[논문]선박용 발전기 시스템의 강인 적응형 전압 제어

조현철

doi:10.5302/j.icros.2016.16.0027

문제 정의

본 논문에서 고려하는 여자기는 현재까지도 선박용으로 많이 적용되고 있는 AC8B 시스템 모델로서 주요 제어 기법으로 PID (Proportional-Integral-Derivative) 제어 방식을 채택하고 있다[6]. 본 논문은 AC8B 여자기 시스템의 PID 파라미터를 인공 신경회로망 학습기술을 통해 최적 값으로 추정하며, 실시간 시스템의 불확실성 요소로 인한 여자기 제어 성능의 저하를 개선하기 위하여 온라인 학습 규칙도 아울러 제안하였다. 컴퓨터 시뮬레이션을 통해 제안한 강인 적응형 AC8B 여자기 시스템의 신뢰성을 검증하였으며 기존 제어방식과의 비교 연구를 통해 성능의 우수성을 입증하였다.
본 논문은 불확실성 요소를 포함하고 있는 선박용 동기발전기의 강인 적응형 여자기 제어 시스템을 제안한다. 본 논문에서 고려하는 여자기는 현재까지도 선박용으로 많이 적용되고 있는 AC8B 시스템 모델로서 주요 제어 기법으로 PID (Proportional-Integral-Derivative) 제어 방식을 채택하고 있다[6].
본 논문은 선박용 동기 발전기 시스템에 주로 사용되는 AC8B 여자기의 강인 적응형 제어 기법을 위한 신경회로망기반 온라인 학습 기능을 갖춘 새로운 PID 제어 알고리즘을 제안하였다. 또한 제안한 새로운 AC8B 여자기 제어 기법의 타당성과 신뢰성 검증을 위하여 컴퓨터 시뮬레이션을 실시하였다.

제안 방법

공칭 제어시스템 구현을 위하여 우선 공칭 PID 제어 파라미터 값을 球 = £ = 戒=1로 하였으며 따라서 식 (13)~식 (15)에서 <=1, 瓦 = 2, 典; = 2가 된다. 다음으로, 신경회로망 학습 알고리즘 구현을 위하여 신경회로망 파라미터의 초기값을 [-0.001, 0.001] 사이의 항등 분포 값으로 하였으며 학습률은 77 = 1()T로 지정하였으며 활성화 함수는 가장 널리 사용되는 양극성 시그모이드(sigmoid) 함수로 하였다[7]. 이러한 시뮬레이션 환경에 대하여 가장 만족스러운 최적의 을 보다 더 향상시켰다.
제안하였다. 또한 제안한 새로운 AC8B 여자기 제어 기법의 타당성과 신뢰성 검증을 위하여 컴퓨터 시뮬레이션을 실시하였다. 이러한 시뮬레이션 결과를 제어 시스템 성능 면에서 면밀히 분석하였으며, 제안한 AC8B 여자기를 적응하였을 경우는 기존의 공칭 PID 제어 기법만을 적용한 AC8B의 경우보다 과도응답에서 오버슈트 현상이 탁월하게 개선된 것을 볼 수 있었다.
본 논문에서 제안하는 강인 적응형 PID 제어기 파라미터의 결정법에서는 제어기 파라미터를 공칭(nominal) 파라미터와 보조(auxiliary) 파라미터의 합으로 표현하며, 전자는 기존의 방식으로 후자는 인공 신경회로망 최적화 기술을 적용하여 그 값들을 산출한다. 식 (8)에서 PID 제어기 파라미터를 공칭 파라미터 Kp, K;, 人為와 보조 파라미터 Kp, 瓦, 瓦)의 합으로 표현하면 다음과 같다.
본 논문에서 제안한 강인 적응형 PID 제어 기반 AC8B 여자기 시스템의 성능을 검증하기 위하여 컴퓨터 시뮬레이션을 실시하였다. 본 시뮬레이션에서 구성한 전체 시스템구현은 그림 4와 같다.
신경회로망 학습을 통해 결정된 최적의 제어 파라미터라 할지라도 실시간 구현에서 경험하지 못한 시스템 환경에 대해서는 제어 성능이 저하될 수 있기 때문에 보다 정밀한 제어 성능을 위하여 온라인 제어 시스템 방식을 제안한다. 식 (16)의 보조 제어 파라미터를 신경회로망 학습을 통해 결정된 파라미터 K, , « = 1, 2, 3와 온라인 학습을 통해 갱신되는 파라미터 3K„ Z = l, 2, 3의 합으로 표현하면 다음과 같다.
여기서 발전기의 불확실성 요소를 적용하기 위하여 시변 파라 미터 a와 b를 항등 분포(unifbrmly distributed) 변수로서 1과 3 사이의 랜덤 값을 가지도록 하였다. 그림 5는 샘플링 시간 0.

대상 데이터

본 논문에서 구현하는 인공 신경회로망 모델은 그림 3의 단층 퍼셉트론(perceptron) 모델로서[7], 입력층 노드의 개수는 4개이며 출력은 3개의 노드로 구성된다. 이 신경회로망의 출력은 보조 제어 파라미터로서 수학적으로 다음과 같이 표현된다.
본 논문에서 다루는 여자기 시스템은 현재까지 선박용 발전기에 널리 사용되고 있는 AG8B 모델을 고려하였다. AC8B 여자기 시스템은 전력용 반도체 소자를 이용하여 발전기의 교류 출력을 직류 전원으로 만드는 일종의 정류기 방식의 여자기 시스템이다回.

이론/모형

본 논문에서 고려하는 여자기는 현재까지도 선박용으로 많이 적용되고 있는 AC8B 시스템 모델로서 주요 제어 기법으로 PID (Proportional-Integral-Derivative) 제어 방식을 채택하고 있다[6]. 본 논문은 AC8B 여자기 시스템의 PID 파라미터를 인공 신경회로망 학습기술을 통해 최적 값으로 추정하며, 실시간 시스템의 불확실성 요소로 인한 여자기 제어 성능의 저하를 개선하기 위하여 온라인 학습 규칙도 아울러 제안하였다.

성능/효과

이러한 과도 리플 현상은 실시간 시스템 구현에서는 전기 부하에 매우 치명적인 결과를 불러일으키는 바람직하지 못한 제어 현상으로 간주된다. 그러나 본 논문에서 제안한 AC8B 여자기 제어 시스템의 경우 정상상태 응답에서 발전기의 출력 전압은 정격 전압에 거의 유사하게 도달하여 지속적으로 일정한 값으로 유지되었으며 리플 현상과 같은 이상 특성은 관측되지 않았다. 이러한 비교 시뮬레이션을 통해주어 진 제어 시간 동안 기존의 AC8B 여자기 시스템보다 제안한 AC8B 시스템의 성능이 전체적으로 월등히 우수한 것을 확인할 수 있었다.
이러한 시뮬레이션 결과를 제어 시스템 성능 면에서 면밀히 분석하였으며, 제안한 AC8B 여자기를 적응하였을 경우는 기존의 공칭 PID 제어 기법만을 적용한 AC8B의 경우보다 과도응답에서 오버슈트 현상이 탁월하게 개선된 것을 볼 수 있었다. 또한 정상상태 응답 면에서도 기존의 AC8B의 경우는 정격 전압을 기준으로 최대 10% 정도의 리플(ripple) 현상이 발생하였으며 주어진 제어 시간 동안 정격 전압에 도달하지 못한 것을 볼 수 있었다. 이러한 과도 리플 현상은 실시간 시스템 구현에서는 전기 부하에 매우 치명적인 결과를 불러일으키는 바람직하지 못한 제어 현상으로 간주된다.
기존 AC8B 여자기 제어 시스템의 경우 과도응답에서 약 140% 정도의 오버슈트(overshoot)가 발생하며 정상상태 응답에서도 출력이 일정한 값으로 도달하지 못하며 정격 전압을 기준으로 연속적인 진동 현상이 발생하는 것을 관측할 수 있다. 반면, 본 논문에서 제안한 적응형 AC8B 여자기 제어 시스템의 경우 과도응답에서 오버슈트가 현저하게 줄어들은 것을 볼 수 있으며 정상상태 응답에서도 거의 정격 전압에 근접한 출력을 발생하는 것을 관측할 수 있다. 하지만, 정상 상태 응답에서 약간의 리플(ripple) 현상을 보이는 것은 시스템의 불확실성 요소로 인한 것으로서 매우 자연스러운 동특성으로 간주된다.
그러나 본 논문에서 제안한 AC8B 여자기 제어 시스템의 경우 정상상태 응답에서 발전기의 출력 전압은 정격 전압에 거의 유사하게 도달하여 지속적으로 일정한 값으로 유지되었으며 리플 현상과 같은 이상 특성은 관측되지 않았다. 이러한 비교 시뮬레이션을 통해주어 진 제어 시간 동안 기존의 AC8B 여자기 시스템보다 제안한 AC8B 시스템의 성능이 전체적으로 월등히 우수한 것을 확인할 수 있었다.
또한 제안한 새로운 AC8B 여자기 제어 기법의 타당성과 신뢰성 검증을 위하여 컴퓨터 시뮬레이션을 실시하였다. 이러한 시뮬레이션 결과를 제어 시스템 성능 면에서 면밀히 분석하였으며, 제안한 AC8B 여자기를 적응하였을 경우는 기존의 공칭 PID 제어 기법만을 적용한 AC8B의 경우보다 과도응답에서 오버슈트 현상이 탁월하게 개선된 것을 볼 수 있었다. 또한 정상상태 응답 면에서도 기존의 AC8B의 경우는 정격 전압을 기준으로 최대 10% 정도의 리플(ripple) 현상이 발생하였으며 주어진 제어 시간 동안 정격 전압에 도달하지 못한 것을 볼 수 있었다.
본 논문은 AC8B 여자기 시스템의 PID 파라미터를 인공 신경회로망 학습기술을 통해 최적 값으로 추정하며, 실시간 시스템의 불확실성 요소로 인한 여자기 제어 성능의 저하를 개선하기 위하여 온라인 학습 규칙도 아울러 제안하였다. 컴퓨터 시뮬레이션을 통해 제안한 강인 적응형 AC8B 여자기 시스템의 신뢰성을 검증하였으며 기존 제어방식과의 비교 연구를 통해 성능의 우수성을 입증하였다.

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

선박용 발전기 시스템의 강인 적응형 전압 제어
Robust Adaptive Voltage Control of Electric Generators for Ships 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (9)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

선박용 발전기 시스템의 강인 적응형 전압 제어 Robust Adaptive Voltage Control of Electric Generators for Ships 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

참고문헌 (9)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

선박용 발전기 시스템의 강인 적응형 전압 제어
Robust Adaptive Voltage Control of Electric Generators for Ships 원문보기

AI 본문요약
AI-Helper