$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] PID제어기와 신경회로망 제어기를 이용한 유도전동기의 속도제어에 관한 연구
A Study on the Speed Control of Induction Motor using a PID Controller and Neural Network Controller 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.10 no.8, 2009년, pp.1993 - 1997  

조현섭 (청운대학교 디지털방송공학과)

초록
AI-Helper 아이콘AI-Helper

산업 자동화의 고정밀도에 따라 직류서보 전동기는 강인제어가 요구되고 있다. 하지만 PID 제어기를 갖는 전동기 제어 시스템이 부하 외란의 영향을 받게되면 제어 시스템의 강인제어는 어렵게 된다. 이에 대한 보완적인 한 방법으로 본 논문에서는 전동기 제어시스템을 위한 PID-신경망 복합형 제어기법을 제시하였다. 신경망 제어기의 출력은 부하 외란 인가시에 발생되는 오차와 오차 변화율에 의해서 결정된다. 신경망 제어기를 이용한 직류서보 전동기의 강인제어는 시뮬레이션에 의하여 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Robust control for DC servo motor is needed according to the highest precision of industrial automation. However, when a motor control system with PID controller has an effect of load disturbance, it is very difficult to guarantee the robustness of control system. As a compensation method solving th...

주제어

#DC servo motor   #Neural network   #PID  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이러한 문제점으로 인하여 시스템의 변화를 학습하고 적응능력이 우수한 신경회로망 제어기가 필요하게 되었다[1]. 본 논문에서는 PID제어기와 신경 회로망을 이용하여 직류 서보전동기의 속도제어 시스템을 구현하고자 한다. PID제어기는 초기의 제어를 담당하며 신경회로망의 초기 학습을 담당한다.
  • 본 논문에서는 부하변화나 외란이 존재하는 직류 서보 전동기의 PID 제어 시스템에서 부하변화나 외란에 의한 시스템 불확실성의 영향을 최소화하기 위해 안정성 문제에서 보다 우수한 신경망-관리 제어기법을 제안하였다. 신경망-관리 제어에서 PID 제어기는 구속 오차 이내에서 제어를 수행함으로써 주 제어 작용을 하게 된다.
  • 제어의 목적은 폐루프 시스템의 안정성이 허용되고, 허용 오차 e가 설계자에 의해 주어진 구속 오차 상수 Mx와의 관계가 다음 식을 만족시키기 위해서다.

가설 설정

  • 우리는 |f( x )|의 위쪽 경계(upper bound) fu( x)와 g의 아래쪽 경계(lower bound) gL은 알 수 있다고 가정한다. PID 제어기가 이미 설계되어 있다고 가정하면 u = uPID 이다. 부하 변화나 외란 인가시에 PID 제어기를 갖고 궤환 시스템은 일정시간 동안 과도응답 특성을 나타낸다.
  • ≤g ] 는 부하의 변화에 따라 변화된다. 우리는 |f( x )|의 위쪽 경계(upper bound) fu( x)와 g의 아래쪽 경계(lower bound) gL은 알 수 있다고 가정한다. PID 제어기가 이미 설계되어 있다고 가정하면 u = uPID 이다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
PID제어의 장점은 무엇인가? PID제어는 구조가 간단하고 구현하기 쉬우며, 빠른 응답특성을 가지고 있어 여러 분야에서 많이 사용되고 있지만 시스템의 파라미터가 변하면 각각의 이득들 또한 변화에 따라 적절히 조정되어야 한다는 문제점과 부하변동과 같은 외부 환경이 변하는 경우 만족할 만한 제어 성능을 얻기 힘들다. 이러한 문제점으로 인하여 시스템의 변화를 학습하고 적응능력이 우수한 신경회로망 제어기가 필요하게 되었다[1].
PID제어기는 무엇을 담당하는가? 본 논문에서는 PID제어기와 신경 회로망을 이용하여 직류 서보전동기의 속도제어 시스템을 구현하고자 한다. PID제어기는 초기의 제어를 담당하며 신경회로망의 초기 학습을 담당한다. 또한, 신경회로망은 비선형 매핑능력과 학습능력이 탁월하기 때문에 제어기로 많이 사용되며 특히 전향경로 신경망은 구조가 매우 간단하기 때문에 본 논문에서는 이를 이용하여 직류 서보전동기의 속도제어 시스템에 사용하였다.
PID제어에서 시스템의 변화를 학습하고 적응능력이 우수한 신경회로망 제어기가 필요하게 된 이유는 무엇인가? PID제어는 구조가 간단하고 구현하기 쉬우며, 빠른 응답특성을 가지고 있어 여러 분야에서 많이 사용되고 있지만 시스템의 파라미터가 변하면 각각의 이득들 또한 변화에 따라 적절히 조정되어야 한다는 문제점과 부하변동과 같은 외부 환경이 변하는 경우 만족할 만한 제어 성능을 얻기 힘들다. 이러한 문제점으로 인하여 시스템의 변화를 학습하고 적응능력이 우수한 신경회로망 제어기가 필요하게 되었다[1].
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. K. J. Astrom and T. Hagglund, "Automatic Tuning of PID controllers," Instrument socity of America, 1995. 

  2. K. J. Astrom and T. Hagglund, "Automatic Tuning of simple regulators with specifications on phase and amplitude margins," Automatica, 1996. 

  3. T. W. Kraus and T. J. Myron, "Self-tuning PID controller uses pattern recognition approach," Control Engineering, pp. 106-111, June, 1997. 

  4. Z.-Y. Zhao, M. Tomizuka and S.Isaka, "Fuzzy gain scheduling of PID controllers," IEEE Trans. System, Man ＆ Cygernetics, Vol. 23, No. 5, pp. 1392-1398, 1998. 

    상세보기 crossref

  5. 박왈서, 오훈, "직류 서보 전동기의 강인성을 위한 전문가 관리제어," 한국조명.전기설비학회논문지, 제9권,제6호, 12월 1995. 

  6. T.Yamamoto, M. Kaneda and T. Oki, "A self-tuning PID controller fused artifical neural networks," Proceedings of IFAC 13th Triennial World congress, pp. 127-132, 2002. 

  7. L .X. Wang, "A Course in Fuzzy systems and control," Prentice-Hall, 2004. 

  8. J. K. Slotine and W. Li, "Applied Nonlinear ontrol," Prentice-Hall, 2006. 

  9. F. C. Chen, "Back-propagation neural network for nonlinear self-tuning adaptive control," IEEE control systems Magazine, pp.44-48, 4월, 2007. 

    상세보기 crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로