[논문]DC 모터의 GA 기반 파라미터 추정

이윤형; 소명옥

doi:10.5916/jkosme.2014.38.6.716

DC 모터의 GA 기반 파라미터 추정
GA-based parameter identification of DC motors 원문보기

한국마린엔지니어링학회지 = Journal of the Korean Society of Marine Engineering, v.38 no.6, 2014년, pp.716 - 722

이윤형 (Education & Research Team, Korea Institute of Maritime and fisheries Technology) , 소명옥 (Division of Marine Engineering, Korea Maritime and Ocean University)

초록
AI-Helper

DC 모터 시스템의 속도 제어기를 설계하기 위해서는 먼저 시스템의 파라미터 추정이 선행되어야 한다. 본 논문에서는 유전알고리즘을 이용하여 DC 모터 시스템의 파라미터를 추정하는 기법에 대해 다룬다. 이때 사용되는 추정 모델은 1차 및 2차 모델을 고려하며, 유전알고리즘의 3가지 평가함수를 고려하여 최적화한다. 또한, 유전알고리즘이 해공간에서 최적해를 탐색하는 능력의 우수함을 보여주기 위해 수치적 해석 방법을 통한 추정 결과도 함께 비교한다. 이때 파라미터 추정에 사용되는 데이터는 실제 실험장치의 입출력데이터를 이용하며, 신호의 잡음 제거를 위해 Butterworth 필터도 함께 설계한다. 마지막으로 제안한 기법을 통해 얻어진 모델과 실제 실험장치의 데이터와 비교하여 그 유효성과 정확성을 확인한다.

Abstract ▼ AI-Helper

In order to design the speed controller of the DC motor system, firstly, parameters estimation of the system must be preceded. In this paper, we proposed the application of genetic algorithm(GA) optimization in estimating the parameters of DC motor. Estimated models are considered both first and second order models, and each estimated model is optimized by minimizing three different types of the evaluation function of GA. Also, GA is imported in comparison with estimation result of numerical analysis method because of its power in searching entire solution space with more probability of finding the global optimum. Data for parameter estimation is acquired from input and output signals of the actual experiment device and the butterworth filter also designs for removing noise in the signals. Finally comparison between real data of the actual device and estimated models is presented to indicate effectiveness and resolution of proposed identification method.

주제어

AI 본문요약
AI-Helper

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

문제 정의

기존에 연구로 GA를 이용하는 방법[5][6], PSO(Particle swarm optimization)와 OLS(Orthogonal least squares)를 이용하는 방법[7], 신경회로망을 이용하는 방법[8]등이 제안되어 왔으나 이들 연구 대부분은 DC 모터를 수학적 모델로 간주하여 파라미터를 추정하는 한계점을 가지고 있다. 따라서 본 논문에서는 실제 실험장치의 입출력 데이터를 이용하여 파라미터를 추정하기로 한다.
경험적이고 실험적인 제어기 설계기법들의 문제점을 보완하면서 불확실한 시스템의 PID 제어기의 파라미터를 결정하기 위한 다양한 설계방법이 제안되어 왔다[2]-[4]. 일반적으로 PID 제어기의 파라미터를 결정하기 전에 제어대상의 전달함수를 구하는 과정이 선행되어야 하는데 본 논문에서는 속도제어가 비교적 쉽고 로봇분야뿐만 아니라 다른 여러 분야에서 폭넓게 사용되고 있는 DC 모터의 파라미터를 추정하는 문제를 다룬다. 기존에 연구로 GA를 이용하는 방법[5][6], PSO(Particle swarm optimization)와 OLS(Orthogonal least squares)를 이용하는 방법[7], 신경회로망을 이용하는 방법[8]등이 제안되어 왔으나 이들 연구 대부분은 DC 모터를 수학적 모델로 간주하여 파라미터를 추정하는 한계점을 가지고 있다.

제안 방법

마지막으로 회전수가 다양하게 변하는 상황에서 실험결과와 추정모델의 응답을 비교하였다. Table 3에서 가장 작은 IAE 결과를 나타낸 1차모델을 대표적으로 선정하였으며, 이때 DC 모터에 인가된 전압 u = 0.
본 논문에서 사용되는 실험장치는 Matlab Simulink 기반으로 동작되며, 장치에 설치된 센서를 통해 DC 모터에 인가되는 입력전압, 회전수 등을 측정할 수 있다.
본 연구에서는 실제 실험장치(Feed back 사의 "Precision Servo workshop 33-008")의 입출력 데이터를 사용하여 시스템 파라미터를 추정하는 문제를 다루었다.
이때 GA에 사용하는 목적함수에 따라 탐색 성능에 차이를 보일 수 있으므로 본 논문에서는 식 (8)에 나타낸 것과 같이 IAE(Integral of the absolute error), ITAE(Integral of the time-multiplied absolute error), ISE(Integral of the square error)의 3가지 종류의 목적함수를 고려하기로 한다.
이때 측정신호의 잡음을 제거하기 위해서 Butterworth 저역통과 필터를 설계하기 위해 주파수 분석(FFT)을 시행하였으며, Figure 4는 이를 나타낸 것이다.
본 연구에서는 실제 실험장치(Feed back 사의 "Precision Servo workshop 33-008")의 입출력 데이터를 사용하여 시스템 파라미터를 추정하는 문제를 다루었다. 이를 위해 우선 출력 데이터의 잡음을 제거하기 위해 Butterworth IIR 필터를 설계하였으며, 필터를 통과한 데이터를 사용하여 수치적 해석 방법과 GA를 이용한 방법 두 가지로 DC 모터의 수학적 모델을 추정하였다. 특히, GA를 이용한 방법은 1차 및 2차모델에 대해 3가지 평가함수가 최소가 되는 관점에서 파라미터 추정을 실시하였다.
Holland가 제안한 것으로 “우성생식”과 다윈의 “자연선택”을 알고리즘 형태로 구현한 최적화 탐색기법 중의 하나이다. 잠정적인 해 집단에서 육종(Breeding)과 선택(Selection)을 구현하기 위해 재생산, 교배, 돌연변이와 같은 유전연산자를 사용하여 개체를 개량하고[8], 이들 간에 정보 형성과 교환을 장려하여 집단내의 개체가 해에 가까워지도록 여러 방향으로 탐색을 실행한다.
제안한 파라미터 추정 기법을 통해 얻어진 추정 모델은 실제 장치의 실험 데이터와 비교하여, 그 유효성을 살펴본다.
이를 위해 우선 출력 데이터의 잡음을 제거하기 위해 Butterworth IIR 필터를 설계하였으며, 필터를 통과한 데이터를 사용하여 수치적 해석 방법과 GA를 이용한 방법 두 가지로 DC 모터의 수학적 모델을 추정하였다. 특히, GA를 이용한 방법은 1차 및 2차모델에 대해 3가지 평가함수가 최소가 되는 관점에서 파라미터 추정을 실시하였다.
파라미터 추정을 위해 사용될 실험 데이터는 DC 모터에 0.36[V]의 계단상 전압을 가하고, 모터가 정상상태에 도달한 후 일정시간이 지났을 때까지의 전압과 회전수 신호를 측정하여 사용하였다. 이때 적용된 실험장치의 샘플링시간은 0.

대상 데이터

본 연구에서 사용한 실험장치인 Feedback 사의 “Precision servo workshop 33-008”은 DC 모터, 모터 구동용 증폭기, 속도 센서(Tacho generator), 전압공급장치(Power supply)등으로 구성되어 있으며 Figure 2는 실제 모습을 나타낸 것이다.

이론/모형

그러나 탐색공간이 크거나, 고정밀도의 해가 필요한 경우, 제약조건이 존재하면 염색체의 길이를 크게 해야하고 이는 연산부담으로 나타나며, 경우에 따라서는 탐색을 불가능하게 한다[9]-[10]. 따라서 본 연구에서는 이러한 단점을 극복하고 제약조건이 있는 경우에도 적합한 실수코딩 유전알고리즘을 사용한다.
본 연구에서는 직류 전동기의 증폭기 앞에서 인가한 전압 u와 출력인 회전속도의 데이터를 가지고 식( 2)와 식 (3)에 나타낸 전달함수를 구하기 위해 Figure 3과 같이 시스템과 모델을 병렬로 연결한 모델조정기법(Model adjustment technique)을 사용하기로 한다.
이때 조정모델을 실제 시스템과 일치시켜주기 위한 조정 메커니즘으로는 실수코딩 유전알고리즘을 이용한다.

성능/효과

3.2절에서 설명한 GA의 연산자는 산술적 교배와 동적 돌연변이, 엘리트 전략을 이용하였으며 집단의 크기는 80, 재생산계수는 1.8, 교배확률은 0.9, 돌연변이 확률은 0.02가 사용되었다.
제안한 방법을 통해 추정된 DC 모터의 수학적 모델은 서로 약간의 차이가 있었으나 실제 실험 데이터와 거의 동일한 출력을 보이고 있음을 확인하였다.
특히, 4.2절의 수치적방법과 GA를 이용해 추정한 2차모델 보다 더 정확한 파라미터 추정이 이루어짐을 확인할 수 있다. 이는 DC 모터 전달함수의 2차항의 계수 값이 매우 작아 1차모델과 같은 특성을 나타내기 때문으로 사료된다.
표를 통해 GA를 이용한 방법이 4.2절의 수치적 방법을 이용한 방법보다 더 정확한 파라미터 추정이 이루어지고 있음을 확인할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	산업 현장에서 PID 제어기가 많이 이용되고 있는 이유는 무엇인가?	산업 현장에서는 아직도 PID 제어기가 산업공정을 비롯한 석유, 화학 등의 다양한 분야에서 많이 이용되고 있다[1]. 이것은 구조가 단순하여 하드웨어적으로 실현하기가 쉽고 동조할 파라미터의 수가 적어 다루기가 용이하기 때문이다. 경험적이고 실험적인 제어기 설계기법들의 문제점을 보완하면서 불확실한 시스템의 PID 제어기의 파라미터를 결정하기 위한 다양한 설계방법이 제안되어 왔다[2]-[4].
	유전알고리즘이란 무엇인가?	유전알고리즘(GA)은 1975년 J. H. Holland가 제안한 것으로 “우성생식”과 다윈의 “자연선택”을 알고리즘 형태로 구현한 최적화 탐색기법 중의 하나이다. 잠정적인 해 집단에서 육종(Breeding)과 선택 (Selection)을 구현하기 위해 재생산, 교배, 돌연변이와 같은 유전연산자를 사용하여 개체를 개량하고[8], 이들 간에 정보 형성과 교환을 장려하여 집단내의 개체가 해에 가까워지도록 여러 방향으로 탐색을 실행한다.
	DC 모터의 구조는 어떻게 구분할 수 있는가?	DC 모터의 구조는 크게 계자(Stator)와 전기자(Armature)로 구분할 수 있으며 전동기의 등가 회로는 Figure 1과 같이 표현된다. 계자는 전동기의 내부에 일정한 자기장을 만드는 역할을 하고, 전기자는 외부로부터 전류를 공급받아 회전자계를 만들며, 여기에는 구동권선이 이용되고 있다.

참고문헌 (10)

Y. Nozaka, "Trend of new control theory application in industrial process control (survey)", Proceedings of International Federation of Automatic Control 12th Triennial World Congress. vol. 4, pp. 215-218, 1993.
K. J. Astrom and T. Hagglund, "Automatic tuning of simple regulators with specifications on phase and amplitude margins", Automatica, vol. 20, pp. 645-651, 1984.

상세보기
T. Yamamoto, M. Kaneda, T. Oki, E. Watanabe, and K. Tanaka, "Intelligent tuning PID controllers", Proceedings of IEEE International Conference on Systems, Man, and Cybernetics, vol. 5, pp. 2610-2615, 1995.
E. H. Bristol, "Pattern recognition: an alternative to parameter identification in adaptive control", Automatica, vol. 13, pp. 197-202, 1977.

상세보기
A. Dupuis, M. Ghribi, and A. Kaddouri, "Multiobjective genetic estimation of DC motor parameters and load torque," Proceedings of IEEE International Conference on Industrial Technology, vol. 3, pp. 1511-1514, 2004.
M. Lankarany and A. Rezazade, "Parameter estimation optimization based on genetic algorithm applied to DC motor", Proceedings of International Conference on Electrical Engineering, pp. 1-6, 2007.
M. S. A. Mohamad, I. M. Yassin, A. Zabidi, M. N. Taib, and R. Adnan, "Comparison between PSO and OLS for NARX parameter estimation of a DC motor," IEEE Symposium on Industrial Electronics & Applications, pp. 27-32, 2013.
I. F. EI-Arabawy, H. A. Yousef, M. Z. Mostafa, and H. M. AbduIkader, "Parameters estimation of nonlinear models of DC motors using neural networks," Proceedings of 26th Annual Conference of the IEEE Industrial Electronics Society, vol. 3, pp. 1997-2000, 2000.
G. Jin and S. Joo, "A study on a real-coded genetic algorithm", Journal of Control Automation and Systems Engineering, vol. 6, no. 4, pp. 268-275, 2000.
G. G. Jin, Genetic Algorithm and It's Application, Kyowoosa, 2000.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증