MR 감쇠기와 FPS를 이용한 하이브리드 면진장치의 수치해석적 연구

김현수 한국지진공학회 2005 한국지진공학회논문집 Vol.9 No.2

본 연구에서는 하이브리드 면진장치가 설치된 단자유도 구조물의 동적거동을 예측할 수 있는 수치해석모델을 제안한다. 하이브리드 면진장치는 MR 감쇠기와 마찰진자시스템(FPS)으로 구성된다. MR감쇠기의 동적거동을 모형화하기 위하여 뉴로-퍼지 모델을 사용한다. 다양한 변위, 속도, 전압의 조합을 사용하여 MR 감쇠기의 성능실험을 수행한 후 얻어진 데이터를 이용하여 MR 감쇠기 뉴로-퍼지 모델을 ANFIS로 학습시킨다. FPS의 모형화는 본 연구에서 유도한 비선형 모델식에 근거하여 뉴로-퍼지 모형화방법을 사용하여 이루어진다. 본 연구에서는 MR 감쇠기로 전달되는 제어전압을 조절하기 위하여 퍼지논리제어기를 사용한다. 다양한 지진하중을 사용한 진동대 실험을 통하여 얻은 실험체의 동적응답과와 뉴로-퍼지 모형화방법을 사용한 수치해석의 결과를 비교한다. 뉴로-퍼지 모델을 사용하여 MR 감쇠기와 FPS를 모형화해서 수치해석을 수행한 결과 하이브리드 면진장치의 동적거동을 매우 정확하게 예측할 수 있었다. Numerical analysis model is proposed to predict the dynamic behavior of a single-degree-of-freedom structure that is equipped with hybrid base isolation system. Hybrid base isolation system is composed of friction pendulum systems (FPS) and a magnetorheological (MR) damper. A neuro-fuzzy model is used to represent dynamic behavior of the MR damper. Fuzzy model of the MR damper is trained by ANFIS (Adaptive Neuro-Fuzzy Inference System) using various displacement, velocity, and voltage combinations that are obtained from a series of performance tests. Modelling of the FPS is carried out with a nonlinear analytical equation that is derived in this study and neuro-fuzzy training. Fuzzy logic controller is employed to control the command voltage that is sent to MR damper. The dynamic responses of experimental structure subjected to various earthquake excitations are compared with numerically simulated results using neuro-fuzzy modeling method. Numerical simulation using neuro-fuzzy models of the MR damper and FPS predict response of the hybrid base isolation system very well.

유비쿼터스 식물공장의 통합환경관리를 위한 적응형 뉴로-퍼지 추론시스템 기반의 자동제어시스템 설계

서광규(Kwang-kyu Seo),김영식(Youngshik Kim),박종섭(Jongsup Park) (사)한국생물환경조절학회 2011 생물환경조절학회지 Vol.20 No.3

본 연구에서는 유비쿼터스 식물공장의 재배환경에 필요한 요소들의 센서 네트워크를 구성하고 자동으로 감지하여 적응형 뉴로-퍼지 추론시스템을 통하여 환경변화를 추론하여 식물공장의 재배환경을 적절하게 제어할 수 있는 새로운 자동제어시스템의 프레임워크를 제안하고, 이를 설계하였다. 유비쿼터스 식물공장 환경을 제어하기 위하여 식물공장의 재배환경에 영향을 미치는 환경요소인 실내온도, 근권온도, 습도, 광도, CO₂ 농도를 측정할 수 있는 센서 네트워크를 구성하고 측정된 환경요소의 변화에 따라 램프, 환기, 습도, CO₂ 농도, 온도를 제어할 수 있는 장치를 자동으로 제어할 수 있는 식물공장 자동제어시스템을 설계하였다. 이를 위하여 본 연구에서는 센서를 통하여 받아들이는 입력값을 퍼지소속함수로 변화하고 적응형 뉴로-퍼지시스템에 따라 추론하고 평가하여 보다 정밀하게 식물공장을 자동으로 제어할 수 알고리즘을 개발하였고 이를 구현하였다. 개발된 자동제어시스템을 상추 식물공장에 적용한 결과 만족스러운 시험결과를 얻을 수 있었다. 향후 연구로는 식물공장에서 재배하고 있는 작물별 생장모델의 적합도 검정 및 개선을 위하여, 작물별 재배규칙을 보다 상세히 도출하는 것이 필요하고, 작물의 재배에 필요한 지식을 보다 정량적으로 표현하고 지식상에 내포하고 있는 불확실성을 해결하는 것이 필요하다. 더 나아가 식물공장에서 환경인자간의 상호관련성을 보다 정밀하게 수식화하고 이를 추론할 수 있는 정밀하고 과학적인 자동제어시스템의 개발이 필요하다. The adaptive neuro-fuzzy inference system (ANFIS) based automatic control system framework was proposed for integrated environment management of ubiquitous plant factory which can collect information of crop cultivation environment and monitor it in real-time by using various environment sensors. Installed wireless sensor nodes, based on the sensor network, collect the growing condition’s information such as temperature, humidity, CO₂, and the control system is to monitor the control devices by using ANFIS. The proposed automatic control system provides that users can control all equipments installed on the plant factory directly or remotely and the equipments can be controlled automatically when the measured values such as temperature, humidity, CO₂, and illuminance deviated from the decent criteria. In addition, the better quality of the agricultural products can be gained through the proposed automatic control system for plant factory.

퍼지 추론과 뉴로 퍼지 모델을 이용한 자연 환기 시스템

강원명(Won-Myoung Kang),김은경(Eun-Kyoung Kim),김용기(Yong-Gi Kim) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.2

현대인의 삶에 있어서 가장 높은 비율을 차지하는 실내공간의 환경은 매우 중요하다. 실내공간의 공기는 외부의 공기보다 급속하게 오염이 된다. 실내공간의 오염을 해소하는 데에 있어 사용자의 외부 조작이 사용자의 환경에 맞는 자연 환기 시스템을 구현한다. 본 논문에서는 Mamdani형 퍼지 제어기를 구현하고 환기 효과를 검증 한 후 퍼지 추론 모델을 기반으로 인공신경망을 구성하여 외부조작을 기반으로 한 학습이 이루어지는 적응형 뉴로-퍼지 모델을 설계한다. 이를 통해 학습효과가 사용자의 환경에 맞게 이루어지는지 실험하여 검증하였다. The environment of the indoor space, which occupies the highest proportion in modern life, is very important. The air in the indoor space is polluted more quickly than the outside air. In order to solve the contamination of the indoor space, we implement a natural ventilation system based on the external manipulation by the user. In this paper, we design Mamdani type fuzzy controller and verify its ventilation effect. Then, we construct an adaptive neuro fuzzy inference model that learns based on external manipulation during operation.We have tested and verified that the learning effecist tailored to the user "s environment.

Takagi-Sugeno 추론기법과 신경망을 연계한 뉴로-퍼지 홍수예측 모형의 구축 및 적용 2 : 실제 유역에 대한 적용 및 검증

최승용,한건연 한국수자원학회 2011 한국수자원학회논문집 Vol.44 No.7

본 연구에서는 앞선 연구를 통해 선정된 최적 입력 자료 조합을 이용하여 한강수계의 왕숙천과 금강유역의 갑천에 대한 Takagi-Sugeno 퍼지기법과 신경망을 연계한 뉴로-퍼지 홍수예측 모형을 구축하였다. 구축된 뉴로-퍼지 홍수예측 모형을 한강수계의 왕숙천과 금강유역의 갑천에 적용하여 30분, 60분, 90분, 120분, 150분, 180분의 선행시간에 대해 각각 홍수예측을 수행하였다. 선행시간별 예측수위를 관측수위와 비교한 결과 안정되고 정확도 높은 Based on optimal input data combination selected in the earlier study, Neuro-Fuzzy flood forecasting model linked Takagi-Sugeno fuzzy inference theory with neural network in Wangsukcheon and Gabcheon is established. The established model was applied to Wa

강우 및 밝기에 따른 신호교차로 포화차두시간 분석에의 적응 뉴로-퍼지 적용

김경환(Kim Kyung Whan),정재환(Chung Jae Whan),김대현(Kim Daehyon) 대한토목학회 2006 대한토목학회논문집 D Vol.26 No.4D

포화차두시간은 신호시간 설계와 교차로 용량추정에 있어서 중요한 변수 중에 하나이다. 그러나 현재의 기법은 신호교차로에서 포화차두시간에 영향을 미치는 요인들 중 정성적인 요인들을 다루기에는 부적절하다. 본 연구에서는 퍼지적 성격을 가진 정성적 인자인 강우조건과 주변 밝기정도를 선택하여 ANFIS를 이용해서 현장에서 관측된 관측치와 입ㆍ출력 데이터 집합의 학습을 통해 퍼지근사추론 모형을 구축하였다. 강우조건은 강우량에 따라 3개의 퍼지변수로, 주변 밝기정도는 2개의 퍼지변수로 구분하였다. 이렇게 구축된 모형의 예측력은 검증자료를 이용한 관측치와 추론치를 비교함으로써 평가되었다. 결정 계수와 오차 및 분산정도를 나타내는 척도인 평균절대 오차(MAE)와 평균제곱근 오차(MSE)가 각각 0.993, 0.0289, 0.00173으로 나타나 본 모형의 설명력이 높은 것으로 평가 된다. The Saturation headway is a major parameter in estimating the intersection capacity and setting the signal timing. But Existing algorithms are still far from being robust in dealing with factors related to the variation of saturation headways at signalized intersections. So this study apply the fuzzy inference system using ANFIS. The ANFIS provides a method for the fuzzy modeling procedure to learn information about a data set, in order to compute the membership function parameters that best allow the associated fuzzy inference system to track the given input/output data. The climate conditions and the degree of brightness were chosen as the input variables when the rate of heavy vehicles is 10-25 %. These factors have the uncertain nature in quantification, which is the reason why these are chosen as the fuzzy variables. A neuro-fuzzy inference model to estimate saturation headways at signalized intersections was constructed in this study. Evaluating the model using the statistics of R², MAE and MSE, it was shown that the explainability of the model was very high, the values of the statistics being 0.993, 0.0289, 0.0173 respectively.

적응적 뉴로-퍼지 추론 시스템을 이용한 UV LED 광 출력 보상 알고리즘 개발

이대종,윤재웅,전명근 한국지능시스템학회 2022 한국지능시스템학회논문지 Vol.32 No.4

산업용에 사용되는 고 출력 UV LED는 온도에 따라 광 출력이 저하되므로 온도에 따른 보정 알고리즘이 적용되지 않을 경우 광 출력 변화로 인한 불량 제품을 생산할 우려가 높다. 따라서 본 논문에서는 온도가 상승함에 따라 광 출력이 감소하는 문제점을 해결하기 위해뉴로-퍼지모델을 이용한 UV LED 광 출력 보상 알고리즘 개발을 개발하여 적용하였다. 제안된 알고리즘은 뉴로-퍼지모델을 이용하여 온도와 ADC 레벨에 따른 광 출력 추정 알고리즘을 개발한 후, 최종적으로 추정된 광 출력과 환산계수를 이용하여 광 출력의 보상이 이루어진다. 다양한 조건에서 취득한 데이터를 이용하여 제안된 방법의 타당성을 평가하였으며,평가 결과 제안된 방법을 적용한 결과 온도 상승에 관계없이 일정한 광 출력이 발생함을 알수 있었다

적응 뉴로-퍼지를 이용한 도시부 비신호교차로 교통사고예측모형 구축

김경환(Kim Kyung Whan),강정현(Kang Jung Hyun),강종호(Kang Jong Ho) 대한토목학회 2012 대한토목학회논문집 D Vol.32 No.2D

경찰청 발표 자료에 따르면 2010년 우리나라에서 발생한 교통사고 건수는 226.878건으로 전체 교통사고 중 교차로가 차지하는 비중이 44.8%로 교차로 사고는 교통사고 중 많은 부분을 차지하고 있다. 이 중 신호교차로 교통사고에 대한 연구는 지속적으로 이루어지고 있는 반면에 비신호교차로에 대한 연구는 아직 부족한 실정이다. 본 연구는 환경적 요인으로 퍼지적 성격을 가진 교통량, 차로폭, 시거를 입력변수로 비신호교차로에서의 사고건수예측을 위한 ANFIS(Adaptive Neuro-Fuzzy Inference System)모형을 구축하였다. 이렇게 구축된 모형의 예측력은 검증자료를 이용한 실측치와 추론치를 비교함으로써 평가되었다. 본 모형의 예측력은 결정계수인 R²와 평균절대오차(MAE), 평균제곱근오차(MSE)를 통하여 적합성을 평가하였으며 이들은 각각 평가 결과 0.9817, 0.4773, 0.3037로 나타나 모형의 설명력이 우수한 것으로 평가된다. 본연구의 비신호 교차로 사고예측분석 연구결과는 비신호교차로의 안전 대책 수립 및 교통사고 개선사업을 위한 기초자료를 제공할 것으로 사료된다. According to the National Police Agency, the total number of traffic accidents which occurred in 2010 was 226,878 Intersection accidents accounts for 44.8%, the largest portion of the entire traffic accidents. An research on the signalized intersection is constantly made, while an research on the unsignalized intersection is yet insufficient. This study selected traffic volume, road width, and sight distance as the input variables which affect unsignalized intersection accidents, and number of accidents as the output variable to build a model using ANFIS(Adaptive Neuro-Fuzzy Inference System). The forecast performance of this model is evaluated by comparing the actual measurement value with the forecasted value. The compatibility is evaluated by R², the coefficient of determination, along with Mean Absolute Error(MAE) and Mean Square Error(MSE), the indicators which represent the degree of error and distribution. The result shows that the R² is 0.9817,while MAE and MSE are 0.4773 and0.3037 respectively, which means that the explanatory power of the model is quite decent. This study is expected to provide the basic data for establishment of safety measure for unsignalized intersection and the improvement of traffic accidents.

적응 뉴로-퍼지를 이용한 자전거도로 서비스수준 분석에 관한 연구

김경환(Kim Kyung Whan),조규붕(Jo Gyu Boong) 대한토목학회 2011 대한토목학회논문집 D Vol.31 No.2D

현재 우리나라는 자동차 보유대수가 지속적으로 증가함에 따라 교통 혼잡 문제와 환경 문제가 심각한 실정이다. 환경적으로 지속가능한 교통과 녹색 교통수단에 대한 관심이 증대되면서 최근 정부는 자전거이용 활성화 정책을 추진하고 있다. 이에 맞추어 자전거 이용자들이 느끼는 서비스수준을 분석할 수 있는 모형의 개발이 요망된다. 본 연구에서는 자전거도로 이용자들에 영향을 미치는 인자들 중 퍼지적 성격을 지닌 자전거도로 폭, 대면횟수, 보행자 교통량을 선택하여 자전거도로 서비스수준 분석을 위한 ANFIS 모형을 구축하였다. 이렇게 구축된 모형의 예측력은 실측치와 추론치를 비교함으로써 평가하였다. 결정계수 R²와 오차 및 분산정도를 나타내는 척도인 평균절대오차(MAE)와 평균제곱근오차(MSE)가 각각 0.987, 0.142, 0.032로 나타났으며, 모형의 설명력이 높은 것으로 평가된다. 본 연구에서의 자전거도로 서비스수준이 KHCM에 의한 평가치보다 1~3단계 낮게 나타났다. 이는 본 연구에서 추정 된 서비스수준이 보행자 교통량 이외에 자전거도로 폭과 대면횟수를 고려한 이용자가 느끼는 만족도에 기초하여 서비스수준을 도출하였기 때문으로 판단된다. Currently our country has very serious problems of traffic congestion and urban environment due to increasing automobile ownership. Recently, our concern about environmentally sustainable transportation and green transportation is increasing, so the government is pushing ahead the policy of bicycle using activation. So it is needed to develop a model to analyze the service level of bicycle roads more realistically. In this study, a neuro-fuzzy inference model to analyze the service level of bicycle roads was built selecting the width of bicycle roads, the number of conflicts during cycling and pedestrian volume, which have fuzzy characteristics, as input variables. The predictability of the model was evaluated comparing the surveyed and the estimated. The values of the statistics, R², MAE and MSE were 0.987, 0.142, 0.032. Therefore, It may be judged that the explainability of the model is very high. The service levels of bicyle roads estimated by the model are 1~3 steps lower than KHCM assessments. The reason may be explained that the model estimates the service level considering the width of bicycle roads and the number of conflicts simultaneously besides pedestrian volume.

심박변이도를 이용한 적응적 뉴로 퍼지 감정예측 모형에 관한 연구

박성수,이건창 한국디지털정책학회 2019 디지털융복합연구 Vol.17 No.1

An accurate prediction of emotion is a very important issue for the sake of patient-centered medical device development and emotion-related psychology fields. Although there have been many studies on emotion prediction, no studies have applied the heart rate variability and neuro-fuzzy approach to emotion prediction. We propose ANFEP(Adaptive Neuro Fuzzy System for Emotion Prediction) HRV. The ANFEP bases its core functions on an ANFIS(Adaptive Neuro-Fuzzy Inference System) which integrates neural networks with fuzzy systems as a vehicle for training predictive models. To prove the proposed model, 50 participants were invited to join the experiment and Heart rate variability was obtained and used to input the ANFEP model. The ANFEP model with STDRR and RMSSD as inputs and two membership functions per input variable showed the best results. The result out of applying the ANFEP to the HRV metrics proved to be significantly robust when compared with benchmarking methods like linear regression, support vector regression, neural network, and random forest. The results show that reliable prediction of emotion is possible with less input and it is necessary to develop a more accurate and reliable emotion recognition system. 감정을 정확히 예측하는 것은 환자중심의 의료디바이스 개발 및 감성관련 산업에서 매우 중요한 이슈이다. 감정 예측에 관한 많은 연구 중 감정 예측에 심박 변동성과 뉴로-퍼지 접근법을 적용한 연구는 없다. 본 연구는 HRV를 이용한 ANFEP(Adaptive Neuro Fuzzy system for Emotion Prediction)을 제안한다. ANFEP의 핵심 기능은 인공 신경망과 퍼지 시스템을 통합해 예측 모델을 학습하는 ANFIS(Adaptive Neuro-Fuzzy Inference System)에 기반한다. 제안 모형의 검증을 위해 50명의 실험자를 대상으로 청각자극으로 감정을 유발하고, 심박변이도를 구하여 ANFEP 모형에 입력하였다. STDRR과 RMSSD를 입력으로 하고 입력변수 당 2개의 소속함수로 하는 ANFEP모형이 가장 좋은 결과를 나타났다. 제안한 감정예측 모형을 선형회귀 분석, 서포트 벡터 회귀, 인공신경망, 랜덤 포레스트와 비교한 결과 본 제안모형이 가장 우수한 성능을 보였다. 연구 결과는 보다 적은 입력으로 신뢰성 높은 감정인식이 가능함을 입증했고, 이를 활용해 보다 정확하고 신뢰성 높은 감정인식 시스템 개발에 대한 연구가 필요하다.

Hybrid F-NFC에 의한 저속 디젤 기관의 속도 제어

최교호(G.H. Choi),양주호(J.H. Yang) 한국동력기계공학회 2006 동력시스템공학회지 Vol.10 No.4