서지주요정보
Neural-network-based control of flow and temperature in the forcing vaporizer system of an LNG carrier = 신경회로망을 이용한 액화천연가스선 강제기화기 시스템의 유량 및 온도 제어
서명 / 저자 Neural-network-based control of flow and temperature in the forcing vaporizer system of an LNG carrier = 신경회로망을 이용한 액화천연가스선 강제기화기 시스템의 유량 및 온도 제어 / Jae-Hyeoung Jang.
저자명 Jang, Jae-Hyeoung ; 장재형
발행사항 [대전 : 한국과학기술원, 2009].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8020569

소장위치/청구기호

학술문화관(문화관) 보존서고

MME 09075

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

The purpose of this thesis is to improve the forcing vaporizer system control performance of Liquefied Natural Gas Carrier (LNGC) which is constructed in DSME (Daewoo Shipbuilding & Maritime Engineering). During voyage, an LNG carrier requires fuel gas from the cargo tanks loading liquefied natural gas (LNG) and forcing vaporizer evaporates LNG to meet fuel demand of boiler. However unstable flow and temperature control of forcing vaporizer system which is controlled by Distributed Control System (DCS) based PID controls decrease overall vessel performance and stability. The heat exchanger of forcing vaporizer system cannot be precisely considered as a dynamic modeling because its model has two phase change streams and complex structure and thermal state to analyze. Therefore a feed-forward neural network controller with no a priori knowledge regarding process dynamics is suggested to improve forcing vaporizer system control and then is configured as a controller to the forcing vaporizer system process. Actual input/output data are obtained by an LNG carrier test to learn the neural network and make a HYSYS modeling. The neural network controller is tested with a commercial program HYSYS to verify the control performance because of controller performance test environment difficulty and heavy test cost in an actual LNG carrier. The proposed neural network controller has an existing controller such as a Distributed Control System (DCS) or Programmable Logic Controller (PLC) and to get neural network training data and to control the system when the neural network controller is not used. The neural network controller shows very fast recovery under the effect of load changes. The neural network is better controller than a PID controller for flow and temperature control in the forcing vaporizer system. If the well trained neural network is applied to forcing vaporizer system as researched in this thesis, the advanced control performance is expected.

연구의 목적은 강제기화기 시스템의 유량 및 온도를 제어하기 위하여 신경회로망을 적용하고 이를 통하여 제어성능의 향상을 하고자 한다. 액화천연가스선에 설치된 강제기화기 시스템은 분산제어 시스템으로 비례, 적분, 미분 제어 방법을 통하여 유량 및 온도를 제어하고 있으나, 불안정한 제어 응답성을 가지고 운전되고 있다. 강제기화기 시스템의 제어를 위해 제안된 신경회로망은 세 개의 층으로 구성되며, 중간층인 은닉층에 비선형함수인 탄젠트 시그모이드 함수가 적용되었다. 그리고, 이 신경회로망의 학습은 오류역전파 기법을 사용하였으며, 수렴 속도 향상을 위하여 레벤버그 마콰트 기법을 적용하였다. 이 신경회로망 기법을 통한 제어기를 구성하여 강제기화기 시스템을 모사한 하이시스 모델링을 구축하여 시뮬레이션을 하였다. 적용된 신경회로망의 성능을 평가하기 위하여 실선에서 적용되는 비례, 적분, 미분 제어기와의 비교를 통한 성능 분석을 하였다. 시뮬레이션 결과로부터 신경회로망이 적용된 제어의 성능이 비례, 적분, 미분 제어기보다 제어성능이 우수하며, 또한 외란이 주어졌을 때 빠른 회복능력을 보여준다. 강제기화기 시스템에 학습이 잘된 신경회로망의 적용은 제어 성능의 향상 시킬 수 있다.

서지기타정보

서지기타정보
청구기호 {MME 09075
형태사항 vi, 104 p. : 삽도 ; 26 cm
언어 영어
일반주기 저자명의 한글표기 : 장재형
지도교수의 영문표기 : Doo-Yong Lee
지도교수의 한글표기 : 이두용
Appendix: A, Error back-propagation learning algorithm. - B, Levenberg-markardt algorithm
학위논문 학위논문(석사) - 한국과학기술원 : 기계공학전공,
서지주기 References : p. 94-96
주제 Neural Network;LNG Carrier;Flow;Temperature;Forcing Vaporizer System
신경회로망;액화천연가스선;유량;온도;강제기화기 시스템
QR CODE qr code