강화학습 알고리즘을 활용한 Co-Simulation 기반 유압 굴착기 시스템의 위치 제어 및 동력 최적화에 관한 연구

이태엽; 박형준; 강만곤; 구자춘

추천

검색

질문

자료유형: 학술대회자료

저자정보: 이태엽 (성균관대학교) 박형준 (HD현대건설기계) 강만곤 (HD현대건설기계) 구자춘 (성균관대학교)

저널정보: 유공압건설기계학회 유공압건설기계학회 학술대회논문집 유공압건설기계학회 2024年度秋季學術大會論文集

발행연도: 2024.10

수록면: 76 - 81 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This paper presents an advanced control framework for hydraulic excavators, focusing on position and pump flow control through co-simulation using Simcenter Amesim and Simulink. The excavator system, including hydraulic pumps, control valves, and front attachment dynamics, is modeled in Simcenter Amesim to accurately replicate real-world excavator behavior, while the control strategies are designed in Simulink. Two control strategies are implemented and compared: a conventional Proportional-Integral-Derivative (PID) controller and a Deep Deterministic Policy Gradient (DDPG) reinforcement learning controller. The Simcenter Amesim-Simulink co-simulation enables real-time analysis of the excavator’s dynamic response to various control inputs, providing a robust environment for validating performance. The PID controller demonstrates precise tracking of boom and arm cylinder strokes, as well as effective pump flow control. In contrast, the DDPG controller sacrifices flow rate accuracy, resulting in a MAPE of over 330%, to achieve a 22% reduction in power consumption while maintaining stable trajectory tracking by reducing excessive pump flow. This leads to a cycle time similar to that of the PID controller, resulting in more stable and energy-efficient operation. This study underscores the value of co-simulation for validating control strategies and highlights the use of reinforcement learning in balancing control accuracy and energy efficiency in hydraulic excavator automation. Future work will focus on refining the DDPG reward function to improve flow control without compromising power efficiency.

#Hydraulic Excavator System Modeling(유압 굴착기 시스템 모델링) #Co-Simulation Framework(Co-Simulation 프레임워크) #Excavator Cylinder Position Control(굴착기 실린더 자세 제어) #Excavator Pump Flow Control (굴착기 펌프 유량 제어) #Reinforcement Learning(강화학습)

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

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 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)