KR940008629B1 - 세탁기의 뉴로-퍼지제어 방법 및 시스템 - Google Patents

세탁기의 뉴로-퍼지제어 방법 및 시스템 Download PDF

Info

Publication number
KR940008629B1
KR940008629B1 KR1019910024009A KR910024009A KR940008629B1 KR 940008629 B1 KR940008629 B1 KR 940008629B1 KR 1019910024009 A KR1019910024009 A KR 1019910024009A KR 910024009 A KR910024009 A KR 910024009A KR 940008629 B1 KR940008629 B1 KR 940008629B1
Authority
KR
South Korea
Prior art keywords
output
unit
fuzzy
data
input
Prior art date
Application number
KR1019910024009A
Other languages
English (en)
Other versions
KR930013325A (ko
Inventor
박희찬
Original Assignee
주식회사 금성사
이헌조
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 금성사, 이헌조 filed Critical 주식회사 금성사
Priority to KR1019910024009A priority Critical patent/KR940008629B1/ko
Publication of KR930013325A publication Critical patent/KR930013325A/ko
Application granted granted Critical
Publication of KR940008629B1 publication Critical patent/KR940008629B1/ko

Links

Classifications

    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/30—Control of washing machines characterised by the purpose or target of the control 
    • D06F33/32—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/14—Arrangements for detecting or measuring specific parameters
    • D06F34/18—Condition of the laundry, e.g. nature or weight
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/14—Arrangements for detecting or measuring specific parameters
    • D06F34/22—Condition of the washing liquid, e.g. turbidity
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F37/00—Details specific to washing machines covered by groups D06F21/00 - D06F25/00
    • D06F37/30—Driving arrangements 
    • D06F37/304—Arrangements or adaptations of electric motors
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F39/00—Details of washing machines not specific to a single type of machines covered by groups D06F9/00 - D06F27/00 
    • D06F39/08—Liquid supply or discharge arrangements
    • D06F39/087—Water level measuring or regulating devices
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/02—Characteristics of laundry or load
    • D06F2103/04—Quantity, e.g. weight or variation of weight
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/20—Washing liquid condition, e.g. turbidity

Landscapes

  • Engineering & Computer Science (AREA)
  • Textile Engineering (AREA)
  • Feedback Control In General (AREA)
  • Control Of Washing Machine And Dryer (AREA)

Abstract

내용 없음.

Description

세탁기의 뉴로-퍼지제어 방법 및 시스템
제1도는 종래 세탁기의 퍼지제어 시스템 구성도.
제2도는 제1도에 따른 퍼지제어 블록 다이어 그램도.
제3도는 본 발명에 의한 세탁기의 퍼지제어 시스템 구성도.
제4도는 제3도에 따른 퍼지제어 블록 다이어 그램도.
제5도는 본 발명에 따른 효율결정테이블(PDT)의 예시도.
제6도는 본 발명에 따른 룩-업 테이블의 예시도.
제7도 (a) 내지 (c)는 본 발명에 따른 맴버쉽 펑션의 예시도.
* 도면의 주요부분에 대한 부호의 설명
1 : 마이크로 컴퓨터 2 : 표시부
3 : 스위치부 4 : 수위 감지부
5 : 문 열림 감지부 6 : 모터 구동부
7 : 발진부 8 : 포량 감지부
9 : 전원부 11 : 수위 및 수온 조절부
12 : 오염 감지부 13 : 수온 감지부
21 : 감산기 22 : 팩터 결정부
23 : 퍼지화부 24 : 뉴럴 네트워크부
25 : 맵버쉽 펑션 및 추론법칙결정부 26 : 효율결정 테이블
27 : 보상값 결정부 28 : 디-퍼지화부
29 : 출력값 결정부 30 : 출력 제어부
본 발명은 세탁기의 뉴로-퍼지(Neuro-Fuzzy)제어 방법 및 그 시스템에 관한 것으로, 특히 세탁기의 운전호율을 향상시키고자 퍼지 제어를 수행함에 있어서, 자체에 정의된 제어기능을 자동으로 변경하면서 재정의하여 사용할 수 있도록 학술기능을 갖는 세탁기의 뉴로-퍼지제어 방법 및 그 시스템에 관한 것이다.
종래 기술에 의한 세탁기의 퍼지제어 시스템은 제1도에 도시된 바와같이 운전 제어상태가 표시되는 표시부(2)와, 수위를 감지하기 위한 수위 감지부(4)와, 포량을 감지하기 위한 포량 감지부(8)와, 문 열림을 감지하는 문 열림 감지부(5)와, 세탁운전 모터를 구동하는 모터 구동부(6)와, 스위치부(3)의 키신호, 발진부(7)의 발진 주파수 및 전원부(9)의 구동전원을 공급받아 상기 각 감지부의 감지값에 의해 퍼지제어를 하는 마이크로 컴퓨터(1)로 구성되어 있다.
이와같이 구성된 종래 세탁기의 퍼지제어 시스템의 동작을 설명하면 다음파 같다.
세탁기에 세탁물을 넣고 세탁기를 동작시키면, 마이크로 컴퓨터(1)가 수위 감지부(4) 및 포량 감지부(8)를 통해 세탁기의 운전제어 데이타를 입력 받고, 그 마이크로 컴퓨터(1)가 받아들인 수위와 포량의 데이타를 룩-업 테이블(Look-up table)의 어드레스로 사용하여 현재 받아들인 수위 및 포량에 해당되는 데이타를 찾아 퍼지방식으로 세탁운전 제어를 하게된다.
여기서, 출력되는 데이타는 모터의 주기, 세탁시간, 표시데이타등의 데이타가 출력된다. 또한 상기 룩-업 테이블은 임의의 입력에 대하여 가장 세탁이 잘되면서(세정도 평가) 세탁시간을 짧게할 수 있도록 퍼지 콘트롤 과정을 거쳐서 출력데이타를 테이블로 구성한 후 이를 마이크로 컴퓨터(1) 내부에 내장시킨 것이다.
종래의 마이크로 컴퓨터(1)의 퍼지제어 블록 다이어 그램은 제2도에 도시된 바와같이 팩터 결정부(1-1)에서 이력데이타에 의해 입/출력 계수(factor)를 결정하고, 퍼지화부(1-2)가 결정된 계수에 의해서 퍼지(fuzzy)한 부분과 불연속(discrete)한 부분을 구분하여 퍼지한 부분만을 수용하며, 맴버쉽 펑션 및 추론법칙 결정부(1-3)에서 각 입/출력에 대한 맴버쉽 펑션(Membership functon을 결정하고, 입력이 출력에 미치는 정도를 고려하여 가중치(weight)를 결정하며, 그 가중치를 기초로하여 제어를 위한 추론법칙(rule)를 구성한 후 디퍼지화부(1-4)에서 상기 퍼지화부(1-2)를 통해 입력되는 퍼지데이타에 의해 상기 맵버쉽 펑션 및 추론결정부(1-3)에서 출력된 값을 가지고 디퍼지피케이션(Defussyfication)을 수행하고, 입력 대비출력에 대하여 만족한 결과가 나올수 있도록 반복해서 맵버쉽 펑션과 추론법칙을 수정하며, 수정 및 검증한 추론법칙과 맵버쉽 펑션을 가지고 입력 대비 출력 관계 테이블을 구성한다.
이와같이 맴버쉽 펑션 및 추론법칙 결정부(1-3)에 의해 구성된 룩-업 테이블을 마이크로 컴퓨터(1) 자체의 기억장치에 기억시켜 두고, 입력 대비 출력값을 결정하여 출력 제어부(1-5)를 통해 제어값을 결정 함과 아울러 출력값을 결정하여 최종적인 피지제어값으로 세탁제어를 하게 된다.
그러나, 이와같은 종래의 세탁기의 퍼지제어 방법에 있어서는, 맵버쉽 펑션과 추론법칙의 기초를 결정하는 방법은 엔지니어의 경험과 직감에 의하여 구성하게 되므로, 출력의 최적 값을 구하는데에 한계가 있다. 따라서, 종래에는 수없이 많은 시도와 시행착오등을 거쳐 최적효율이 발생될 수 있도록 상기 맴버쉽 펑션과 추론법칙의 기초를 수정보완하는 방법으로 룩-업 테이블을 구성하므로, 한번 결정된 맴버쉽과 추론법칙에 의해 룩-업 테이블이 만들어지면 더이상의 효율 향상을 기대하기 어렵게 된다. 또한 종래의 세탁기에서는 퍼지제어를 하기 위하여 입력값으로 포량 및 수위만을 센서를 통해 감지하기 때문에 포의 질이나 오염의 정도, 오염의 질 및 수온에 의한 세탁력등은 무시되고, 이에따라 최적 세탁을 위해서 세탁시간이 길어지거나 포의 손상이 발생되는 문제점이 있었다.
본 발명은 이와같은 문제점을 해소시키고자 수위 및 포량을 감지함과 아울러 수온감지, 오염정도 및 오염의 질을 감지하여 수온 및 수위조절을 하면서 퍼지제어방식으로 세탁기의 운전제어를 하도록 하고, 뉴럴 네트워크(Neural Network)를 이용하여 학습에 의해 최적의 세정도가 나올수 있도록 자동으로 룩-업 테이블을 수정하면서 퍼지제어를 하도록 하는 세탁기의 퍼지제어 방법 및 그 시스템을 창안한 것으로, 이를 첨부된 도면을 참조해 상제히 설명하면 다음과 같다.
제3도는 본 발명에 의한 세탁기의 퍼지제어 시스템 구성도로서, 이에 도시된 바와같이 운전 제어상태가 표시되는 표시부(2)와, 수위를 감지하기 위한 수위 감지부(4)와, 포량을 감지하기 위한 포량 감지부(8)와, 문 열림을 감지하는 문 열림 감지부(5)와, 세탁운전 모터를 구동하는 모터 구동부(6)와, 수위 및 수온을 조절하기 위한 수위 및 수온 조절부(11)와, 오염정도 및 오염의 질을 감지하는 오염감지부(12)와, 수온을 감지하는 수온감지부(13)와, 스위치부(3)의 키신호, 발진부(7)의 발진 주파수 및 전원부(9)의 구동전원을 공급받아 상기 각 감지부의 감지값에 의해 자기학습 기능으로 룩-업 테이블을 수정하면서 퍼지제어방식으로 자동세탁 제어를 하는 마이크로 컴퓨터(1)로 구성되어 있다.
제4도는 본 발명에 의한 세탁기의 퍼지제어 블록 다이어 그램으로서, 이에 도시된 바와같이 각 감지수단의 감지값에 의한 퍼지제어 데이타와 출력데이타의 차를 구하는 감산부(21)와, 그 감산부(21)의 출력에 의해 입/출력 계수(Factor)를 결정하는 팩터 결정부(22)와, 그 팩터 결정부(22)의 입/출력 계수에서 퍼지한 부분과 크립(crisp)한 부분을 구분하여 퍼지한 부분만을 수용하여 퍼지데이타를 발생하는 퍼지화부(Fuzzifier)(23)와, 상기 팩터 결정부(22)의 입/출력 계수에 의해 입력 대비 출력의 최적 샘플 데이타를 가지고 자기 학습기능을 수행하는 뉴럴 네트워크(Neural Network)부(24)와, 그 뉴럴 네드워크부(24) 및 상기 퍼지화부(23)의 출력 데이타를 입력 받아 이상적인 데이타로 설정된 퍼지함수와 비교하여 오차를 보상하도록 수정데이타를 출력하는 효율결정테이블(PDT: Performance dision table)(26)과, 그 효율결정 테이블(26)의 출력데이타를 보상값으로 계산하여 주는 보상값 계산부(Computation)(27)와, 상기 퍼지화부(23)의 데이타와 상기 뉴럴 네드워크부(24) 및 상기 보상값 계산부(27)의 출력데이타를 이용하여 퍼지데이타에 따른 입력 대비 출력에 대한 맴버쉽 펑션 및 추론법칙을 결정하여 입력 대비 출력을 룩-업 테이블 만들어 주는 맴버쉽 펑션 및 추론 설정부(25)와, 입력 퍼지데이타를 룩-업 테이블에 대응시켜 추론법칙에 따른 맴버쉽 펑션 그레이드(grade)를 출력데이타로 출력하는 디-퍼지화(Defuzzifer)부(28)와, 그 디-퍼지화부(28)의 출력테이타에 의해 외부출력값을 결정하는 출력결정부(29)와, 그 출력 결정부(28)의 출력테이타에 의해 퍼지제어 데이타를 상기 감산부(21)에 피드백시킴과 아울러 각 구동부에 출력시켜 주는 출력 제어부(Plant control)부(30)로 구성되어 있다.
이와같이 구성된 본 발명에 의한 세탁기의 퍼지제어 시스템을 이용하는 퍼지제어 방법을 설명하면 다음과 같다.
본 발명은 기존의 세탁기에서 수위 및 포량을 감지하여 세탁제어를 하는 것에 추가하여 수온감지와 광센서를 이용한 오염정도 및 오염의 질을 감지하며 수위와 수온 조절을 가능하도록 하드웨어를 구성하고, 이들 감지값들을 이용하여 퍼지방식으로 세탁 제어를 한다. 이때 퍼지제어는 뉴럴 네트워크를 통해 사전학습으로 학습된 데이타를 발생시키고, 퍼포먼스 디시젼 테이블(PDT ; performance decision table)DMF 이용해 이상적인 값으로 보정하며 맵버쉽 펑션을 결정함으로써, 룩-업 테이블을 세탁조건에 따라 이상적인 값으로 재설정하여 최적의 호율FH 세탁제어를 하게된다.
한편, 효율결정 테이블(PDT)(26)에는 그 시스템을 제어하기 위한 이상적인 값을 맵버쉽 값으로 설정하는데, 여기서는 실제 동작값이 들어가는 것으로, 이를 일예를 들어 설명하면, 제5도에 도시된 바와같이 입력팩터(예 ; 포량, 오염도등)에 의해 출력(예 : 수위조절등)을 제어하기 위하여 이상적인 테이타를 퍼지함수로 입력해 두었다가 매번 입력에 대한 출력 제어시 상기 뉴럴 네트워크 및 맵버쉽 펑션 및 추론법칙에서 약간의 오차라도 발생되면 이상적인 값인 PDT의 데이타와 비교하여 오차를 줄여 줌으로서 출력을 최적으로 제어하기 위한 것이다. 여기서, 제5도에 도시된 PDT는 오염도 및 포량에 대한 이상적인 퍼지데이타를 예로 보인 것으로, PS ; Positive Small, PM : Positive Medium, PB ; Positive Big, VPB ; Very Positive Big을 각각 표시하고, 각 숫자(예 : 10,10,20,27,…)들은 오염도와 포량에 대응한 이상적인 수위조절 값을 나타내게 된다.
또한, 룩-업 테이블의 일에는 제6도에 도시된 바와같이 마이크로 컴퓨터(1)의 내부에 저장되는 것으로, 각 감지부에 의해 입력되는 데이타들을 어드레스로 사용하여 퍼지제어 데이타를 출력하게 된다. 즉, 포량이 1.0kg, 수분이 5℃, 오염도가 2, 오염질이 10, 수위가 20cm인 경우에 이를 어드레스 테이타로 입력 받아 수위가 25cm, 세탁시간이 12분, 세탁주기가 4, 헹굼횟수가 2회, 탈수시간이 5분, 수온이 25℃, 행동시간이 3분이 되도록 하는 퍼지제어 데이타를 출력하게 된다.
이와같이 룩-업 테이블을 만들어 퍼지제어를 하는데, 먼저, 포량, 수온, 오염도, 오염질 및 수위에 해당되는 입력데이타와 주기, 시간, 수위, 행굼횟수, 수온, 행굼시간 및 탈수시간에 해당되는 출력데이타에 대해 입력/출력 팩터를 결정하고, 각 입력/출력에 대하여 퍼지한 부분과 스크립(crisp)한 부분에 대해서 상기 입력/출력 팩터에 대한 맴버쉽 펑션과 추론법칙을 결정하며, 각각의 맵버쉽 값을 이용하여 상기 입력요소와 출력의 릴레이션(Relation)을 맺어주는 테이블을 만들어 주고, 상기 각 입력 팩터들이 입력되면 상기 맴버쉽 펑션의 테이블에서 값을 읽어내어 추론법칙에 적용하여 디-퍼지화 한다. 상기 추론법칙에 적용한 상기 입력대비 출력의 결과를 검증하여 만족할만한(Optimal) 출력이 나오도록 상기 맵버쉽 펑션과 추론법칙을 수정한 후 그결과에 의해 발생된 입력 대비 출력으로 1차적인 룩-업 테이블을 구성한다.
여기서, 맴버쉽 펑션은, 애매한 부분을 구분짓기 위한 방법으로서, 예를 들어 "5보다 휠씬 큰수"라는 애매한 부분을 일방화시키면, 제7도 (a)에 도시된 바와같이 "10"이 "5보다 휠씬 큰수"가 될 가능성은 약 0.3이고, "15"가 "5보다 훨씬 큰수"가 될 가능성은 약 0.6이고, "20"이 "5보다 훨씬 큰수"가 될 가능성은 약1이고,…. 이와같이 애매한 부분을 일반화시켜서 제7도 (b) 및 (c)와 같이 퍼지방식으로 표시한다.
이에따라 추론법칙은, 애매한 것을 제어하기 위해서 상기 맴버쉽 펑션을 이용하여 제어 법칙을 만들어 주는데, 예를 들어 제1법칙(RULE 1)은, IF : 포량이 적고(PS), 수온이 높고(PB), 오염도가 적음(PS)이면, THEN : 수위는 낮게(PS), 시간은 짧게(PS), 헹굼횟수는 적게(PS)하라.
제 2 법칙(RULE 2)은, IF : 포량이 얇고(PB), 오염질이 크고(PB), 수위가 중(PM)이면, THEN : 시간은 길게(PB), 주기는 길게(PB), 헹굼시간은 길게(PB), 헹굼휫수는 중(PM)으로 하라. …등등 세탁기를 최적의 효율로 제어하기 위해 추론법칙을 설정한다.
그리고, 상기와 같이 룩-업 테이블이 1차로 구성되면, 이를 이용하여 뉴럴 네트워크부(24)에서 학습데이타를 발생시키는데, 상기 룩-업 테이블 설정 과정에서 얻어진 입력 대비 출력의 실험치 및 경험치를 자료로 하여 뉴럴 네트워크의 학습기능으로 상기 입력 대비 출력에 대한 학습을 반복수행한다. 상기 입력 대비출력에 대한 만족할 만한 결과가 나오도록 각 뉴런(neuron)를 연결시켜 주는 시냅스(synapse)의 가중치와 학습 레벨을 조절하는 과정을 반복 수행한다. 이와같은 동작에 의해 생성된 입력대비 출력을 퍼지데이타에 적용하여 최적의 출력이 생성될 수 있도록 다시 학습을 수행한 후 상기 과정들에 의해 최적의 룩-업 테이블을 구성한다. 또 퍼지의 맵버쉽 펑션도 학습에 의해 수정한다.
이와같이 세탁기의 퍼지제어를 위한 룩-업 테이블이 최적의 세탁조건에 맞도록 자기학습을 통해 구성되면, 포량감지부(8), 수온감지부(13), 오염감지부(12) 및 수위감지부(4)에 의해 각 입력 데이타를 받아들이고, 스위치부(3)의 키신호에 의해 세탁조건을 받아들인다. 이때 스위치부(3)의 세탁조건에 대한 입력이 없으면, 퍼지-뉴로(Fuzzy-Neuro) 코스로 자동세탁 코스를 수행한다.
자동세탁 코스가 설정되면, 상기 각 감지부로 부터 받아들인 데이타들을 룩-업 테이블의 어드레스로 사용하여 그에 해당되는 퍼지-뉴로 출력을 발생시키고, 이때 발생된 출력값 즉, 세탁시간등은 표시부(2)를 통해 표시되면서, 수위, 수온, 헹굼시간 및 횟수등의 다른 세탁조건들과 함께 자동세트되어 세탁이 시작된다.
이후 세탁이 시작되면, 상기 입력 대비 출력 값을 효율결정테이블(26)의 값들과 반드시 비교하여 주어진 오차이상의 출력값이 발생되면, 자동으로 그 호율결정테이블(PDT)의 값을 출력으로 해서 최적의 세탁을 한다.
따라서 본 발명에 의한 뉴로-퍼지제어 및 PDT에 의한 제어방식은 세탁기에서 뿐만 아니라 필요한 센서가 부착되고, 마이크로 컴퓨터를 이용하는 제품이면 어디에나 적용이 가능해지는데, 이때 학습에 있어서, 스냅스의 가중치 및 학습 레벨을 바꿔주고, 퍼지에서 맵버쉽 펑션 및 추론법칙과 PDT를 수정해주면 적용이 가능해진다.
이상에서 설명한 바와같이 기존의 퍼지제어 세탁기에다 오염감지 센서 및 수온감지 센서와 수온 및 수위조절부 등을 추가시키고, 마이크로 컴퓨터에 호율결정 테이블(PDT) 및 뉴로 네드워크에 의한 자기 학습기능을 추가시켜 다수의 입력에 대한 퍼지제어를 함으로써, 최적의 세정도를 이룰수 있도록 학습에 으한 룩-업 테이블의 수정이 매번 세탁때마다 가능해지는 효과가 있고, 이로인하여 세탁기를 반복사용하면 할수록 제품출하시의 성능보다 계속해서 성능향상이 되는 효과가 있으며, 기존의 퍼지세탁기에 비해 성능면에서 월등한 효과가 있다.

Claims (7)

  1. 뉴럴 네트워크(Neural Network)를 이용하여 반복학습에 의해 최적의 세정도가 나올수 있도록 자동으로 룩-업 테이블을 수정하면서 수정된 룩-업 테이블에 의한 입력 대비 출력으로 퍼지제어를 하도록 하는것을 특징으로 하는 세탁기의 퍼지제어 방법.
  2. 제1항에 있어서, 수정된 룩-업 테이블에 의한 입력 대비 출력으로 퍼지제어를 할때 효율결정테이블(PDT)의 값과 입력 대비 출력값을 비교하여 오차를 보상해주도록 하는 것을 특징으로 하는 세탁기의 퍼지제어 방법.
  3. 제2항에 있어서, 효율결정테이블(PDT)의 값과 입력 대비 출력값을 비교하여 허용된 오차이상으로 오차가 나는 경우에는 자동으로 상기 호율결정테이블(PDT)의 값을 출력으로 하여 최적의 세탁을 하게하는것을 특징으로 하는 세탁기의 퍼지제어 방법.
  4. 제2항 및 제3항에 있어서, 효율결정 테이블(PDT)는 입력에 대한 이상적인 출력이 발생될 수 있도록 실험 데이타 및 자료에 의해 입력 대비 출력의 경우의 수 만큼 테이블로 구성한 것을 특징으로 하는 세탁기의 퍼지제어 방법.
  5. 운전 제어상태가 표시되는 표시부(2)와, 수위를 감지하기 위한 수위감지부(4)와, 포량을 감지하기 위한 포량 감지부(8)와, 문 열림을 감지하는 문 열림 감지부(5)와, 세탁운전 모터를 구동하는 모터 구동부(8)와, 수위 및 수온을 조절하기 위한 수위 및 수온 조절부(11)와, 오염정도 및 오염의 질을 감지하는 오염감지부(12)와, 수온을 감지하는 수온감지부(13)와, 스위치부(3)의 키신호, 발진부(7)의 발진 주파수 및 전원부(9)의 구동전원을 공급받아 상기 각 감지부의 감지값에 의해 자기학습 기능으로 룩-업 테이블을 수정하면서 퍼지제어방식으로 자동세탁 제어를 하는 마이크도 컴퓨터(1)로 구성된 것을 특징으로 하는 세탁기의 퍼지제어 시스템.
  6. 제5항에 있어서, 상기 오염감지부(12)는 광센서를 이용해 오염정도 및 오염질을 각각 감지하도록 구성된 것을 특징으로 하는 세탁기의 퍼지제어 시스템.
  7. 제5항에 있어서, 상기 마이크로 컴퓨터(1)는, 내부에 퍼지제어를 위해서, 입/출력 계수(Factor)를 결정하는 팩터 결정부(22)와, 그 팩터 결정부(22)의 입/출력 계수에서 퍼지한 부분과 크립(Crisp)한 부분을 구분하여 퍼지한 부분만을 수용하여 퍼지데이타를 발생하는 퍼지화부(23)와, 상기 팩터 결정부(22)의 입/출력 계수에 의해 입력 대비 출력의 자기 학습 기능을 반복수행하여 최적의 입력 대비 출력이 되도록 룩-업 테이블을 수정하는 학습을 수행하는 뉴럴 네트워크부(24)와, 그 뉴럴 네트워크부(24) 및 상기 퍼지화부(23)의 출력데이타를 입력 받아 이상적인 데이타로 설정된 퍼지함수와 비교하여 오차를 보상하도록 수정데이타를 출력하는 호율 결정테이블(PDT)(26)과, 그 호율결정 테이블(26)의 출력데이타를 보상값으로 계산하여 주는 보상값 계산부(27)와, 상기 퍼지화부(23)의 데이타와 상기 뉴럴 네트워크부(24) 및 상기 보상값 계산부(27)의 출력데이타를 이용하여 퍼지데이타에 따른 입력 대비 출력에 대한 맴버쉽 펑션 및 추론법칙을 결정하여 입력 대비 출력을 룩-업 테이블 만들어 주는 맴버쉽 펑션 및 추론 설정부(25)와, 입력 퍼지데이타를 룩-업 테이블에 대응시켜 추론법칙에 따른 맵버쉽 펑션 그레이드를 출력데이타로 출력하는 디-퍼지화부(28)와, 그 디-퍼지화부(28)의 출력데이타에 의해 외부출력값을 결정하는 출력결정부(29)와, 그 출력 결정부(28)의 출력데이타에 의해 퍼지제어 데이타를 각 구동부에 출력시켜 퍼지제어하는 출력 제어부(30)가 구성된 것을 특징으로 하는 세탁기의 퍼지제어 시스템.
KR1019910024009A 1991-12-23 1991-12-23 세탁기의 뉴로-퍼지제어 방법 및 시스템 KR940008629B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019910024009A KR940008629B1 (ko) 1991-12-23 1991-12-23 세탁기의 뉴로-퍼지제어 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019910024009A KR940008629B1 (ko) 1991-12-23 1991-12-23 세탁기의 뉴로-퍼지제어 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR930013325A KR930013325A (ko) 1993-07-21
KR940008629B1 true KR940008629B1 (ko) 1994-09-24

Family

ID=19325674

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019910024009A KR940008629B1 (ko) 1991-12-23 1991-12-23 세탁기의 뉴로-퍼지제어 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR940008629B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111254633A (zh) * 2020-02-12 2020-06-09 河海大学 一种基于人机交互的智慧型洗衣机控制装置及其控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111254633A (zh) * 2020-02-12 2020-06-09 河海大学 一种基于人机交互的智慧型洗衣机控制装置及其控制方法

Also Published As

Publication number Publication date
KR930013325A (ko) 1993-07-21

Similar Documents

Publication Publication Date Title
US5909370A (en) Method of predicting overshoot in a control system response
Natsheh et al. Comparison between conventional and fuzzy logic PID controllers for controlling DC motors
Mudi et al. A robust self-tuning scheme for PI-and PD-type fuzzy controllers
Nelles Orthonormal basis functions for nonlinear system identification with local linear model trees (LOLIMOT)
US5719999A (en) Fuzzy control apparatus in which rules can be changed, method of operating same, control system in which changeover is controlled by fuzzy reasoning, and method of controlling the same
Arulmozhiyal et al. Space vector pulse width modulation based speed control of induction motor using fuzzy PI controller
Ciliz Rule base reduction for knowledge-based fuzzy controllers with application to a vacuum cleaner
KR940008629B1 (ko) 세탁기의 뉴로-퍼지제어 방법 및 시스템
Muskinja et al. How to design a discrete supervisory controller for real-time fuzzy control systems
Chekireb et al. Direct adaptive fuzzy control of nonlinear system class with application
Linkens et al. Self-organizing fuzzy logic control for real-time processes
Durgasukumar et al. TYPE-2 Fuzzy based SVM for two-level inverter fed induction motor drive
Oliveira et al. Online neuro-fuzzy controller: Design for robust stability
Khater et al. Improving the performance of a class of adaptive fuzzy controller based on stable and fast on-line learning algorithm
Ravichandran et al. Knowledge based approach for online self-tuning of PID-control
Araujo Filho et al. Adaptive reference-driven decision-making process
KR950007846B1 (ko) 세탁기의 세탁 제어방법
Srivastava et al. Design and implementation of a robot control system using a unified hardware-software rapid-prototyping framework
Natsheh et al. A Performance Comparison for Various Methods to Design the Three-Term Fuzzy Logic Controller
KR930006711B1 (ko) 세탁기의 오염도에 따른 세탁시간 제어방법 및 그 장치
Han et al. A design for a class of nonlinear systems with delay time using fuzzy logic
Eppler et al. A new fuzzy controller automatically generated by a neural network
Mosleh et al. A new approach to the numerical solution of dual fully fuzzy polynomial equations
CN116772284A (zh) 加热炉温度控制方法
Tehrani et al. A Reinfrocement Learning Approach to Online Learning in Control

Legal Events

Date Code Title Description
A201 Request for examination
G160 Decision to publish patent application
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 19970227

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee