지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2022.12
- 수록면
- 1,185 - 1,190 (6page)
- DOI
- 10.5302/J.ICROS.2022.22.0152
이용수
초록· 키워드
오류제보하기
Process control is vital for operating chemical process safely and efficiently while maintaining product quality. Process control has been implemented by utilizing traditional techniques such as PID (Proportional-Integrate-Derivative) control and MPC (Model Predictive Control). However, these approaches have disadvantages when the PID tuning rules do not provide optimal tuning parameters for various operating scenarios or when the model fails to match the actual plant. RL (Reinforcement Learning) is one of the most prominent data-driven techniques for addressing such issues and has gained popularity in recent years. While RL has been extensively studied and succeeds in controlling chemical processes, the reward function has a significant impact on its performance. Therefore, it is essential to specify the reward function in order to efficiently control the process. In this study, we propose a reward function to enhance the performance of RL and compare the control performances of MPC and RLs with four distinct reward functions. The controllers track the setpoint of the product in the Van de Vusse process and are evaluated based on the deviation between the setpoint and output. RL with the proposed reward function outperformed the other controllers. Its performance was 12% greater than that of MPC and 6-30% greater than other RL controllers. In chemical processes, the control performance of RL is enhanced by incorporating the time term and positive reward in the reward function, thus outperforming conventional control approaches.
목차
Abstract
Ⅰ. 서론
Ⅱ. 모델 예측 제어
Ⅲ. 강화학습
Ⅳ. 보상 함수
Ⅴ. 대상 시스템
Ⅵ. 결과 및 논의
Ⅶ. 결론
REFERENCES
참고문헌 (25)
참고문헌 신청
D. E. Seborg, T. F. Edgar, D. A. Mellichamp, and F. J. Doyle III, Process Dynamics and Control, John Wiley & Sons, 2016.
K. H. Ang, G. Chong, and Y. Li, “PID control system analysis, design, and technology,” IEEE Transactions on Control Systems Technology, vol. 13, no. 4, pp. 559-576, 2005.
S. W. Sung and I. B. Lee, “Limitations and countermeasures of PID controllers,” Industrial & Engineering Chemistry Research, vol. 35, no. 8, pp. 2596-2610, 1996.
E. F. Camacho and C. B. Alba, Model predictive control, Springer Science & Business Media, 2013.
S. J. Qin and T. A. Badgwell, “An overview of industrial model predictive control technology,” AIche Symposium Series, New York, vol. 93, no. 316, pp. 232-256, Jun. 1997.
K. H. Ang, G. Chong, and Y. Li, “PID control system analysis, design, and technology,” IEEE Transactions on Control Systems Technology, vol. 13, no. 4, pp. 559-576, 2005.
S. W. Sung and I. B. Lee, “Limitations and countermeasures of PID controllers,” Industrial & Engineering Chemistry Research, vol. 35, no. 8, pp. 2596-2610, 1996.
E. F. Camacho and C. B. Alba, Model predictive control, Springer Science & Business Media, 2013.
S. J. Qin and T. A. Badgwell, “An overview of industrial model predictive control technology,” AIche Symposium Series, New York, vol. 93, no. 316, pp. 232-256, Jun. 1997.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
안전한 모델 예측 제어와 강화 학습에 대한 연구 동향
제어로봇시스템학회 논문지
2025 .02
-
하이브리드 강화학습을 이용한 무인기 자율주행
제어로봇시스템학회 논문지
2019 .06
-
Intelligent Trajectory Tracking and Altitude Control of Aerial Robots using Deep Reinforcement Learning-based Adaptive Controller
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
Path Tracking Control and Identification of Tire Parameters using On-line Model-based Reinforcement Learning
제어로봇시스템학회 국제학술대회 논문집
2016 .10
-
Tsallis Actor Critic에 D2RL 적용을 통한 D2RL의 강건성 검증
한국정보과학회 학술발표논문집
2022 .12
-
ring Generalization and Adaptability of Offline Reinforcement Learning for Robot Manipulation
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
Adaptive Cruise Control for Self-driving Car Using Reinforcement Learning
제어로봇시스템학회 각 지부별 자료집
2021 .12
-
Learning-based Predictive Control for Vehicle Following Problems
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
제어장벽함수와 심층강화학습을 결합한 안전강화학습 제어기 연구
제어로봇시스템학회 논문지
2022 .11
-
Application of Deep Reinforcement Learning to Temperature Control of a Chamber for Ultra-precision Machines
Journal of the Korean Society for Precision Engineering
2023 .06
-
Reward Shaping for a Reinforcement Learning Method-Based Navigation Framework
한국정보통신학회 종합학술대회 논문집
2022 .10
-
다중 교차로에서 협동적 신호제어를 위한 보상함수 설계
한국정보통신학회 종합학술대회 논문집
2022 .10
-
EV Wireless Power Transfer Core Design for High Magnetic Coupling designed by Reinforcement Learning
ICPE(ISPE)논문집
2023 .05
-
Possibilities of reinforcement learning for nuclear power plants: Evidence on current applications and beyond
Nuclear Engineering and Technology
2024 .06
-
희소 보상 환경 개선을 위한 정책 기반 심층 강화학습
전기학회논문지
2021 .03
-
가변 망각 인자를 사용한 RLS기반의 고조파 부하 모델 추정
대한전기학회 학술대회 논문집
2019 .04
-
가우시안 프로세스 모델 기반 강화 학습
제어로봇시스템학회 논문지
2019 .08
-
RL 부하 연동 단상 태양광 발전 시스템의 부하 전류 센서리스 무효 전류 보상기법
전기학회논문지
2023 .01
-
RLS 기반 Super-Twisting 관측기에 의한 로봇 매니퓰레이터 상태 관측에 관한 연구
제어로봇시스템학회 각 지부별 자료집
2018 .11
-
Enhancing Autonomous Robot Navigation based on Deep Reinforcement Learning: Comparative Analysis of Reward Functions in Diverse Environments
제어로봇시스템학회 국제학술대회 논문집
2023 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
비접촉식 초음파 수신기를 이용한 초음파 비선형성 측정
김종범
,
장경영
대한기계학회 논문집 A권
2014
.10
국내·외 화학 보호복 및 특수 방화복 소재 적용에 관한 연구
박평규
,
남동군
한국위험물학회지
2022
.12
다중목적 보상함수가 개선된 강화학습 기반 NAS
임철순
,
김명선
전자공학회논문지
2022
.11
UAV 드론의 정밀 착륙 성능 향상을 위한 강화학습 기반 PID 제어기 연구
정희철
,
김현석
디지털콘텐츠학회논문지
2024
.10
전기화학적 염화물 추출 후 철근-콘크리트 보의 휨 거동
이정욱
,
안기용
한국건설순환자원학회논문집
2023
.12
최근 본 자료
댓글(0)
0