선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 Wang이 제시한 개념과 Harris 이론에 근 거하여 신경회로망 간접 적응 PID제어기를 재해석하고, 최적 의 초기 제어 파라미터 값을 제공함으로써 강인성 향상과 함께 현장에 이미 설치 운영되고 있는 일반 PID 제어기에 자기 동조 기능을 제공한다. 먼저, 식(8)에서 초기 제어 파라미터 G, (0)를 식(9)와 같이 정하고 식(5)에 대입하여 정리하면 간 접 적응 PID 제어기는 식(10)과 같이 일반 PID 제어기와 외 란, 비선형 항을 보상하는 제어기로 구성됨을 알 수 있다.
- 지금까지 연구된 신경회로망 적응 PID 제어기의 공통적인 단점은 초기 제어 파라미터와 연결강도, 학습률 등에 따라 제 어성능이 크게 좌우되기 때문에 초기 제어구간에서 안정한 제어를 할 수 없다는 점과 수렴속도가 느리다는 것이다. 본 논문에서는 선형 제어기로 일반 PID 제어기로 선정하고 초기 제어 파라미터를 릴레이궤환에 의한 임계값으로부터 제공함 으로써 안정한 제어를 수행하도록 한다.
- 본 논문에서는 신경회로망 PID 제어기를 재해석하여 선형 부분을 제어하는 일반 PID 제어기와 비선형 성분 및 출력 오 차를 보상하는 신경회로망 보상기로 구성된 신경회로망 보상 기를 갖는 비선형 PID 제어기(이하: 신경회로망 보상 비선형 PID 제어기)를 제시하였다. 또한, 신경회로망의 초기 제어 파 라미터 설정 방법을 제시하여 기존 신경회로망 PID 제어기의 단점을 개선하였다.
- 본 논문에서는 신경회로망 PID 제어기를 재해석하여 선형 부분을 제어하는 일반 PID 제어기와 비선형 성분 및 출력 오 차를 보상하는 신경회로망 보상기로 구성된 신경회로망 보상 비선형 PID 제어기를 제시하였다. 또한, 신경회로망의 초기 제어 파라미터 설정 방법을 제시하여 기존 신경회로망 PID 제어기의 단점을 개선하였다.
- 본 논문에서는 이와 같은 단점을 개선하기 위하여 은닉층의 목표값(%*)을 최적기법에 의하여 구하고 연결강도는 RLS에 의하여 추정하는 학습알고리즘을 개발하였다. 설명을 간략화 하기 위하여 은닉층이 하나인 순방향 신경회로망을 생각하여 보자.
- 신경 회로망을 이용한 PID 제어기의 동조에 대한 연구는 크게 플 랜트 응답 패턴을 분석하고 학습하여 제어 파라미터를 조절 하는 방법과 신경회로망 구조를 PID 제어 구조와 유사 하게 구성하고 제어 평가함수를 최소화하도록 신경회로망의 연결강도(weights)를 학습하는 방법[5]-[6]으로 나눌 수 있다. 본 논문에서는 후자의 접근법을 주로 다루고자 한다. Keyser, Tan 등은 PID 구조의 신경회로망을 이용하여 비선형 플랜트 를 실시간으로 인식(identification)하고 인식된 신경회로망 모델의 출력과 기준입력의 차로 표현된 평가함수를 최소화하도 록 PID 제어 파라미터를 학습하는 방법을 제시하였다[5].
- 가 고정된 값을 갖으며. 본 장에서는 신경회로망 모델에 기초하여 온라인으로 G를 조절하는 간접 적응 PID 제어기의 특징을 분석하고자 한다. 간접 적응 제어기는 매 샘플 시간마다 신경회로망 모델을 이용하여 출력을 예측하고 식(6)으로 표현된 평가함수 Ji(t)를 최소하하는 제어 파라미터 0를 구한다.
- 본 논문에서는 이와 같은 단점을 개선하기 위하여 은닉층의 목표값(%*)을 최적기법에 의하여 구하고 연결강도는 RLS에 의하여 추정하는 학습알고리즘을 개발하였다. 설명을 간략화 하기 위하여 은닉층이 하나인 순방향 신경회로망을 생각하여 보자. 입력, 은닉, 출력 층의 노드수가 각각 N, P, M이라 하고 평가함수를 식(20)과 같이 표시하도록 흐}.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.