$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

인공 신경회로망을 이용한 지종교체 공정의 Bilinear 역모델 예측제어
Bilinear Inverse Model Predictive Control for Grade Change Operations Based on Artificial Neural Network 원문보기

펄프 종이기술 = Journal of Korea TAPPI, v.37 no.1 = no.109, 2005년, pp.67 - 72  

추연욱 (Department of Chemical Engineering, Hanyang University) ,  김준열 (Department of Chemical Engineering, Hanyang University) ,  여영구 (Department of Chemical Engineering, Hanyang University) ,  강홍 (J. J. Engineering)

Abstract ▼ AI-Helper 아이콘AI-Helper

In the grade change operations inputs and outputs are highly correlated and application of conventional linear feedback control methods such as PID schemes might lead to poor control performance. In this study the neural networks model for the grade change operation is trained by using bilinear term...

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구에서는 인공 신경망 모델에 비선형성을 포함한 bilinear항을 결합하여 제지공정의 모델을 구성하고 인공 신경망 역모델로부터 최적의 출력을 얻기 위한 입력값을 구하는 제어 방법을 제안하였으며 수치모사를 통하여 그 유용성을 입증하고자 하였다.
  • 인공신경 회로망은 인간이나 동물들이 가지고 있는 생물학적인 뇌의 신경세포(neuron)를 모델화하여 인공적으로 유사한 기능을 수행하도록 한 것이다. 즉 인간의 뇌에 존재하는 생물학적인 신경세 포와 이들의 연결 관계를 단순화시켜 수학적으로 모델링함으로써 인간의 두뇌가 나타내는 지능적 형태를 구현하는 것이다. 이를 제어기에 이용한 신경회로망 제어기는 기존 상용 제어기가 지니는 많은 어려움을 극복할 수 있는 매력적인 제어기이다.
본문요약 정보가 도움이 되었나요?

참고문헌 (5)

  1. Ruberti, A., A.Isidori, and P. D'Alessandro, Theory of Bilinear Dynamical Systems, Springer-Verlag, (1972) 

  2. Mohler, R. R., Bilinear Control Process, Academic Press, New York, (1973) 

  3. Zurada, J. M., Introduction to artificial neural systems, PWS Publishing Company, Boston, (1992) 

  4. Hornik, K., Stinchcombe, M., and White, H.: 'Multilayer feedforward networks are universal approximators', Neural Networks, 2:359 (1989) 

    상세보기 crossref

  5. Jordan, M. I., and Rumelhart, D. E.: 'Forward models: supervised learning with a distal teacher', Occasional paper 40, Center for Cognitive Science, MIT, (1991) 

저자의 다른 논문 :

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로