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 연구에서는 PID제어기의 강인성을 증가시킬 목적으로 선형제어만으로 한계가 있는 내재된 비선형성들을 학습 보상하기 위하여, PID 제어기에 신경회로망(Neural Network ; NN)을 결합하였다. 아울러 이를 공압 서보방식으로 구동되는 NC 축제 어에 적용하여 궤적 추적제어성능 향상을 도모하였다.
- 영점 부근에서의 데드존과 아울러 포화현상이 나타나고 있다. 이러한 내재된 비선형특성에 대해 신경회로망의 학습능력이 제어성능을 어느 정도 개선할 수 있는지가 본 연구의 주요 관심사이다.
제안 방법
- 공압 서보시스템의 설계 파라미터를 추출하는 과정에서, 자려진동법을 사용하여 선형 2차 동적 모델을 유도하였다. 자동 계수조정(Self-tuning) PID 알고리듬。同을 이용하여 pid제어기 게인을 설정한 다음, 내재된 비선형성을 학습 보상하기 위하여 신경회로망을 결합시킨 PID-NN제어기를 설계하였다. 아울러 실험을 통하여 PID제어와 PID-NW 제어의 성능을 비교하였다.
- 공압 NC축을 제어대상 플랜트로 설정하고, 자동 계수조정 알고리듬에 의해 구해진 PID 제어기와 여기에 신경회로망을 결합시킨 PID-NN[제어기의 성능을 비교 검토하였다. 그 과정에서 자려식진동을 이용한 모델링 방법을 비선형성이 내재되어있는 공압서보 시스템에 적용하여, 등가 시상 수를 갖는 전달함수를 유도하고 제어기 설계에 이용하였다.
- 아울러 신경회로망의 연산 부담을 줄이기 위하여 간략화된 플랜트 모델식에 기초하여 기준모델을 설정하였다. 공압 서보시스템의 설계 파라미터를 추출하는 과정에서, 자려진동법을 사용하여 선형 2차 동적 모델을 유도하였다. 자동 계수조정(Self-tuning) PID 알고리듬。同을 이용하여 pid제어기 게인을 설정한 다음, 내재된 비선형성을 학습 보상하기 위하여 신경회로망을 결합시킨 PID-NN제어기를 설계하였다.
- 성능을 비교 검토하였다. 그 과정에서 자려식진동을 이용한 모델링 방법을 비선형성이 내재되어있는 공압서보 시스템에 적용하여, 등가 시상 수를 갖는 전달함수를 유도하고 제어기 설계에 이용하였다. 유사 타원형 모양의 궤적을 추적하는 실험을 수행한 결과, PID제어의 경우 XY축 시간 응답에서 입출력신호 사이에 정상상태 오차가 크게 나타나며, 결국 원하는 도형의 궤적추적성능이 크게 떨어지게 나타났다.
- 따라서 본 연구에서는 전기-공압 서보시스템의 전달함수를 식 (1)과 같은 3차 시스템으로 이상화시킨 다음, 자려식 진동방법(4)을 도입하여 설계파라미 터값들을 구하였다. 자려 식 진동방법을 표현하는 블록선도와 이를 이용하여 구한 출력 파형의 한 예가 Fig.
- 6 에 도시되어있다. 본 연구에서는 Fig. 7에 도시되어 있는 신경회로망을 도입하였으며, 회로망은 S상 결장(sigmmidal) 비선형을 가지는 뉴런이 히든 레이어 (hidden layer)에 9개를 가지도록 구성하였다. Fig.
- 본 연구에서는 자동계수조정(SelUtuning) PID 알고리듬 (8을 적용하여 플랜트 모델식과 기준모델식이 다르게 설정된 상태에서. 플랜트 출력이 기준모델 출력에 추종하도록 PID 게인값들을 구하였다.
- 본 장에서는 PID제어기와 PID-NN제어기를 사용하여, 샘플링주기 T=1 ms 로 타원형 모양의 궤적추적 실험을 수행하고 성능을 비교하였다. 추적성능을 IES관점에서 비교한 것이 Fig.
- 부하가 가해진 상태에서 비례 제어 밸브의 유량 특성 선도를 구하여 플랜트에 내재된 비선형성 정또를 나타내었다. 아울러 신경회로망의 연산 부담을 줄이기 위하여 간략화된 플랜트 모델식에 기초하여 기준모델을 설정하였다. 공압 서보시스템의 설계 파라미터를 추출하는 과정에서, 자려진동법을 사용하여 선형 2차 동적 모델을 유도하였다.
- 자동 계수조정(Self-tuning) PID 알고리듬。同을 이용하여 pid제어기 게인을 설정한 다음, 내재된 비선형성을 학습 보상하기 위하여 신경회로망을 결합시킨 PID-NN제어기를 설계하였다. 아울러 실험을 통하여 PID제어와 PID-NW 제어의 성능을 비교하였다.
- 결합하였다. 아울러 이를 공압 서보방식으로 구동되는 NC 축제 어에 적용하여 궤적 추적제어성능 향상을 도모하였다. 부하가 가해진 상태에서 비례 제어 밸브의 유량 특성 선도를 구하여 플랜트에 내재된 비선형성 정또를 나타내었다.
- 제어기와 신경회로망 설계에서 파라미터들은 무차원화 되었으며, 액추에이터 포화를 방지하기 위해 출력변위 값의 범위를 60miml에서 160mm(8V에서 2V)에서 사용하였다. 역전파(Back Propagation) 알고리듬을 이용하여, 각 뉴런들 사이에 가중치와 바이어스가 목표값과 신경회로망 출력값 사이의 오차를 최소화하도록 점진적으로 변화하도록 하였다. 제어알고리듬 구성에 필요한 기준모델의 동특성 파라미터를 <oBrf= 3 rad/s 로 설정하였다.
- 플랜트 출력이 기준모델 출력에 추종하도록 PID 게인값들을 구하였다. 이와 같이 구한 PID제어기에 신경회로망을 결합시켜 PID-NN 제어기를 설계하였다. 신경회로망을 이용하여 제어하는 PID-NN방식의 전체시스템 블록선도가 Fig.
- 본 연구에서는 자동계수조정(SelUtuning) PID 알고리듬 (8을 적용하여 플랜트 모델식과 기준모델식이 다르게 설정된 상태에서. 플랜트 출력이 기준모델 출력에 추종하도록 PID 게인값들을 구하였다. 이와 같이 구한 PID제어기에 신경회로망을 결합시켜 PID-NN 제어기를 설계하였다.
이론/모형
- 정확성(accuracy)을 중시하다 보면 연산 시간이 부담으로 작용할 수 있으므로 양자의 적절한 조화가 요구된다. 본 연구에서는 비교적 간단한 신경회로망 모델로. 만족할만한 제어성능을 얻을 수 있었다.
성능/효과
- 반면에 이 PID-NN제어의 경우 XY축 시간응답에서 입줄력신호 사이에 정상상태 오차가 크게 줄어들고, 아울러 원하는 도형 의 궤 적 추적성 능이 PID 제어보다 우수함을 알 수 있다. PID-NN제어실험에서 10회째의 성능이 1회째 성능보다 현저히 우수하게 보이지 않는 이 유는, 신경회로망의 비 선형성 학습보상효과가 1회째에 어느 정도 중분한효과를 발휘하였음을 시사한다. 각각의 제어방식에서 오차분포를 백분율로 나타낸 막대선도가 Fig.
- 본 연구에서는 비교적 간단한 신경회로망 모델로. 만족할만한 제어성능을 얻을 수 있었다. 기존의 최적제어나 모델기준적응제어 (MRAC)는 선형플랜트를 대상으로 알고리듬이 유도되었으므로 내재된 비선형성과 외란을 보상하는 대책이 필요하다.
- 유사 타원형 모양의 궤적을 추적하는 실험을 수행한 결과, PID제어의 경우 XY축 시간 응답에서 입출력신호 사이에 정상상태 오차가 크게 나타나며, 결국 원하는 도형의 궤적추적성능이 크게 떨어지게 나타났다. 반면에 PID-NN제어의 경우 XY축 시간응답에서 입출력신호 사이에 정상 상태 오차가 크게 줄어들고, 아울러 원하는 도형의 궤적 추적성능이 크게 향상되었다.
- 그 과정에서 자려식진동을 이용한 모델링 방법을 비선형성이 내재되어있는 공압서보 시스템에 적용하여, 등가 시상 수를 갖는 전달함수를 유도하고 제어기 설계에 이용하였다. 유사 타원형 모양의 궤적을 추적하는 실험을 수행한 결과, PID제어의 경우 XY축 시간 응답에서 입출력신호 사이에 정상상태 오차가 크게 나타나며, 결국 원하는 도형의 궤적추적성능이 크게 떨어지게 나타났다. 반면에 PID-NN제어의 경우 XY축 시간응답에서 입출력신호 사이에 정상 상태 오차가 크게 줄어들고, 아울러 원하는 도형의 궤적 추적성능이 크게 향상되었다.
- 이는 PID-NN제어의 경우 입출력 신호 사이에 정상상태 오차가 크게 줄어들고, 아울러 원하는 도형의 궤적 추적성능이 PID제어보다 우수함을 시사한다. 이로부터 신경회로망 제어기가 실제 시스템에 내재된 비선형성들을 학습 보상하여 강인한 제어성능을 나타냄을 알 수 있다.
- 특히 단일 비선형이나 외란의 경우는 제어회로 내에서 보상이 비교적 용이하나, 이들이 복합적으로 존재할 때는 보상에 어려움이 있다. 이에 반하여 신경회로망은 모든 종류의 비선형 요소를 맵핑(mapping)할 수 있는 능력이 있으므로, 본 연구의 공압시스템 제어에 탁월한 효과를 보인 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.