[논문]지능형 최적화 기법 이용한 하이브리드 자기부상 시스템의 설계

조재훈; 김용태

doi:10.5370/kiee.2017.66.12.1782

지능형 최적화 기법 이용한 하이브리드 자기부상 시스템의 설계
Design of Hybrid Magnetic Levitation System using Intellignet Optimization Algorithm 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.66 no.12, 2017년, pp.1782 - 1791

조재훈 (Smart Logistics Technology Institute, Hankyong National University) , 김용태 (Department of Electrical, Electronic and Control Engineering, Hankyong National University)

Abstract ▼ AI-Helper

In this paper, an optimal design of hybrid magnetic levitation(Maglev) system using intelligent optimization algorithms is proposed. The proposed maglev system adopts hybrid suspension system with permanent-magnet(PM) and electro magnet(EM) to reduce the suspension power loss and the teaching-learning based optimization(TLBO) that can overcome the drawbacks of conventional intelligent optimization algorithm is used. To obtain the mathematical model of hybrid suspension system, the magnetic equivalent circuit including leakage fluxes are used. Also, design restrictions such as cross section areas of PM and EM, the maximum length of PM, magnetic force are considered to choose the optimal parameters by intelligent optimization algorithm. To meet desired suspension power and lower power loss, the multi object function is proposed. To verify the proposed object function and intelligent optimization algorithms, we analyze the performance using the mean value and standard error of 10 simulation results. The simulation results show that the proposed method is more effective than conventional optimization methods.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 Zhang 등은 그림 2와 같이 삽입되는 영구자석의 단면적과 공극에서의 전자석 코어의 단면적을 요구되는 출력 특성에 맞게 가변하여 설계하는 U자 형태의 새로운 하이브리드 자기부상시스템을 제안하였다[11]. 본 논문에서는 그림 2의 구조를 가지는 하이브리드 시스템을 분석하고 최적화하는 기법에 대하여 설명한다.
본 논문에서는 자기부상시스템에서 전력손실을 최소로 할 수 있는 하이브리드 자기부상시스템의 설계를 위하여 설계 변수의 선정을 최적화 할 수 있는 지능형 최적화 알고리즘의 적용 기법을 제안하였다. 특히 최적화 기법 중 기존의 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습기반 최적화 기법(TLBO)을 적용하여 성능을 비교 분석하였다.
본 논문에서는 하이브리드 자기부상시스템의 설계를 위한 지능형 최적화 기법의 적용 및 성능 비교를 수행하였다. 특히 최적화 기법 중 앞서 설명한 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습 기반 최적화 기법(Teaching-Learning Based Optimization: TLBO)을 적용하여 성능을 비교 분석하였다.

가설 설정

누설 자속을 모델링하기 위하여 그림 4에서처럼 공극의 자기저항과 병렬로 연결되는 자기저항을 이용한다. 여기서, 누설 자속은 원호 모양으로 한 면에서 다른 면으로 흐르고 직선으로 공극을 따라 흐른 다음 원호를 따라 흐른다고 가정한다[17]. 그러면 그림 4에서의 실선으로 표시된 각각의 자속들은 자기저항을 가지게 되는데 자기회로에서는 이러한 자기저항들이 병렬로 계산되어지기 때문에 편의를 위해서 자기저항의 역수인 투자도(permeance)를 이용하여 표현할 수 있다.

제안 방법

표 3는 각 알고리즘에 대한 가중치 W를 변화시킨 결과를 나타낸다. 각각의 변수들은 탐색 범위는 전류 i=[0~34], 권선수N=[0~400], 영구자석의 길이 L_PM=[0~0.1], 영구자석의 단면적A_PM=[0~0.1] 구간에서 최적값을 탐색하도록 하였다.
하이브리드 자기부상시스템의 최적 설계를 위하여 먼저 설계변수들을 선정하여야 하며 하드웨어적으로 가변이 가능한 변순들을 선정하여야 한다. 본 논문에서는 지능형 최적화 알고리즘으로 최적화를 수행할 설계 변수로서 전류 i, 전자석의 권선 수 N, 영구자석의 단면적 A_PM, 영구자석의 길이 L_PM을 선정하였다.
특히 최적화 기법 중 앞서 설명한 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습 기반 최적화 기법(Teaching-Learning Based Optimization: TLBO)을 적용하여 성능을 비교 분석하였다. 성능평가를 위하여 자기등가회로를 이용하여 하이브리드 시스템을 해석하고 해석된 모델과 수학적 모델을 각각의 최적화 기법들을 이용하여 모의실험을 수행하였다. 모의실험 결과 TLBO 기법이 기존의 최적화 기법을 적용한 하이브리드 자기부상시스템에 비해 우수한 성능을 보임을 확인하였으며, 또한 다른 지능형 최적화 기법에 비해 신뢰성 및 반복재현성 면에서도 더 우수함을 확인하였다.
특히 최적화 기법 중 기존의 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습기반 최적화 기법(TLBO)을 적용하여 성능을 비교 분석하였다. 전력손실을 최소하면서 요구되는 부상력은 제공될 수 있는 설계 변수들을 선택하기 위하여 두 요소를 포함하는 목적함수를 제안하였다. 성능평가를 위하여 자기등가회로를 이용하여 하이브리드 시스템을 해석하고 해석된 모델과 수학적 모델을 각각의 최적화 기법들을 이용하여 모의실험을 수행하였다.
본 논문에서는 하이브리드 자기부상시스템의 설계를 위한 지능형 최적화 기법의 적용 및 성능 비교를 수행하였다. 특히 최적화 기법 중 앞서 설명한 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습 기반 최적화 기법(Teaching-Learning Based Optimization: TLBO)을 적용하여 성능을 비교 분석하였다. 성능평가를 위하여 자기등가회로를 이용하여 하이브리드 시스템을 해석하고 해석된 모델과 수학적 모델을 각각의 최적화 기법들을 이용하여 모의실험을 수행하였다.

데이터처리

성능평가를 위하여 자기등가회로를 이용하여 하이브리드 시스템을 해석하고 해석된 모델과 수학적 모델을 각각의 최적화 기법들을 이용하여 모의실험을 수행하였다. 또한 결과의 신뢰성을 위하여 최적화 기법의 초기 집단을 다르게 하여 10번 모의시험을 수행하고 그 평균과 표준편차를 비교하였다. 모의실험 결과 TLBO 기법이 기존의 최적화 기법을 적용한 하이브리드 자기부상시스템에 비해 일관적으로 더 우수한 결과를 보였으며, 반복횟수 변화에 따른 탐색 성능에서도 더 우수한 성능을 보임을 확인하였다.
모의시험은 지능형 최적화 알고리즘의 사용자 선정 변수들의 효과를 평균적으로 평가하기 위하여 초기 집단을 다르게 생성하여 총 10번을 수행하였고 평균값과 표준편차를 비교 및 분석하였다. 표 3는 각 알고리즘에 대한 가중치 W를 변화시킨 결과를 나타낸다.
본 논문에서는 자기부상시스템에서 전력손실을 최소로 할 수 있는 하이브리드 자기부상시스템의 설계를 위하여 설계 변수의 선정을 최적화 할 수 있는 지능형 최적화 알고리즘의 적용 기법을 제안하였다. 특히 최적화 기법 중 기존의 지능형 최적화 기법의 단점을 극복할 수 있는 수업-학습기반 최적화 기법(TLBO)을 적용하여 성능을 비교 분석하였다. 전력손실을 최소하면서 요구되는 부상력은 제공될 수 있는 설계 변수들을 선택하기 위하여 두 요소를 포함하는 목적함수를 제안하였다.

성능/효과

4번째 열은 영구자석의 길이를 나타내며 GA가 TLBO보다 표준편차 면에서 더 작은 것을 알 수 있다. 5번째에서 8번째 열까지 TLBO의 표준편차가 가장 작은 것을 알 수 있으며 이는 초기 집단의 임의의 선택에 있어 TLBO가 다른 알고리즘에 비해 반복재현성과 결과의 신뢰성 면에서 우수함을 보임을 알 수 있다. 6번째 열은 각각의 선택된 설계변수에 의한 전력 손실을 나타내며 식 (32)의 값으로 TLBO에 의해 선택된 변수들을 이용한 전력손실이 다른 알고리즘에 비해 더 작은 것을 알 수 있다.
6N)보다 크면서 가장 가까운 값을 찾음으로써 불필요하게 늘어나는 전자석의 무게를 줄일 수 있으며 표에서 알 수 있듯이 TLBO 알고리즘에 다른 알고리즘에 비해 성능이 우수함을 알 수 있다. 각 알고리즘의 목적함수 값을 나타내는 마지막 열에서도 TLBO 알고리즘이 다른 알고리즘에 비해 우수함을 알 수 있다.
또한 7번째 열의 자기력은 요구되는 부상력(중량*중력가속도 :2192*9.8=21481.6N)보다 크면서 가장 가까운 값을 찾음으로써 불필요하게 늘어나는 전자석의 무게를 줄일 수 있으며 표에서 알 수 있듯이 TLBO 알고리즘에 다른 알고리즘에 비해 성능이 우수함을 알 수 있다. 각 알고리즘의 목적함수 값을 나타내는 마지막 열에서도 TLBO 알고리즘이 다른 알고리즘에 비해 우수함을 알 수 있다.
성능평가를 위하여 자기등가회로를 이용하여 하이브리드 시스템을 해석하고 해석된 모델과 수학적 모델을 각각의 최적화 기법들을 이용하여 모의실험을 수행하였다. 모의실험 결과 TLBO 기법이 기존의 최적화 기법을 적용한 하이브리드 자기부상시스템에 비해 우수한 성능을 보임을 확인하였으며, 또한 다른 지능형 최적화 기법에 비해 신뢰성 및 반복재현성 면에서도 더 우수함을 확인하였다.
또한 결과의 신뢰성을 위하여 최적화 기법의 초기 집단을 다르게 하여 10번 모의시험을 수행하고 그 평균과 표준편차를 비교하였다. 모의실험 결과 TLBO 기법이 기존의 최적화 기법을 적용한 하이브리드 자기부상시스템에 비해 일관적으로 더 우수한 결과를 보였으며, 반복횟수 변화에 따른 탐색 성능에서도 더 우수한 성능을 보임을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	지능형 최적화 기법을 이용한 자기부상시스템의 설계 연구의 단점은?	대표적으로 수학적 최적화 기법과 지능형 최적화 기법이 있으나 최근에는 여러 설계 조건하에서 다양한 해를 찾을 수 있는 지능형 최적화 기법을 이용한 자기부상시스템의 설계 연구가 활발히 이루어지고 있다[14-16]. 그러나 이러한 최적화 기법들을 이용한 기법들은 집단기반 최적화기법(Population based optimization)을 적용하여 왔으나, 초기 집단이나 각각의 기법에서 사용되는 사용자 선정 제어 변수들인 돌연변이율, 교배율,inertia factor, velocity range 등에 따라 성능의 차이가 크게 나타나는 단점이 있어 결과의 신뢰성 또는 반복재현성을 개선할 수 있는 기법이 필요하다.
	자기부상 이송시스템의 특징은?	자기부상 이송시스템은 고전적인 레일 및 휠 기반의 이송장치와 비교했을 때 친환경적, 에너지 소비, 안전성 및 속도 면에서 더욱 더 우수한 것으로 알려져 있다[1]. 자기부상시스템은 부상 방식에 따라 크게 세 가지 형태로 구분 되며 전자석의 흡입력을 이용하는 흡인식 자기부상 방식, 반반력을 이용한 반발식 자기부상시스템 그리고 전자석 코어에 영구자석을 삽입하는 하이브리드형 자기부상방식이 있다.
	자기부상시스템은 부상 방식에 따라 어떻게 구분되는가?	자기부상 이송시스템은 고전적인 레일 및 휠 기반의 이송장치와 비교했을 때 친환경적, 에너지 소비, 안전성 및 속도 면에서 더욱 더 우수한 것으로 알려져 있다[1]. 자기부상시스템은 부상 방식에 따라 크게 세 가지 형태로 구분 되며 전자석의 흡입력을 이용하는 흡인식 자기부상 방식, 반반력을 이용한 반발식 자기부상시스템 그리고 전자석 코어에 영구자석을 삽입하는 하이브리드형 자기부상방식이 있다. 이러한 자기부상시스템의 개발을 위하여 수학적인 모델링과 해석기법들이 필수적으로 요구된다.

참고문헌 (20)

J. H. Cho, and Y. T. Kim, "Design of Levitation Controller with Optimal Fuzzy PID Controller for Magnetic Levitation System," Journal of Korean Institute of Intelligent Systems, vol. 24, no. 3, pp. 279-284, 2014.

원문보기 상세보기
S. J. Kim, W. Y. Kim, J. M. Lee and Y. C. Bae, "Modeling of Flux Leakage in a Magnetic Circuit with Permanent Magnet," Korean Society for Noise and Vibration Engineering, vol. 21, no. 2, pp. 99-105, 2011.

원문보기 상세보기
J. Zou, M. Zhao, Q. Wang, J. Zou, and G. Wu, "Development and analysis of tubular transverse flux machine with permanent-magnet excitation," IEEE Trans. Ind. Electron., vol. 59, no. 5, pp. 2198-2207, May 2012.

상세보기
L. Qaseer, S. Purushothaman, and F. de Leon, "Closedform analysis of squirrel-cage induction motors with anisotropic modeling of stator and rotor," IEEE Trans. Energy Convers., vol. 27, no. 3, pp. 553-560, Sep. 2012.

상세보기
L. Jian, G. Xu, C. C. Mi, K. T. Chau, and C. C. Chan, "Analytical method for magnetic field calculation in a low-speed permanent-magnet harmonic machine," IEEE Trans. Energy Convers., vol. 26, no. 3, pp. 862-870, Sep. 2011.

상세보기
S. Mohammadi, M. Mirsalim, and S. Vaez-Zadeh, "Nonlinear modeling of eddy-current couplers," IEEE Trans. Energy Convers., vol. 22, no. 1, pp. 224-231, Mar. 2014.
S. Mohammadi, M. Mirsalim, S. Vaez-Zadeh, and H. Talebi, "Analytical modeling and analysis of axial-flux interior permanent-magnet couplers," IEEE Trans. Ind. Electron., vol. 60, no. 11, pp. 5940-5947, Nov. 2014.
S.Mohammadi andM.Mirsalim, "Analytical design framework for torque and back-EMF optimization, and inductance calculation in double-rotor radial-flux aircored permanent-magnet machines," IEEE Trans. Magn., vol. 50, no. 1, Jan. 2014.
C. Y. Lee, J. M. Jo, Y. J. Han, Y. D. Chung, Y. S. Yoon, S. Choi, Y. J. Hwang, H. C. Jo, J. Y. Jang, and T. K. Ko, "Design, fabrication, and operating test of the prototype HTS electromagnet for EMS-based maglev," IEEE Trans. Appl. Supercond., vol. 22, no. 3, Mar. 2012.

상세보기
D. H. N. Dias, G. G. Sotelo, E. F. Rodriguez, R. de Andrade, and R. M. Stephan, "Emulation of a full scale maglev vehicle behavior under operational conditions," IEEE Trans. Appl. Supercond., vol. 23, no. 3, Jun. 2013.

상세보기
Z. Zhang, L. She, L. Zhang, C. Shang, and W. Chang, "Structural optimal design of a permanent-electromagnetic suspension magnet for middle-low-speed maglev trains," IET Elect. Syst. Transp., vol. 1, no. 2, pp. 61-68, Apr. 2011.

상세보기
U. Hasirci, A. Balikci, Z. Zabar, and L. Birenbaum, "Experimental performance investigation of a novel magnetic levitation system," IEEE Trans. Plasma Sci., vol. 41, no. 5, pp. 1-6, May 2013.

상세보기
Safaei, Farhad, et al. "Characteristics Optimization of the Maglev Train Hybrid Suspension System Using Genetic Algorithm." IEEE Transactions on Energy Conversion, vol. 30, no.3, pp. 1163-1170, 2015.

상세보기
J. H. Cho, and Y. T. Kim, "Design of the Electromagnet of Maglev using Optimization Algorithm Based on Bacterial Survival Strategies," The Korean Institute of Electrical Engineers, vol. 65, no. 6, pp. 1045-1051, 2016.

원문보기 상세보기
C. H. Kim, H. W. Cho, J. M. Lee, and H. S. Han, "Zero-power control of magnetic levitation vehicles with permanent magnets," in Proc. IEEE Int. Conf. Control Autom. Syst., pp. 732-735, Oct. 2010.
T. Onuki and Y. Toda, "Optimal design of hybrid magnet in maglev system with both permanent and electro magnets," IEEE Trans. Magn., vol. 9, no. 2, pp. 1783-1786, 1993.
Hanselman, Duane C. Brushless permanent magnet motor design. The Writers' Collective, 2003.
J. H. Cho, and Y. T. Kim, "Optimal Design of Magnetic Levitation Controller Using Advanced Teaching-Learning Based Optimization."The Transactions of the Korean Institute of Electrical Engineers, Vol. 64, No. 1, pp. 90- 98, 2015.

원문보기 상세보기
R. V. Rao, V. J. Savsani, and D. P. Vakharia., "Teachinglearning- based optimization: A novel method for constrained mechanical design optimization problems", Computer-Aided Design, vol. 43, pp. 303-315, 2011.

상세보기
R. V. Rao and Vivek Patel., "Multi-objective optimization of heat exchangers using a modified teachinglearning- based optimization algorithm", Applied Mathematical Modelling, vol. 37, no. 3, pp. 1147-1162, 2013.

상세보기

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