KR100919572B1

KR100919572B1 - 디지털 조속기의 속도제어를 위한 속도형 신경망 제어기

Info

Publication number: KR100919572B1
Application number: KR1020070092302A
Authority: KR
Inventors: 김영일
Original assignee: 주식회사 부시파워; 박기주
Priority date: 2007-09-11
Filing date: 2007-09-11
Publication date: 2009-10-01
Anticipated expiration: 2027-09-11
Also published as: KR20090027096A

Abstract

이 발명은 PID 제어에 의해 원만하고 강인하게 제어하기 위해 속도형 신경망 PI 제어기를 구비한 제어 시스템을 사용하여 디지털 조속기 속도를 제어하는 방법에 대한 것이다. 이 발명에 따른 디지털 조속기 속도를 제어하는 방법은, 오차

Description

디지털 조속기의 속도제어를 위한 속도형 신경망 제어기{A velocity type neural controller for speed control of a digital speed regulator}

이 발명은 기존 PID 제어기와 퍼지 제어기의 단점을 보완하고 디젤기관의 비선형 특성에도 불구하고 우수한 제어성능 및 강인성을 가지는 속도형 신경망 제어기를 이용한 디지털 조속기에 관한 것이다.

조속기는 디젤발전기의 엔진 등의 회전체 속도를 감지하고 연료 랙의 위치를 조절하여 연료 분사 량을 조절함으로써, 엔진의 회전수가 정해진 설정치와 같아지도록 제어하는 장치로서, 디젤엔진은 연료분사펌프의 랙의 위치를 입력으로 하고 엔진의 회전 속도를 출력으로 하는 시스템이며, 크게 연소계통과 회전계통으로 나눈다

디젤엔진의 정속제어를 위해 일반적으로 대부분의 조속기는 PID 제어기를 구현하여 속도제어 루프를 수행하고 있다. 그런데 일반적으로 조속기는 제어구간이 변경될 때 또는 갑작스런 부하의 변동이 일어날 때 제어 량이 점핑되어 발전기가 헌팅되는 현상이 자주 발생한다. 즉, 기존의 PID제어기는 터빈이나 디젤기관 전체의 운전 영역으로 확대하여 적용할 경우, 오차 구간이 넓어져 오차가 큰 범위에서의 응답속도가 늦어지는 단점을 내포하고 있다. 이를 해결하기 위하여 목표치 근처에서는 다양한 제어 알고리즘을 설계하여 오차가 일정범위를 넘으면 PID제어를 적용하여 응답의 속응성을 높이는 방법이 요구된다.

기존 디지털조속기의 제어기는 대체로 PID제어기가 주종을 이루고 있으며, LQ최적제어, H_∞제어기법 등을 이용한 속도제어방법이 제안되고 있으나 실시간 제어를 위하여 구현과 가격경쟁 등의 문제로 많은 어려움이 있다. 디젤기관은 그 운전 영역에 따라 시스템의 파라미터가 비선형적으로 변하므로 하나의 PID파라미터로서는 전 운전영역을 만족하게 제어할 수 없어 운전 영역을 다수의 부분으로 나누고 그 운전영역에 적합한 PID파라미터를 사용하는 게인 스케쥴링 방법을 채택하고 있다. 그러나 디젤기관의 종류에 따라 각 운전영역별로 적합한 PID파라미터를 찾는다는 것은 실제적으로 많은 어려움이 있다. 또한, 전 운전영역을 퍼지공간 분할하여 사용하는 퍼지 제어기를 이용한 방법을 사용하고 있지만, 퍼지공간을 분할하고 퍼지 규칙을 생성하며 환산계수를 추정하는데 있어서 매우 많은 어려움이 있다.

상기한 종래 기술의 문제점을 해결하기 위해 창안된 이 발명은, PID 제어시 오차 구간이 넓어져 오차가 큰 범위에서의 응답속도가 늦어지는 단점을 해결하기 위하여 목표치 근처에서는 다양한 제어 알고리즘을 설계하여 오차가 일정범위를 넘으면 PID제어를 적용하여 응답의 속응성을 높이는 기술을 제공하는 것을 목적으로 한다.

이 발명에 따른 속도형 신경망 제어시스템을 이용한 디지털 조속기 속도 제어 방법의 구성의 일 실시예는,

PID 제어에 의해 원만하고 강인하게 제어하기 위해 속도형 신경망 PI 제어기를 구비한 제어 시스템을 사용하여 디지털 조속기 속도를 제어하는 방법에 있어서,

오차 를 구하여 상기 속도형 신경망 PI 제어기에 입력하는 단계(S10);

상기 속도형 신경망 PI 제어기 출력을 구하여 제어 대상에 입력하는 단계(S20); 및

상기 제어 대상의 출력과 오차를 구하는 단계(S30)를 포함하여 이루어지고,

상기 단계들(S10~S30)을 차례로 반복하는 것이 바람직하다.

그리고 이 구성의 상기 속도형 신경망 PI 제어기 내부에서는,,

시각이 일 때 오차 과 제어대상의 입력값인 조작량 이 신경망 PI 제어기로 입력되는 단계;

상기 신경망 PI 제어기에 의해 조작량의 변화분인 동조된 을 출력하는 단계; 및

과 제어대상의 출력값을 변환하여 상기 과 합하여 제어대상의 입력값을 출력하는 단계;를 순차적으로 수행하며, 상기 신경망 PI 제어기는 입력층, 은닉층, 출력층을 구비하여 이루어지고, 입력층은 적어도 각각값을 입력하는 제1 뉴런 및 제2 뉴런을 구비하고 있고, 은닉층은 상기 제1 뉴런 및 제2 뉴런과 각각 특정 가중치를 갖고 연결되는 다수의 뉴런을 구비하고 있고,출력층은 상기 은닉층의 각 뉴런과 특정 가중치를 갖고 연결되는 뉴런을 구비하여 이루어지는 것이 바람직하다.

또한 이 구성에 있어서,

,

의 관계가 성립하며,

이때,

은 오차,

은 오차의 변화율,

는 입력층의 입력,

는 입력층의 출력,

는 입력층과 은닉층 사이의 연결가중치,

는 은닉층의 입력,

는 은닉층의 출력,

는 입력층과 은닉층 사이의 연결가중치,

는 은닉층과 출력층 사이의 연결가중치,

는 출력층의 입력,

는 출력층의 출력,

는 시그모이드 활성함수,

은 신경망 출력의 오차,

는 오차를 최소화 하기 위한 연결가중치의 변화량,

는 학습률,

는 모멘텀이고,

는 경사 하강법을 이용하여 구해지는 것이 바람직하다.

이 발명의 실시에 의해 기대되는 효과는 다음과 같다.

첫째, 디젤기관의 비선형 특성에도 불구하고 우수한 제어성능 및 강인성을 갖는 속도형 신경망 제어기를 이용한 디지털 조속기의 구현이 가능하다.

그리고 이 발명에 의해 회전수 변동이나 운전영역 또는 부하변동에 따라 만족스러운 제어 성능을 얻을 수 있다.

또한 실시간 제어가 가능하다.

도 1은 이 발명에 따른 속도형 신경망 PI 제어 시스템 구성도.

도 2는 이 발명에 따른 속도형 신경망 PI 제어기 구성도.

도 3은 이 발명에 따른 신경망 PI 제어기 구조도.

도 4는 이 발명에 사용되는 은닉층의 각 뉴런 구조도.

도 5는 이 발명에 사용되는 출력층의 뉴런 구조도.

도 6은 이 발명에 사용되는 시그모이드 함수의 예시도.

일반적으로 디젤기관의 출력은 비선형 특성이 강하므로 하나의 고정된 PID제어기의 파라미터만으로서는 회전수 변동이나 운전영역 또는 부하변동에 따라 만족스러운 제어 성능을 얻을 수가 없다. 뿐만 아니라 기관의 종류와 부하의 종류에 따라 제어기의 파라미터를 선정하기 위하여 많은 실험이 필요하고 경우에 따라서는 제어사양을 만족할 수 없게 된다. 또한 전 운전영역을 운전영역별로 제어하는 퍼지 제어기의 경우 퍼지 입출력 공간을 다수의 멤버쉽함수로 분할하고 퍼지 제어 규칙을 생성하는 것은 전문가의 시행착오에 의한 방법에 의존하고 있다.

1. 속도형 신경망 PI제어 시스템

따라서 실시간 제어가 가능하고 여러 가지 비선형 요소에 대해 강인한 제어가 가능하도록 속도형 신경망PI 제어 시스템을 구성한다. 도 1은 속도형 신경망 PI 제어 시스템의 구성을 보여주며 그 과정은 다음과 같다.

[단계 10] 오차를 구하여 속도형 신경망PI 제어기 입력으로 준다.

[단계 20] 속도형 신경망PI 제어기 출력을 구하여 제어 대상의 입력으로 준다.

[단계 30] 제어 대상의 출력을 구한 후 오차를 구한다.

[단계 40] 위 단계를 반복한다.

2. 속도형 신경망 PI 제어기

속도형 신경망PI 제어기를 설계하기 위하여 제어기 입력은 오차와 오차의 변화분을 사용하고 제어기 출력은 제어대상의 입력이 되는 조작량의 변화분과 이전 시각의 조작량의 합을 사용한다. 속도형 제어기를 사용함으로써 적분동작기능을 넣어 정상상태 성능이 떨어지지 않도록 한다.

도 2는 속도형 신경망PI 제어기를 보여주며 그 과정은 다음과 같다.

[단계 110] 오차를 신경망PI 제어기의 입력으로 준다.

[단계 120] 신경망PI 제어기 출력을 구하여 이전 출력과 더하여 출력한다.

시각 ｎ에서 △Ｕ_n은 신경망PI 제어기에 의해 동조된 출력으로 조작량의 변화분을 나타내며, △Ｕ_n-1은 이전 시각 ｎ-1의 조작량을 나타낸다. 따라서, 제어 대상의 입력 값, 즉 조작량 Ｕ_n은 다음과 같다.

제어 대상의 입력 Ｕ_n이 인가되면 제어 대상의 출력 Y_n이 발생하며, 출력은 기준입력 R과의 차이, 즉 오차를 발생하게 된다. 이때 오차를 E_n으로 정하면 오차는 다음과 같이 된다.

E_n = R - Y_n

또한, 오차의 변화분 △E_n은 시각 n에서 이전 시각 n-1의 차이가 된다. 즉

이다.

오차와 오차의 변화분은 신경망 PI 제어기의 입력으로 들어가게 되며 신경망PI 제어기에서 △Ｕ_n이 출력하게 되고 앞선 과정을 반복하게 된다. 이때 신경망 PI 제어기는 오류역전파 알고리즘을 통해 학습을 하게 되고 각 층의 연결가중치를 조정하게 된다.

3. 신경망 PI 제어기

도 3은 신경망 PI 제어기 구조를 보여주며 그 과정은 다음과 같다.

[단계 210] 오차와 오차의 변화분으로 입력을 구한다.

[단계 220] 입력층, 은닉층, 출력층을 구하여 조작량의 변화분을 출력한다.

[단계 230] 신경망 출력 오차를 구한다.

[단계 240] 조작량 변화분을 구하여 출력한다.

[단계 250] 조작량 변화분에 제1 연결가중치를 조절하여 출력층에 피드백한다.

[단계 260] 제1 연결가중치가 조절된 조작량 변화분에 제2 연결가중치를 조절하여 은닉층에 피드백한다.

신경망 구조는 입력층(i), 은닉층(j), 출력층(k)의 3층으로 구성되며 입력층은 두 개의 뉴런, 은닉층은 다섯 개의 뉴런, 출력층은 한 개의 뉴런으로 구성된 신경망 구조를 갖는다.

입력층은 제어기의 입력, 즉 오차 E_n와 오차의 변화분 △E_n이 되고, 입력층 뉴런의 출력은 입력을 그대로 사용한다. 따라서, 입력층의 입력 와 출력 와의 관계는 다음과 같다.

여기서, , 이다.

도 4는 은닉층의 각 뉴런 구조를 보여준다. 은닉층은 하나의 층에 다섯 개의 뉴런으로 구성된다. 입력층과 은닉층 사이의 연결가중치는 w_ji이고, 은닉층의 입력 x_j와 출력 o_j와의 관계는 다음과 같다.

도 5는 출력층의 뉴런 구조를 보여준다. 출력층은 은닉층의 다섯개의 뉴런으로부터 입력을 받아 하나로 출력한다. 은닉층과 출력층 사이의 연결가중치는 w_kj이다. 출력층의 입력 x_k와 출력 o_k와의 관계는 다음과 같다.

도 6은 시그모이드 함수를 보여준다. 은닉층과 출력층의 각 뉴런의 활성함수는 시그모이드 함수를 사용한다. 는 활성함수를 나타낸다.

신경망 출력의 오차는 다음과 같이 정의한다.

각 층의 연결가중치는 오류역전파알고리즘을 이용하여 오차를 최소화하도록 학습하며, 모멘텀을 추가하여 각 층의 연결가중치에 관성을 줌으로써 학습 시간을 단축하고 학습 성능을 향상시킨다.

은닉층과 출력층 사이의 연결가중치 는 기존의 연결가중치 값에 오차로부터 구해진 조절량 만큼의 변화를 더해줌으로써 구하여진다.

오차를 최소화하기 위한 연결가중치의 변화량 은 경사 하강법을 이용하여 구한다.

또한, 모멘텀을 추가하면 다음과 같다.

입력층과 은닉층 사이의 연결가중치 도 같은 방법으로 조절된다.

마찬가지로, 오차를 최소화하기 위한 연결가중치의 변화량 은 경사 하강법을 이용하여 구한다.

또한, 모멘텀을 추가하면 다음과 같다.

여기서, 와 는 각각 학습률과 모멘텀이다.

이상으로, 디젤기관의 속도를 제어하기 위하여 기존의 PID 제어기 및 퍼지 제어기는 디젤기관의 비선형 때문에 원만한 속도제어를 위해서는 운전영역에 따라 제어기의 파라미터의 선택이 불가피하고, 또 적합한 제어파라미터를 구하기 위하여 많은 실험이 필요하다. 운전영역별로 적합한 PID파라미터를 찾는다거나 퍼지공간을 분할하고 퍼지 규칙을 생성하며 환산계수를 추정하는데 있어서 매우 많은 어려움이 있다.

따라서, 이 발명에서는 앞서 언급된 문제점을 해결하여 강인하게 속도를 제어할 수 있으며, 정상상태에서 오차를 줄이기 위해 속도형 제어기를 적용한 속도형 신경망PI 제어기를 창안하였다. 따라서, 전 영역에 걸쳐서 오차를 줄이고 환경이나 부하에 따라 학습에 의한 적응 제어를 할 수 있는 디지털 조속기를 구현가능하다.

이 발명에 의해 강인하게 속도를 제어할 수 있으며, 정상상태에서 오차를 줄이기 위해 속도형 제어기를 적용한 속도형 신경망 PI 제어기의 구현이 가능하다.

그리고 이 발명에 따라 전 영역에 걸쳐서 오차를 줄이고 환경이나 부하에 따라 학습에 의한 적응 제어를 할 수 있는 디지털 조속기의 구현이 가능하다.

이 발명에 의해 디젤기관의 원만한 속도 제어가 가능하다.

Claims

PID 제어에 의해 원만하고 강인하게 제어하기 위해 속도형 신경망 PI 제어기를 구비한 제어 시스템을 사용하여 디지털 조속기 속도를 제어하는 방법에 있어서,

오차 를 구하여 상기 속도형 신경망 PI 제어기에 입력하는 단계(S10);

상기 속도형 신경망 PI 제어기 출력을 구하여 제어 대상에 입력하는 단계(S20); 및

상기 제어 대상의 출력과 오차를 구하는 단계(S30)를 포함하여 이루어지고,

상기 단계들(S10~S30)을 차례로 반복하는 것이 특징이며,

상기 속도형 신경망 PI 제어기 내부에서는,

시각이 일 때 오차 과 제어대상의 입력값인 조작량 이 신경망 PI 제어기로 입력되는 단계;

상기 신경망 PI 제어기에 의해 조작량의 변화분인 동조된 을 출력하는 단계; 및

과 제어대상의 출력값을 변환하여 상기 과 합하여 제어대상의 입력값을 출력하는 단계;를 순차적으로 수행하며, 상기 신경망 PI 제어기는 입력층, 은닉층, 출력층을 구비하여 이루어지고, 입력층은 적어도 각각값을 입력하는 제1 뉴런 및 제2 뉴런을 구비하고 있고, 은닉층은 상기 제1 뉴런 및 제2 뉴런과 각각 특정 가중치를 갖고 연결되는 다수의 뉴런을 구비하고 있고,출력층은 상기 은닉층의 각 뉴런과 특정 가중치를 갖고 연결되는 뉴런을 구비하여 이루어지는 것이 특징이며,

이때,

,

의 관계가 성립하며,

은 오차,

은 오차의 변화율,

는 입력층의 입력,

는 입력층의 출력,

는 입력층과 은닉층 사이의 연결가중치,

는 은닉층의 입력,

는 은닉층의 출력,

는 입력층과 은닉층 사이의 연결가중치,

는 은닉층과 출력층 사이의 연결가중치,

는 출력층의 입력,

는 출력층의 출력,

는 시그모이드 활성함수,

은 신경망 출력의 오차,

는 오차를 최소화 하기 위한 연결가중치의 변화량,

는 학습률,

는 모멘텀이고,

는 경사 하강법을 이용하여 구해지는 것이 특징인, 속도형 신경망 제어시스템을 이용한 디지털 조속기 속도 제어 방법.
삭제
삭제