신경회로망 기반 자동 동조 뉴로-퍼지 PID 제어기 설계

국문 초록 (Abstract)

본 논문에서는 기존의 PID 제어기와 퍼지 제어기의 특성을 공통으로 갖는 새로운 형태의 신경회로망 기반 자동 동조 뉴로-퍼지 PID제어기를 제안하였다. 제안된 제어기는 퍼지의 선형성을 이용하여 퍼지 PID 제어기의 퍼지 연산부를 간략화 시키고 일반 PID 제어기와 유사한 입출력 특성을 갖도록 하였으며 비선형 성분 보상을 위하여 제어기 출력에 가장 큰 영향을 미치는 출력측 스케일 계수를 단일 신경 회로망 구조로 변경하고 PID 제어기 구조를 유지 하게 하였다. 또한 단일 신경 회로망 구조를 이용함으로써 신경회로망의 초기 연결강도와 계산량에 대한 문제점을 해결하고 오차의 부호 정보에 따라 학습계수를 변화시키는 가변 학습계수 역전파 알고리즘을 사용하여 오버 슈트가 작으면서도 빠른 수렴 속도를 갖도록 하였다. 제안된 제어기를 비선형성이 강한 시스템으로 알려진 자기 부양(magnetic levitation) 시스템에 실제 적용하여 본 논문에서 제안한 제어기의 우수한 성능을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this paper described an auto tuning neuro-fuzzy PID controller based neural network. The PID type controller has been widely used in industrial application due to its simply control structure, easy of design, and inexpensive cost. However, control performance of the PID type controller suffers greatly from high uncertainty and nonlinearity of the system, large disturbances and so on.
In this paper will design to take advantage of neural network fuzzy theory and pid controller auto tuning technique. The value of initial scaling factors of the proposed controller were determined on the basis of the conventional PID controller parameters tuning methods and then they were adjusted by using neural network control techniques. This controller simple structure and computational complexity are less, and also application is easy and performance is excellent in system that is strong and has nonlinearity to system dynamic behaviour change or disturbance. Finally, the proposed auto tuning neuro-fuzzy controller is applied to magnetic levitation. Simulation results demonstrated that the control performance of the proposed controller is better than that of the conventional controller.

참고문헌 (Reference)

1 "전북대학교 제어계측공학과 박사과정 수료 임베디드시스템이 창 구 한국전자통신연구원 선임연구원 1992년 8월" 전북대학교 제어계측공학과 전북대학교 메카트로닉스공학과 전북대학교 전기공학과 전북대학교 전기공학과 전북대학교 전자정보공학부 교수 26 : 513-520, 1990.김영식2000년8월2002년8월2003년2월~현재1981년2월1983년~1992년1992년9월~현재

2 "Self-learning-general purpose PID controller" 334B (334B): 1997

3 "Realization of PID Controls by Fuzzy Control Methods" 70 : 171-182, 1995

4 "PID Controller Tuning" 10 : 44-50, 1999.

5 "On some idea of a neuro-fuzzy controller" 120 (120): 1999

6 "Nonlinear PID Controller Using Neural Networks" 811-814, 1997

7 "Automatic tuning of PID controllers" 1995

8 "Adaptive Control" Addison-Wesley Publishing Company, Inc. 1995