딥러닝을 이용한 시스템식별에 관한 연구
A Study on System Identification Using Deep Learning
0
조회
0
다운로드
4
인용
0
참고문헌
키워드
초록
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.
Abstract
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)
- J. G. Ziegler, "Optimum settings for automatic controllers", Trans American Society of Mechanical Engineers, 64(11), pp.759~ (1942)
- G. H. Cohen, "Theoretical considerations of retarded control", Taylor Instrument Companies Bulletin, TDS-10A102 (1953)
- M. Yuwana, "A new method for an-line controller tuning", American Institute of Chemical E Journal, 28(3), pp.434~440 (1982)
- H. G. Park, "A study on the controller tuning", Institute of Electronics Engineers of Korea, 5(8), pp.46~54 (1984)
- B. S. Suh, "A controller tuning method by pade second order approximation", 23(8), pp.647~652 (1986)
- J. H. Youn, "System identification of the hammerstein process for automatic tuning of PID controller using relay feedback", Proceedings of the International Conference on Control, Automation and Systems, pp.2266~2269 (2001)
- S. K. Lee, "Improved response of time-delay system with integrator", Korean Institute of Electrical Engineers, 930~932 (1999)
- N. L. V. Truong, "Fractional-order PI controllers design based on IMC scheme for enhanced performance of dead-time processes", Institute of Control, Robotics and Systems, 1407~1410 (2013)
- M. Tanaka, "A Novel inference of a restricted boltzmann machine", International Conference on Pattern Recognition (ICPR2014) (2014)
- R. Mittelman, "Weakly supervised learning of mid-level features with beta-bernoulli process restricted boltzmann machines", 2013 IEEE Conference on Computer Vision and Pattern Recognition (2013)
- A survey on deep Learning: one small step toward AI, "D. Mo", ~ (2012)
- M. Tanaka, "A novel infer ence of a restricted boltzmann machine", International Conference on Pattern Recognition(ICPR2014) (2014)
- G. J. Balas, "User's guide to the analysis and synthesis toolbox for MATLAB" (1991), The Mathworks Inc
- F. M. Callier, "Linear system theory" (1991), Springer-Verlag New York, Inc
- R. Y. Chiang, "User's guide to the robust control toolbox for MATLAB" (1988), The Mathworks Inc
- H. Saadat, "computational aids in control systems using MATLAB" (1993), McGraw-Hill
- G. E. Hinton, "A fast learning algorithm for deep belief nets, neural computation", 18(7), pp.1527~1554 (2006)
- R. Mittelman, "Weakly supervised learning of mid-level features with beta-bernoulli process restricted boltzmann machines", IEEE Conference on Computer Vision and Patter n Recognition (CVPR)2013, pp.476~483 (2013)
- D. H. Ackley, "A learning algorithm for boltz mann machines", Cognitive Science, 9(1), pp.147~169 (1985)
- I. Arel, "Deep machine learning-A new frontier in artificial intelligence research", IEEE Computational Intelligence Magazine, 5(4), pp.13~18 (2010)