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
- 학위논문
- 저자정보
- 지도교수
- 임세준
- 발행연도
- 2023
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수6
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구에서는 차량의 Disconnector Actuator System(DAS)의 PWM 기반 위치 제어에 필요한 PI 게인을 생성하고, 이를 자동으로 매핑하는 과정을 수행하는 심층 강화학습 모델을 제안한다. 실제 장비 사용을 최소화하여 안전하고 효율적으로 심 층강화학습 모델을 학습하기 위해 가상 환경에서 사전 학습을 시킨 후 모델을 불러 와 실제 환경에 맞게 적용학습을 수행하였다. 이때 DAS 시스템에 대한 시뮬레이터 가 없어, 시험 데이터를 활용하여 시스템을 모사한 인공신경망 기반의 시뮬레이터 를 모델링하여 생성하였으며, 이를 가상 환경으로 사용하여 심층강화학습 모델 사 전 학습을 수행하였다. 이를 위해 인공신경망 기반의 MLP(Multi-Layer Perceptron) 모델을 활용하여 가상 환경인 시뮬레이터를 모델링하고, 심층 강화 학 습 알고리즘인 PPO(Proximal Policy Optimization) 이용한 PI 게인 자동 매핑(자동 튜닝) 기술을 개발하였다. 또한 인공신경망 형태인 강화 학습 모델을 그리드 간격이 최적화된 룩업 테이블(Lookup Table)로 변환하여 차량의 컨트롤 유닛의 제어기에 적용함으로써, 실제 환경에서 심층강화학습 모델을 학습할 수 있을 뿐 아니라, 인공 신경망 모델을 별도의 임베딩 작업 없이 적용할 수 있도록 하였다. 본 연구에서 구현한 심층강화학습 기반 DAS PI 게인 자동 매핑 알고리즘의 제어 결과를 전문 연구원이 수동으로 매핑한 게인 맵과 제어 분야에서 우수한 성능을 보 인 동적 게인 튜닝 방식인 Particle Swarm Optimazation(PSO) 방식과 비교 실험을 진행하였으며, 그 결과 비교 알고리즘 대비 최대 오버슈트 32.3%, 정상오차 23.4% 를 개선시키며 우수한 성능을 확인하였다.
목차
제1장 서론 11.1. 연구배경 11.2. 연구동향 31.2.1 고전 PID 튜닝 연구 동향 41.2.2 최적화 기반 PID 튜닝 연구 동향 51.2.3 딥러닝 기반 PID 튜닝 연구 동향 61.2.4 인공신경망 경량화 기법 연구 동향 81.3. 연구목적 101.4. 논문구성 11제2장 실험환경 구축 122.1. 디스커넥터 액추에이터 시스템(Disconnector Actuator System) 122.2. 시뮬레이션 실험환경 구축 142.3. DAS 단품 실험환경 구축 17제3장 DAS 위치 제어 PI 게인 매핑 심층강화학습 알고리즘 213.1. 인공신경망 213.2. 심층강화학습 233.3. PPO(Proximal Policy Optimization) 알고리즘 243.4. 그리드 간격 최적화 알고리즘 253.5. PPO-DAS 알고리즘 273.5.1 상태(State) 정의 283.5.2 행동(Action) 정의 283.5.3 보상(Reward) 정의 293.5.4 심층강화학습 에이전트 학습 30제4장 실험 설계 및 결과 분석 334.1 하이퍼 파라미터 및 네트워크 구조 334.2 학습 환경 344.3 평가 지표 344.4 시뮬레이션 환경 실험 354.5 시뮬레이션 환경 실험 결과 354.6 실제 환경 실험 364.7 그리드 간격 최적화 적용 결과 374.8 실제 환경 실험 결과 38제5장 결론 415.1. 연구 결론 415.2. 향후 과제 42참고 문헌 43Abstract 46
최근 본 자료
댓글(0)
0