Earticle

현재 위치 Home

헤비안 튜닝 신경회로망을 이용한 시스템의 히스테리시스 보상
Hysteresis Compensation of Systems Using Neural Networks with Hebbian Tuning

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제6권 7호 (2022.07)바로가기
  • 페이지
    pp.1189-1200
  • 저자
    장준오
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A415619

※ 기관로그인 시 무료 이용이 가능합니다.

4,300원

원문정보

초록

영어
Piezoelectric actuators or plasma power input systems significantly degrade performance due to hysteresis.A hysteresis compensator is designed for systems using neural networks(NN). The compensator uses the back stepping technique with NN for inverting the hysteresis nonlinearity in the feedforward path. The scheme provides a general procedure for using NN to determine the dynamic pre-inverse of an invertible dynamical system. A Hebbian tuning algorithm is presented for the NN hysteresis compensator which yields a stable closed-loop system. Using this method yields a relatively simple adaptation structure and offers computational advantages over gradient descent algorithms. Nonlinear stability proofs are given to reveal that the tracking error is small. The NN hysteresis compensator is simulated on a xy -table system to show its efficacy. This work is applicable to xy table-like precision control systems and also shows neural network stability proofs. Moreover, the NN hysteresis compensation can be further extended and applied to dead zone, backlash, and another actuator nonlinearity compensation.
한국어
압전 구동기나 플라즈마 전력 입력 시스템 등은 히스테리시스에 의해 성능이 상당히 저하된다. 이를 위 해 신경망회로망(NN)을 이용하여 시스템의 히스테리시스 보상기를 설계한다. 보상기는 백스테핑 기술과 피드포워 드 경로에서 히스테리시스 비선형성을 상쇄시키기 위해 헤비안 튜닝 NN을 사용한다. 이 방법은 NN을 사용하여 동적 시스템의 동적 전역을 결정하는 일반적인 절차를 제공한다. 안정적인 폐루프 시스템을 구성하는 NN 히스테 리시스 보상기에 대한 학습 알고리즘을 제시한다. 비선형 안정성 증명에 의해 추적 오차는 적게 유계된다. NN 히 스테리시스 보상기의 우수한 성능을 입증하기 위하여 xy 테이블 시스템에 모의실험한다. 본 연구는 xy 테이블, 유압 시스템과 같은 정밀제어 시스템에 적용할 수 있고 신경망 안정도까지 보인다. 더욱이 히스테리시스 보상은 기존의 데드존, 백래쉬 및 기타 구동기 비선형 보상에 더욱 확장하여 적용할 수 있다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 신경회로망
Ⅲ. 히스테리시스 비선형성
Ⅳ. 시스템의 NN 히스테리시스 보상
Ⅴ. 시뮬레이션 결과
Ⅵ. 결론
REFERENCES

키워드

히스테리시스 보상 신경회로망 다이나믹 인버전 헤비안 튜닝 추적성능 Hysteresis Compensation Neural networks Dynamic inversion Hebbian tuning Tracking performance

저자

  • 장준오 [ Jun-Oh Jang | 위덕대학교 소프트웨어공학과 교수 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제6권 7호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.