온실의 환기제어시 외기온도와 풍속변화에 보다 유연하게 대처하면서 온실내 온도제어성능을 향상시키 기 위해서 퍼지제어가 많이 이용되고 있지만, 제어로직이 복잡하여 대용량 메모리를 갖는 컨트롤러가 필 요하다. 본 연구에서는 소용량의 마이크로 컨트롤러에서 프로그램이 가능한 단순퍼지제어 알고리즘을 개 발하여 시험하였다. 개발한 단순퍼지 제어 알고리즘의 성능을 비교하기 위하여 기존의 스텝제어 알고리즘 을 도입한 제어프로그램으로 온실의 천창환기에 의한 온도제어를 실시하여 두 알고리즘의 성능을 직접 비 교하고, 또 PID 및 표준 퍼지제어 성능과는 기존의 연구 결과와 비교하여 상대적 성능을 평가하므로써 온 실의 환기냉방제어의 유리한 제어기법을 확립할 수 있는 기초자료를 얻고자 수행하였다. 단순 퍼지제어에 의한 실내온도 최대 제어오차는 1.2℃, 1시간동안의 평균환기창 적산열림량과 조작회수는 각각 84%, 13회 로 나타났으며, 문헌조사에 의한 퍼지제어에서 각각 1.3℃, 75% 및 12회에 비해 동등한 제어성능을 보였 다. 본 연구에서 개발한 단순퍼지제어는 제어로직이 PID제어보다 단순함에도 불구하고 스텝제어와 PID제 어보다 성능이 우수하고, 퍼지제어와 동등한 제어성능을 갖는 것으로 나타났다.

현재까지 많은 스마트 면진시스템이 제안되었고 연구되어 왔다. 본 연구에서는 스마트 면진시스템의 면진장치와 보조감쇠 장치로서 새로운 형태의 마찰진자시스템(FPS)과 MR 감쇠기를 각각 사용한다. 퍼지로직제어기(FLC)가 고유의 견실성과 비선형 및 불확실성을 쉽게 다룰 수 있는 능력이 있기 때문에 MR 감쇠기의 감쇠력을 조절하는데 FLC를 사용한다. 또한 FLC의 성능을 최적화 하기 위해서는 유전자알고리즘(GA)을 사용한다. GA를 사용함으로써 소속함수의 형상을 조절하는 것뿐만 아니라 적절한 퍼지제어규칙을 결정할 수 있다. 이를 위하여 본 연구에서는 부분개선 유전자알고리즘을 사용하였다. 이 방법은 유전자의 특정부분을 향상시키는데 효율적이다. FPS와 MR 감쇠기의 동적거동을 표현하기 위해서는 뉴로?퍼지 모델을 사용한다. FLC의 최적설계를 위하여 본 연구에서 제안된 방법의 효율성은 여러 가지 역사지진을 사용하여 계산된 동적응답을 기초로 하여 평가한다. 예제해석결과 제안된 방법은 적절한 퍼지규칙을 찾을 수 있고 GA로 최적화된 FLC는 수동제어기 뿐만 아니라 전문가의 지식에 기반한 FLC와 전통적인 준능동제어기보다 더 좋은 성능을 발휘한다.

온실의 환기제어시 외기의 온도와 풍속변화에 보다 유연하게 대처하면서 온도제어성능을 향상시키기 위하여 퍼지제어 알고리즘을 수립하고 제어실험을 실시하였다. 환기창을 열어 환기 시 온실의 실내온도 변화는 실내외온도차 및 외기 풍속의 세기와 방향에 영향을 받으므로 실내온도 기울기를 퍼지변수의 하나로 취급하여 퍼지변수의 수를 줄였다. 설정온도가 일정할 때 제어오차의 증분은 실내온도 증분과 같으므로, 전건부 퍼지변수는 제어오차(실내온도-설정온도)와 그 증분으로 결정하고, 후건부 퍼지변수는 환기창열음량 증분으로 결정하여 실내온도 하나만의 계측으로 제어출력이 가능한 퍼지제어 알고리즘을 구성하였다. 퍼지변수의 범위는 기초환기실험을 통하여 결정한 후 제어주기 3분을 갖는 실제실험 시 최적 값으로 보정하였다. 전건부 퍼지변수인 제어오차와 제어오차 증분의 최적범위는 각각 목표 제어오차의 3배와 1.5배, 후건부 퍼지변수인 환기창열음량 증분의 최적범위는 최대 열림량의 30%로 나타났다. 최적화한 19개의 퍼지규칙을 적용한 퍼지제어 알고리즘을 개발하고 상대적 성능평가를 위하여 최적 게인을 부여한 PID제어와 비교하였다. 퍼지제어와 PID제어의 실내온도 제어오차는 각각 1.3℃, 2.2℃ 미만으로 나타났다. 퍼지제어와 비교하였다. 퍼지제어와 PID제어의 실내온도 제어오차는 각각 1.3℃, 2.2℃ 미만으로 나타났다. 퍼지제어는 PID제어에 비해 환기창 적산열음량, 조작회수 및 반전조작회수가 0.4배, 05배 및 0.3배로 적게 나타나 외기풍속과 실내외온도차의 변동에 유연하게 대처하며 환기창의 점진적 여닫음 조작이 가능하고, 조작에너지도 1/2로 줄일 수 있는 것으로 나타났다.

Fuzzy algorithm of automatic control for dissolved oxygen(DO) concentration in the aeration tank of an activated sludge process is proposed. Among variables repirometry and air flowrate are selected as significant input factors and the relationship with DO is estimated using a multiple regression model. The DO concentration and the amount of repirometry are fuzzified and the fuzzy rule base are determined. Using the fuzzy algorithm, the change of amount of air flowrate are determined and the change of amount of DO is derived.