http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
신경회로망을 이용한 유도기 적응제어와 식별에 관한 연구
趙鏞甲,卓漢浩 진주산업대학교 산업과학기술연구소 1996 산업과학기술연구소보 Vol.- No.3
본 논문에서는 유도 전동기를 식별하기 위하여 NARMAX 모델을 제안하였으며, 이 모델에 ANN를 이용하여 시스템 제어와 식별을 하였다. ANN에 대한 전체 제어문제를 고정자 전류제어와 회전자 속도제어 문제로 나누었는데 고정자 전류제어 시스템은 벡터 제어방식인 슬립 주파수형 제어방식을 채택하여 직접 on-line방식으로 설계하였다. 회전자 속도제어 시스템은 ANN의(Ni), (Nc)을 이용하여 식별하고, 제어 할 수 있도록 간접 on-line방식으로 설계하였다. 고정자 전류제어 시스템은 어떤 구동 알고리즘에서도 사용될 수 있는 완벽한 비선형 제어 시스템이다. 회전자 속도제어 시스템은 두 개의 ANN을 사용하여 하나는 시스템을 식별하고, 다른 하나는 시스템을 제어하도록 하였다. 두 시스템은 적응제어의 본래 특성과 같이 완벽하게 수행하고 있다는 것을 시뮬레이션 결과로서 알 수 있으며, 응답에서도 좋은 결과를 보았고, 파라미터 변화에 강인함을 보였다. This paper proposes the use of Artificial Neural Networks(ANN) to identify and control the Nonlinear Auto. Regressive Moving Average with eXogenous inputs(NARMAX) model of the induction machine. Two systems are presented; a system to adaptively control the stator currents via identification of the electrical dynamics, and a system to adaptively control the rotor speed via identification of the machine and current-fed system dynamics. Various advantages of these control schemes over other conventional schemes are cited and the combined speed and current control scheme is compared with the standard vector control scheme.
유전알고리즘과 신경망을 결합한 PID 적응제어 시스템의 설계
조용갑,박재형,박윤명,서현재,최부귀 한국정보통신학회 1999 한국정보통신학회논문지 Vol.3 No.1
본 논문은 유전 알고리즘과 신경망을 이용하여 PID 제어기의 최적의 파라메터를 추출하는데 있다. 유전 알고리즘에 의한 제어는 off-line 동작으로서 외란이나 부하변동에 약한 면을 가지고 있다. 따라서 신경망을 제어기에 추가하여 on-line화하여 다음과 같이 개선하고자 한다. 첫째, 신경망의 순방향 동작에서 유전 알고리즘에 의해 적합한 PID 파라메터를 찾아 세대수의 증가에 따른 최적의 출력조건을 설정하고 둘째 신경망의 학습능력을 이용하여 역전파 학습에 의한 파라메터를 수정하여 외란이나 다양한 부하 변동에 대한 적응력을 시뮬레이션으로 나타낸다. This Paper is about how to deside the best parameter of PID controller, using Genetic Algorithms and Neural Networks. Control by Genetic Algorithms, which is off-line pass, has weakness for disturbance. So we want to improve like followings by adding Neural Network to controller and putting it on line. First we find PID parameter by Genetic Algorithms in forward pass of Neural Network and set the best output condition according to the increasing number of generation. Second, we explain the adaptability for disturbance with simulation by correcting parameter by backpropagation learning rule by using the learning ability of Neural Network.
複素 雙人力 記述函數를 이용한 制御系의 應答速度 補償에 관한 硏究
권세현,조용갑,박양수,최부귀 東亞大學校 附設 情報通信硏究所 1995 情報通信硏究所論文誌 Vol.3 No.1
The technique for the synthesis of the dual-input describing function(DIDF) is introduced here and the construction of a non-linear electronic compensator(N-L-E-C) based on this technique is proposed. The above non-linear network is used to compensate linear and non-linear systems for instability,speed of response, limit cycle and the static accuracy.
박순규,조용갑 진주산업대학교 농업기술연구소 1995 農業技術硏究所報 Vol.8 No.-
The paper introduces an artificial neural networks based high performance control system for a dc motor. The speed of the dc motor can be made to follow an arbitrarily selected trajectory. The purpose is to achieve accurate trajetory control of the speed, specially when mot or and load parameters are unknown. The unknown nonlinear dynamics of the motor and the load are captured by an artificial neural networks, The trained neural networks identifier combined with a desired reference model to achieve trajectory control of speed. Performance of the identification and control algorithm are evaluated by simulating them on a typical dc motor model.
적응가변구조 방법을 이용한 DC MOTOR 제어에 관한 연구
하재해,한창훈,조용갑,최부귀 동아대학교 공과대학 부설 한국자원개발연구소 1994 硏究報告 Vol.18 No.1
Direct methods and indirect methods for the adaptive control of linear plant, DC motor, are currently well known. Recently, methods for combining direct and indirect methods have also been suggested. In this note the latter method is combined with the variable structure method. New adaptive laws are suggested which overcome the principal draw-backs of the variable structure method. While the direct and indirect components of the new method assure stability, the variable structure component improves the transient response of the system. Simulation results are presented to show that the overall system is asymptotically stable in the ideal case, and exhibits robustness and improved performance in the presence of perturbations.