딥러닝을 이용한 시스템식별에 관한 연구

정형근; 오원근

추천

검색

자료유형: 학술저널

저자정보: 정형근 오원근

저널정보: 한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제14권 제4호

발행연도: 2019.1

수록면: 359 - 368 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문에서는 시간지연이 존재하는 시스템을 위한 제어기기 동조 문제에서 딥러닝을 이용한 시스템 식별에 관한 연구이다. 시스템 식별을 위한 제어기기 동조에 관현 연구 중 Yunwana와 Seborg(1982)가 제시한 제어기의 동조방법은 Pade’ 근사에 의한 위상 오차 때문에 시간 지연이 없거나 작은 시간 지연에 관하여는 제어가 잘되는 장점이 있으나 큰 시간 지연이 존해 할수록 시간 지연이 크게 추정되고 시스템에서는 적용할 수 없는 단점이 있다. 그리고 산업현장에서 많이 쓰이고 있는 Zigler-Nichols가 제안한 시행착오 방법은 제어기기 동조를 위하여 많은 시간이 소비되는 단점이 있다. Cohen-Coon이 제안한 프로세스 반응곡선을 이용한 제어기기 동조방법은 Zigler-Nichols가 제안한 방법보다는 제어기기 동조에 걸리는 시간이 단축되는 장점이 있지만 개루프 시스템에서만 적용할 수 있고 폐루프 시스템에서는 적용할 수 없는 단점이 있다. 이러한 단점들을 보완하기 위하여 Suh가 제안한 방법은 폐루프 시스템에서도 적용할 수 있는 장점이 있고 또한 시간지연 항을 Pade’근사로 변환시 발생하는 위상오차에 대하여 Pade’근사에서 조절인자의 설정으로 위상오차를 줄여 제어기기의 최적 동조방법에 대하여 제시하였다. 그러나 이러한 방법은 시간 지연항의 상수 값과 비례적으로 조절인자를 대입한 방법이기 때문에 해석적이지 못한 단점이 있다. 본 논문에서는 위상 오차에 대한 이론적 분석을 통해 이와 같은 원인이 Pade’근사에 의한 위상오차와 시간지연 항이 크게 추정되는 문제점을 해결 할 수 있는 해석적인 방법으로 딥 러닝 알고리즘 중에 깊은 믿음 네트워크 알고리즘을 이용한 조절인자의 설정으로 위상 오차를 최적으로 줄일 수 있는 새로운 최적 동조방법을 기존의 본 연구자 Suh(1984)의 연구결과를 바탕으로 제시하였다. 그리고 시물레이션을 통하여 Zielger-Nichols의 시행착오 방법과 Yunwana-Seborg가 제시한 제어기의 동조방법을 비교하여 본 논문에서 제시한 방법의 타당성을 입증하였다.

This paper deals with a study on a system identification using deep learning in the case of a controller tuning for the system where a time delay exists. Of studies on the controller tuning for the system identification, the controller tuning method suggested by Yunwana and Seborg(1982) has an advantage of taking a good control over either none or small time delays due to phase error by Pade' approximation, whereas it comes with a disadvantage of having a greater estimated of time delay over the presence of a large time delay and of being unable to be used in a system. Furthermore, the trial-and-error method suggested by Zigler-Nichols and commonly used in industrial fields shows a disadvantage which is time consuming for a controller tuning. The controller tuning using a process response curve suggested by Cohen-Coon has a benefit of cutting more time taken for a controller tuning than the method by Zigler-Nichols does. It also faces a limitation of being applicable only to the open loop system but not applicable to the close loop system. To make up for these disadvantages, the Suh-suggested method, as its benefit, is applicable even to the close loop system. On top of this, it proposed a controller's optimal tuning method by reducing phase error through setting up control factors in the Pade' approximation with respect to the phase error generated in converting time delay into Pade' approximation. This method, however, involves putting control factors in proportion to time-delay constant values, which is therefore - as a disadvantage - not analytical. This paper went through a theoretical analysis on phase error as an analytical method to solve an issue involving the large estimation of phase error by Pade' approximation and time delay with the use of deep learning. Presented based on the findings of this existing researcher Suh (1984) was a new optimal tuning method dedicated to reducing phase error to a optimal level by setting control factors using the deep belief network algorithm out of deep learning algorithms. Besides, a related simulation was performed to compare the trial-and-error method by Zielger-Nichols and the tuning method for a controller suggested by Yunwana-Seborg, and the validity of the methods suggested in this paper was verified, accordingly.

참고문헌 (20)

참고문헌 신청

J. G. Ziegler / 1942 / Optimum settings for automatic controllers / Trans American Society of Mechanical Engineers 64(11):759

G. H. Cohen / 1953 / Theoretical considerations of retarded control / Taylor Instrument Companies Bulletin TDS-10A102

M. Yuwana / 1982 / A new method for an-line controller tuning / American Institute of Chemical E Journal 28(3):434~440

H. G. Park / 1984 / A study on the controller tuning / Institute of Electronics Engineers of Korea 5(8):46~54

B. S. Suh / 1986 / A controller tuning method by pade second order approximation 23(8):647~652

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정형근

소속기관 청주대학교

주요연구분야 복합학 > 학제간연구

논문수 4 이용수 44

오원근

소속기관 순천대학교

주요연구분야 복합학 > 학제간연구

논문수 3 이용수 60

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (20)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)