서지주요정보
Control structure synthesis and neural network based control for chemical processes = 화학공정에서의 제어구조 합성과 신경회로망을 이용한 제어에 관한 연구
서명 / 저자 Control structure synthesis and neural network based control for chemical processes = 화학공정에서의 제어구조 합성과 신경회로망을 이용한 제어에 관한 연구 / Moon-Yong Lee.
저자명 Lee, Moon-Yong ; 이문용
발행사항 [대전 : 한국과학기술원, 1991].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8002358

소장위치/청구기호

학술문화관(문화관) 보존서고

DCE 9117

SMS전송

도서상태

이용가능

대출가능

반납예정일

초록정보

In Chapter 2, a new method for dynamic structural transformation for the analysis of distillation control structures is presented. Since the proposed method is based on the relationships between the block elements of the complete open loop transfer function as structural transformation there is no need to reestablish input relationships at every transformation. Using this framework we show clearly why Haggblom and Waller's method is valid for the specific cases. For the more general cases including the effects of inventory dynamics, a simple method is suggested. Usefulness of the method is illustrated by an example. In Chapter 3, new interaction measures for control structure synthesis are presented. First, all possible interactions in the closed loop system are rigorously analyzed. Based on the analysis, new interaction measures-Type I and Type II Relative Output Sensitivity Matrices (ROSM) and Type I Type II Relative Input Sensitivity Matrices(RISM) -which can measure corresponding actual interactions in the closed loop system are proposed. These new interaction measures can be used to assess directly the true closed loop performance. Relationships between Type I asymptotic ROSM and system stability are established. Also the nonsingular value based interaction measure(NSV IM) which can predict the system stability is proposed. A systematic methodology using the new interaction measures is proposed for analysis and synthesis of decentralized control systems. Examples are presented to illustrate the significance and usefulness of the proposed method. In Chapter4, a neural controller for process control is proposed that combines a conventional PI controller with a neural network. The proposed neural controller is applied to distillation column control. The modified feedback error learning technique is used for on-line learning. Performance of the controller can be improved using an adequate target signal and reference trajectory. The proposed neural controller can cope well with disturbances, strong interactions, time delays, and sudden changes in process dynamics without any prior knowledge of the process. It is also shown that the neural controller has good features such as fault tolerance, generalization capability by interpolation, and learning with unfixed training patterns. In Chapter 5, we present a new control scheme combining neural network based feedforward control with Model Predictive Control (MPC). The disturbance error learning technique is proposed for on-line training of the neural network. The proposed control scheme is efficient to the systems where the disturbance dynamics are complex and uncertain. The proposed control scheme is applied to disturbance rejection in a distillation column. Dynamic Matrix Control (DMC) is chosen as an example MPC. The neural feedforward controller shows good performance. Also the controller appears to be relatively robust in the face of process/model mismatch in DMC. Furthermore the controller has the good features described in Chapter 4. In Chapter 6, the neural feedforward controller implementation on a pilot-scale distillation column is presented. The performance of the neural controller is compared with that of the PI controller only and that of the conventional feedforward controller combined with the PI controller. The results show that the neural controller can perform well even in situations with significant nonlinearities, strong interactions, and complex dynamics.

화학공정에서의 제어시스템 설계에 있어서의 두가지 중요한 과정은 제어구조를 합성하고 그 시스템에 적절한 제어기법을 적용하는 것이다. 이러한 두가지 과제를 다루기위해서 본 논문은 크게 제어구조합성을 위한 새로운 방법들을 다루는 part I 와 고수준 제어기법으로서 신경회로망을 이용하는 방법을 다룬 part II의 2 part로 구성되었다. 먼저 제 2 장에서는 증류탑에서의 제어구조분석을 위한 새로운 동적구조 변환법을 제시하였다. 제안된 방법은 구조변환에 따른 완전한 개회로 전달함수에서의 블럭요소들 간의 관계를 이용하기 때문에 기준구조와 새로운 구조에서의 조작 변수들 사이의 관계를 구조변환마다 재 설정할 필요가 없다. 이러한 기반을 이용하여 Haggblom 과 Waller의 구조변환법이 왜 특수한 경우들에대해 성립되는가를 명확하게 보였다. 또한 inventory 동특성효과를 포함하는 보다 일반적인 경우의 동적구조 변환을 위한 간단한 방법을 제안하고 예를 통하여 이 방법의 유용성을 확인하였다. 제 3 장에서는 제어구조 합성을 위한 새로운 interaction measures를 제안하였다. 기존의 interaction measures의 문제점을 극복하기 위해서 먼저 다변수 폐회로 시스템에서의 모든 가능한 상호작용을 상세히 분석하고 이를 바탕으로 다변수 폐회로 시스템에서의 실제 해당 상호작용을 측정할 수있는 새로운 interaction measures - Type I and Type II Relative Output Sensitivity Matrices (ROSM) and Type I and Type II Relative Input Sensitivity Matrices (RISM) - 를 제안 하였다. 제안된 새로운 interaction measures로 폐회로 시스템의 제어성능을 직접 평가, 예측할 수있다. 또한 Type I asymptotic ROSM 과 시스템 안정성과의 관계를 구하고 시스템 안정성을 예측할 수있는 nonsingular value based interaction measure (NSV IM)을 제시하였다. 이들 새로운 interaction measure를 이용하여 분산제어 시스템 (decentralized control system)의 합성과 분석을 위한 체계적인 방법론을 제시하였으며 예를 통하여 제안된 방법의 중요성과 유용성을 보여 주었다. 제 4 장은 화학공정의 제어를 위한 신경제어기의 설계를 다루고 있다. 제안된 신경제어기는 신경회로망과 일반적인 비례-적분-미분 (PID) 제어기가 결합된 구조를 택하고 있다. 제안된 신경제어기를 증류탑제어에 적용하여 그 특성을 살펴보았다. 이때 온라인 학습을 위해서는 수정된 궤환오차 학습법을 고안 사용하였다. 그 결과 제어기의 성능은 적절한 목표신호와 기준궤적을 사용하여 증진 시킬 수 있었다. 또한 이 제어기는 외란, 제어변수 간의 강한 상호작용, 시간 지연, 공정 동특성의 급작한 변화등에도 공정의 동특성을 미리 알고있지 않고도 잘 작동되었으며 연결 가중치 고장에 강건하고 내삽에의한 일반화 능력과 자연학습 능력등의 좋은 특성을 가짐을 확인 하였다. 제 5 장에서는 모델 예측제어와 신경회로망에 의한 feedforward 제어가 결합된 새로운 제어구조를 다루었다. 신경회로망의 온라인 학습을 위해서 외란오차 학습 방법을 제안하였다. 제안된 제어기를 증류탑에서의 외란제거에 적용하여 성능을 살펴보았다. 모델 예측제어로는 Dynamic Matrix Control (DMC)를 사용하였다. 이 제어기는 외란의 동 특성을 알 필요가 없이 좋은 성능을 보였다. 또한 DMC에서의 공정/모델 mismatch 하에서도 강건한 특성을 보였으며 제 4장에서 거론한 신경제어기 고유의 여러가지 좋은 특성을 보였다. 마지막으로 제 6 장에서는 신경회로망을 이용한 feedforward 제어기를 pilot-scale 증류탑에 실제적으로 구축하고 2 point control mode 하에서의 원료 유입량 외란에대한 외란제거 성능을 기존의 feedforward 제어기와 비교하였다. 이를 위해 pilot-scale 증류탑을 설계, 설치하고 computer control system을 구축하였다. 실험에 사용된 증류탑은 심한 비선형성과 상호작용 및 복잡한 동특성을 보임을 알 수있었다. 이러한 환경 하에서 신경 feedforward 제어기는 기존의 feedforward 제어기보다 좋은 성능을 나타내었으며 이 결과는 신경 제어기의 실제 산업체에의 적용에 좋은 가능성을 보여주고 있다.

서지기타정보

서지기타정보
청구기호 {DCE 9117
형태사항 xiv, 187 p. : 삽도 ; 26 cm
언어 영어
일반주기 저자명의 한글표기 : 이문용
지도교수의 영문표기 : Sun-Won Park
지도교수의 한글표기 : 박선원
학위논문 학위논문(박사) - 한국과학기술원 : 화학공학과,
서지주기 Includes references
주제 Neural networks (Neurobiology)
Chemical process control
피드포워드 제어 --과학기술용어시소러스
닫힌 루프 시스템 --과학기술용어시소러스
제어 구조 --과학기술용어시소러스
Feedforward control systems
QR CODE qr code