 비퍼지화 방법을 트럭 후진(Truck backer-upper) 제어 문제에 적용하여 얻어진 시뮬레이션 결과로부터 소속 함수만을 고려한 기존의 COA 비퍼지화 방법보다 평균 주행거리 면에서 20% 이상 짧아짐을 확인하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.433-439
• /
• 1998

In this paper, we present an approach to the structure identification based on the input space partition methods and to the parameter identification by hybrid learning method in neuro-fuzzy system. The structure identification can automatically estimate the number of membership function and fuzzy rule using grid partition, tree partition, scatter partition from numerical input-output data. And then the parameter identification is carried out by the hybrid learning scheme using back-propagation and least squares estimate. Finally, we sill show its usefulness for neuro-fuzzy modeling to truck backer-upper control.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 1992년도 하계학술대회 논문집 A
• /
• pp.473-475
• /
• 1992

This paper compares performance of neural and fuzzy truck backer-upper control systems. Conventional controllers require a mathematical model of how outputs depend on inputs. Neural and fuzzy control systems offer a key advantage over conventional control systems. They are model-free controllers. Neural networks learn a control process by examples (training samples). Fuzzy systems directly encode designer's experience as IF-THEN rules. For robustness test, we gradually removed training samples for the neural controller, and fuzzy rules for the fuzzy system. The errors increased laster in the neural controller than in the fuzzy system.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1996년도 추계학술대회 학술발표 논문집
• /
• pp.275-278
• /
• 1996

The application of genetic algorithms to fuzzy rule generation holds a great deal of promise in overcoming difficult problems in fuzzy systems design. There are some aspects to be considered when genetic algorithms are used for generating fuzzy rules. In this paper, we will present an aspect about the control surface constructed by the resultant rules. In the extensive simulations, an important observation that the rules searched by genetic algorithms are randomly scattered is made and a solution to this problem is provided by including a smoothness cost in the objective function. We apply the fuzzy rules generated by genetic algorithms to the fuzzy truck backer-upper control system and compare them with the rules made by an expert.