초록 ▼

이 연구는 비선형 시스템의 지능 제어를 위해서 뉴로-퍼지 제어기를 제안한다. 제안하는 뉴로-퍼지 제어기는 퍼지 논리와 신경회로망을 결합하는 구조이다.신경회로망과 퍼지 시스템은 서로 다른 특성을 갖는데, 신경회로망은 학습 메커니즘을 통하여 훈련 데이터로부터 매핑 규칙을 만들어내지만 매핑 규칙은 가시적이지 않고 이해하기가어렵다. 반면에 퍼지 시스템은 학습과 적응 능력이 없기 때문에 사용자가 규칙을 결정하고동조하기가 어렵다. 이러한 어려움을 해결하기 위해서 제안한 뉴로-퍼지 제어기는 퍼지 논리와 RBF 신경회로망을 결합한다.그 일

이 연구는 비선형 시스템의 지능 제어를 위해서 뉴로-퍼지 제어기를 제안한다. 제안하는 뉴로-퍼지 제어기는 퍼지 논리와 신경회로망을 결합하는 구조이다.신경회로망과 퍼지 시스템은 서로 다른 특성을 갖는데, 신경회로망은 학습 메커니즘을 통하여 훈련 데이터로부터 매핑 규칙을 만들어내지만 매핑 규칙은 가시적이지 않고 이해하기가어렵다. 반면에 퍼지 시스템은 학습과 적응 능력이 없기 때문에 사용자가 규칙을 결정하고동조하기가 어렵다. 이러한 어려움을 해결하기 위해서 제안한 뉴로-퍼지 제어기는 퍼지 논리와 RBF 신경회로망을 결합한다.그 일환으로 제어기에 학습 또는 적응 기능을 부여하여 파라미터 변화에 적응하고 부하외란에 강인한 특성을 갖는 제어기를 설계하기 위해서 신경회로망과 퍼지 추론 시스템 사이의 기능 및 구조적 유사성에 착안해 퍼지제어 규칙을 이용하여 신경회로망 제어기를 설계하는 새로운 형태의 뉴로-퍼지 제어 알고리즘을 제안한다. 제안하는 뉴로-퍼지 제어기의 설계 과정은 다음과 같다.단계 1: 숙련된 운전자의 경험 지식과 제어공학 지식을 이용하여 퍼지제어기를 설계한다.단계 2: 설계한 퍼지 제어기를 RBF 신경회로망으로 변환한다.단계 3: 학습을 통해서 RBF 신경회로망을 최적화 한다.단계 4: 학습된 신경회로망을 이용하여 뉴로-퍼지 제어기를 구성한다.위 과정을 통해 설계된 뉴로-퍼지 제어기를 비선형 동적 시스템의 제어에 적용하였다. 제어 대상은 비선형 시스템 제어기의 테스트 베드로 널리 사용되는 cart-pole 시스템 제어이다. 시뮬레이션을 통해서 제안한 알고리즘이 유용함을 입증하였다.

Abstract ▼

This research proposes neuro-fuzzy controller for intelligentcontrol of nonlinear systems. The proposed neuro-fuzzy controller combined fuzzy logicand neural networks. Both neural networks and the fuzzy systems have somedifficulties. The neural network can produce the mapping rules

This research proposes neuro-fuzzy controller for intelligentcontrol of nonlinear systems. The proposed neuro-fuzzy controller combined fuzzy logicand neural networks. Both neural networks and the fuzzy systems have somedifficulties. The neural network can produce the mapping rules from the empiricaltraining sets through learning mechanism, but the mapping rules in the neural networkis not visible and is difficult to understand. On the other hand, since the fuzzy systemsdo not have learning and adaptation capabilities, it is difficult for a user to determineand to tune the rules. In order to solve these difficulties, the proposed neuro-fuzzycontroller is combined fuzzy logic and Radial Basis Function (RBF) neural network inthis research. The computational process for the proposed neuro-fuzzy controller is asfollows.Step 1: Design a fuzz controller based on experiences of humanexperts and control knowledge.Step 2: Transform the designed fuzzy controller to the parameters ofRBF neural network.Step 3: Optimize RBF neural network through learning mechanism.Step 4: Construct neuro-fuzzy controller using optimized RBF neuralnetwork.The neuro-fuzzy controller designed as above process applied to control of nonlineardynamical system. The proposed method is rigorously tested using a nonlinear andunstable model of the well-known cart-pole system. Simulation was performed todemonstrate the feasibility and effectiveness of the proposed scheme.

목차 Contents

• 1. 서론...7
• 2. 뉴로-퍼지 시스템...8
• 3. 펴지 제어규칙에 의한 퍼지-RBF 제어기 설계...15
• 4. 비선형 시스템 제어에의 응용...20
• 5. 결론...23
• 6. 인용문헌...25
• 7. 기 타...32