KR100188970B1 - 냉장고 온도 제어를 위한 전달 함수 설정 방법 - Google Patents

냉장고 온도 제어를 위한 전달 함수 설정 방법 Download PDF

Info

Publication number
KR100188970B1
KR100188970B1 KR1019960055367A KR19960055367A KR100188970B1 KR 100188970 B1 KR100188970 B1 KR 100188970B1 KR 1019960055367 A KR1019960055367 A KR 1019960055367A KR 19960055367 A KR19960055367 A KR 19960055367A KR 100188970 B1 KR100188970 B1 KR 100188970B1
Authority
KR
South Korea
Prior art keywords
transfer function
value
temperature sensor
function
temperature
Prior art date
Application number
KR1019960055367A
Other languages
English (en)
Other versions
KR19980036753A (ko
Inventor
김지관
강윤석
이정용
Original Assignee
윤종용
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 윤종용, 삼성전자주식회사 filed Critical 윤종용
Priority to KR1019960055367A priority Critical patent/KR100188970B1/ko
Publication of KR19980036753A publication Critical patent/KR19980036753A/ko
Application granted granted Critical
Publication of KR100188970B1 publication Critical patent/KR100188970B1/ko

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D29/00—Arrangement or mounting of control or safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D2500/00—Problems to be solved
    • F25D2500/04—Calculation of parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
    • F25D2600/00—Control issues
    • F25D2600/04—Controlling heat transfer

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Devices That Are Associated With Refrigeration Equipment (AREA)

Abstract

냉장고 온도 제어를 위한 전달 함수 설정 방법이 개시된다. 이 방법은, 냉장고의 냉장실 내부 온도와, 압축기 및 냉기 팬의 구동 상태에 따른 데이터를 입력받아, 상기 압축기 및 냉기 팬에 대한 제어 출력 데이터를 발생시키기 위한 전달 함수를 설정하는 방법에 있어서, (S1) 상기 냉장실 내부의 현재 온도, 상기 압축기 및 냉기 팬의 현재 구동 상태 및 그 파라메터들을 변수로 하여, 상기 냉장실 내부의 차기 온도를 구하는 특성 함수를 설정하는 단계; (S2) 상기 특성 함수와 상응하는 상기 전달 함수를 설정하는 단계; (S3) 상기 특성 함수의 값과 상기 전달 함수의 값의 차이에 대한 허용 한계값을 설정하는 단계; 및 (S4) 상기 압축기 및 냉기 팬을 구동하여, 상기 실제 함수의 값과 상기 전달 함수의 값의 차이가 상기 허용 한계값 이하가 되도록 상기 전달 함수의 파라메터들의 값들을 추정하는 단계;를 포함하는 것을 그 특징으로 한다. 이에 따라, 제조되는 냉장고의 고유 특성 별로 최적의 전달 함수를 설정할 수 있으므로, 냉장고의 온도 제어를 최대한 정확하고 정밀하게 수행할 수 있다.

Description

냉장고 온도 제어를 위한 전달 함수 설정 방법
본 발명은 냉장고 온도 제어를 위한 전달 함수 설정 방법에 관한 것이다.
최근 냉장고의 온도 제어를 위하여, 냉장고의 냉장실에 설치된 온도 센서들을 이용하여, 유전자 알고리듬 - 퍼지(Genetic Algorithm - Fuzzy) 모델에 의하여 전달 함수를 설정하고 있다. 이러한 유전자 알고리듬 - 퍼지 모델은, 전제부 파라메터의 최적값을 구하기 위하여, 유전자 알고리듬을 이용하여 전제부 파라메터를 인식하도록 되어 있다. 예를 들어, 2 개의 센서로부터 측정된 온도 및 각 온도의 차이를 이용하여, 냉장실 내부의 각 센서의 대향측 온도를 추정한다. 이 추정 과정에서 퍼지 모델이 이용된다. 그리고 상기 측정 온도 및 추정 온도를 이용하여, 냉장실 내부의 전체적 온도 분포를 추정하고, 이에 따른 압축기 및 냉기 팬의 구동 여부를 결정한다.
상기와 같은 종래의 전달 함수 설정 방법은, 냉장실 내부의 온도를 추정하는 데 있어서 정적 모델(Static model)을 이용하므로, 설정된 전달 함수의 정확도 및 정밀도가 상대적으로 떨어지게 된다. 여기서 정적 모델이란, 시간의 흐름에 따른 외란이 고려되지 않은 모델을 의미한다. 또한 냉장실 내부의 온도 변화에 직접적인 영향을 주는 압축기 및 냉기 팬의 운전 상태가 반영되지 않고 있다. 그리고 오프 라인으로 파라메터를 확정짓기 때문에, 각 냉장고의 고유 특성에 대응하지 못한다.
본 발명이 이루고자 하는 기술적 과제는, 냉장실 내부의 온도 추정에 있어서 동적 모델이 이용되고, 냉장실 내부의 온도 변화에 직접적인 영향을 주는 압축기 및 냉기 팬의 운전 상태가 반영되며, 온라인으로 파라메터를 가변할 수 있는 냉장고 온도 제어를 위한 전달 함수 설정 방법을 제공하는 것이다.
도 1은 본 발명에 따른 전달 함수 설정 방법을 나타낸 개략적 블록도이다.
도 2는 본 실시예의 퍼지 불감대를 설명하기 위한 특성도이다.
도 3은 본 실시예에 따라 파라메터 벡터와 출력 오차를 추정하기 위한 냉장실 내부의 온도 센서 배치도이다.
*도면의 주요 부분에 대한 부호의 설명*
11...제어 대상,12...퍼지 적응 모델,
13...파라메터 수정부.
상기 기술적 과제를 이루기 위하여 본 발명에 의한 냉장고 온도 제어를 위한 전달 함수 설정 방법은, 냉장고의 냉장실 내부 온도와, 압축기 및 냉기 팬의 구동 상태에 따른 데이터를 입력받아, 상기 압축기 및 냉기 팬에 대한 제어 출력 데이터를 발생시키기 위한 전달 함수를 설정하는 방법에 있어서, (S1) 상기 냉장실 내부의 현재 온도, 상기 압축기 및 냉기 팬의 현재 구동 상태 및 그 파라메터들을 변수로 하여, 상기 냉장실 내부의 차기 온도를 구하는 특성 함수를 설정하는 단계; (S2) 상기 특성 함수와 상응하는 상기 전달 함수를 설정하는 단계; (S3) 상기 특성 함수의 값과 상기 전달 함수의 값의 차이에 대한 허용 한계값을 설정하는 단계; 및 (S4) 상기 압축기 및 냉기 팬을 구동하여, 상기 실제 함수의 값과 상기 전달 함수의 값의 차이가 상기 허용 한계값 이하가 되도록 상기 전달 함수의 파라메터들의 값들을 추정하는 단계;를 포함하는 것을 그 특징으로 한다.
이하 첨부된 도면들을 참조하여, 본 발명에 따른 바람직한 실시예를 설명하기로 한다.
도 1은 본 발명에 따른 전달 함수 설정 방법을 나타낸 개략적 블록도이다. 도 1에 도시된 바와 같이 본 실시예의 전달 함수 설정 방법은, 제어 대상(11) 즉, 냉장고의 냉장실 내부 온도에 따른 데이터와, 압축기 및 냉기 팬의 구동 상태에 따른 데이터(u)를 입력받아, 상기 압축기 및 냉기 팬에 대한 제어 출력 데이터를 발생시키기 위한 전달 함수를 설정하는 방법이다. 도 1에서 y는 샘플링 횟수(k)에 따라 변화되는 냉장실 내부 온도, y'은 전달 함수의 출력 데이터, 그리고 e는 제어 대상(11)과 퍼지 적응 모델(12)의 출력 오차를 의미한다. 도 1에서 퍼지 적응 모델(12) 및 파라메터 수정부(13)는 본 실시예의 전달 함수 설정 방법을 수행하기 위한 수단들이다. 전달 함수 설정을 위한 특징적 과정을 단계적으로 설명하면 다음과 같다. 먼저 상기 냉장실 내부의 현재 온도, 상기 압축기 및 냉기 팬의 현재 구동 상태(u) 및 그 파라메터들을 변수로 하여, 상기 냉장실 내부의 차기 온도를 구하는 특성 함수를 설정한다(단계 S1). 여기서 설정된 특성 함수는 퍼지 적응 모델(12)에 저장된다. 다음에 상기 특성 함수와 상응하는 상기 전달 함수를 설정한다(단계 S2). 여기서 설정된 전달 함수도 퍼지 적응 모델(12)에 저장된다. 다음에 상기 특성 함수의 값과 상기 전달 함수의 값의 차이 즉, 출력 오차(e)에 대한 허용 한계값을 설정한다(단계 S3). 여기서 설정된 허용 한계값도 퍼지 적응 모델(12)에 저장된다. 그리고 상기 압축기 및 냉기 팬을 구동하여, 상기 실제 함수의 값과 상기 전달 함수의 값의 차이가 상기 허용 한계값 이하가 되도록 상기 전달 함수의 파라메터들의 값들을 추정한다(단계 S4). 단계 S4를 수행하기 위하여, 파라메터 수정부(13)는 상기 전달 함수의 파라메터들의 값들을 지속적으로 수정한다. 또한 퍼지 적응 모델(12)에서는, 수정된 파라메터가 반영된 전달 함수의 값과 상기 실제 함수의 값을 지속적으로 출력함과 동시에, 해당되는 전달 함수의 값에 따른 제어 출력 데이터를 지속적으로 발생시킨다. 상기와 같은 방법에 따라 설정된 전달 함수에는 가변적인 최적의 파라메터가 반영되므로, 제조되는 냉장고의 온도 제어를 최대한 정확하고 정밀하게 수행할 수 있다. 수학식들을 사용하여, 상기 각 단계를 상세히 설명하기로 한다.
먼저 상기 냉장실 내부의 현재 온도, 상기 압축기 및 냉기 팬의 현재 구동 상태(u) 및 그 파라메터들을 변수로 하여, 상기 냉장실 내부의 차기 온도를 구하는 특성 함수를 설정한다(단계 S1). i번째 온도 센서는 아래의 수학식 1과 같은 비선형 특성 함수를 갖는다.
[수학식1]
상기 수학식 1에서, i는 온도 센서의 일련 번호, k는 샘플링 횟수, Si는 i번째 온도 센서의 출력 데이터, Si(k+1)은 (k+1)번째 샘플링 횟수일 때의 i번째 온도 센서의 출력 데이터, Si(k)는 k번째 샘플링 횟수일 때의 i번째 온도 센서의 출력 데이터, Si(k-1)은 (k-1)번째 샘플링 횟수일 때의번째 온도 센서의 출력 데이터, u(k-1)는 k번째 샘플링 횟수일 때의 압축기 및 냉기 팬의 구동 상태 데이터, u(k-1)은 (k-1)번째 샘플링 횟수일 때의 압축기 및 냉기 팬의 구동 상태 데이터, ai1,ai2,bi1,bi2는 i번째 온도 센서의 각 변수에 대한 파라메터, Wi(k)는 k번째 샘플링 횟수일 때의 외란 데이터,는 해당 온도에 따라 가변되는 i번째 온도 센서의 총체적 파라메터, 그리고는 i번째 온도 센서의 k번째 샘플링 횟수일 때의 총체적 변수의 값을 나타낸다. 상기 외란 데이터 Wi(k)는 선형화 오차를 포함한 주위 부하 등에 의한 외란 데이터를 의미한다. k번째 샘플링 횟수일 때의 압축기 및 냉기 팬의 구동 상태 데이터 u(k)는 아래의 수학식 2와 같이 정규화하였다.
[수학식2]
즉, 압축기 온 상태(Comp. On ) 및 냉기 팬 온 상태(R-fan On)일 때에는 0.4; 압축기 온 상태(Comp. On ) 및 냉기 팬 오프 상태 (R-fan Off)일 때에는 0.2; 압축기 오프 상태(Comp. Off) 및 냉기 팬 온 상태(R-fan On )일 때에는 0.0; 그리고 압축기 오프 상태(Comp. Off) 및 냉기 팬 오프 상태 (R-fan Off)일 때에는 -0.2;의 데이터가 설정된다.
다음에 상기 특성 함수와 상응하는 상기 전달 함수를 설정한다(단계 S2). 여기서 상기 전달 함수는 상기 온도 센서에 대한 동정 모델(Identification model)에 의하여 설정된다. i번째 온도 센서의 출력에 대한 제어 전달 함수는, 아래의 수학식 3과 같은 선형 특성 함수이다.
[수학식 3]
상기 수학식 3을 상기 수학식 1과 비교하면, 우변에서 외란 데이터 Wi(k)가 없음을 알 수 있다.
다음에 상기 특성 함수의 값과 상기 전달 함수의 값의 차이 즉, 출력 오차 e에 대한 허용 한계값을 설정한다(단계 S3). i번째 센서에 대한 k번째 샘플링 횟수일 때의 출력 오차 ei(k)는 아래의 수학식 4와 같이 정의될 수 있다.
[수학식 4]
그리고 상기 압축기 및 냉기 팬을 구동하여, 상기 출력 오차 e가 상기 허용 한계값이하가 되도록 상기 전달 함수의 파라메터들의 값들을 추정한다(단계 S4). 즉,를 만족하도록 파라메터 수정부(13)에서 상기 전달 함수의 파라메터들의 값들을 수정함으로써, 실제 제어 대상(11)과 유사한 특성의 전달 함수를 구할 수 있다.
설정된 허용 한계값은, 전달 함수의 불감대(不感帶)에 영향을 미치고, 상기 불감대는 전달 함수의 총체적 파라메터의 알고리즘(algorism)에 반영된다. 이에 대한 최적 설정 방법은, 제어 대상(11)으로부터의 외란 데이터 Wi(k)가 소정의 외란 한계값이하임을 만족하는 경우와, 그렇지 않은 경우의 두 가지로 대별될 수 있다.
제어 대상(11)으로부터의 외란 데이터 Wi(k)가 소정의 외란 한계값이하임을 만족하는 경우의 불감대 및 총체적 파라메터의 알고리즘을 설정하기로 한다. 먼저 일반적인 불감대 알고리즘에 의하면, 아래의 수학식 5와 같이 불연속 함수의 불감대가 설정된다.
[수학식 5]
상기 수학식 5에서,는 불감대에 따른 멤버쉽 값을 나타낸다. 즉, 각 출력 오차가 상기 외란 한계값의 2배인 2이상이면 전달 함수의 불감대에 속한다. 여기서 총체적 파라메터의 알고리즘은, 아래의 수학식 6과 같이 설정된다.
[수학식 6]
상기 수학식 6에서,는 k번째 샘플링 횟수일 때의 총체적 파라메터,은 (k-1)번째 샘플링 횟수일 때의 총체적 파라메터, pi(k)는 k번째 샘플링 횟수일 때의 불감대에 따른 멤버쉽 값, ei(k)는 출력 오차,은 i번째 온도 센서의 (k-1)번째 샘플링 횟수일 때의 총체적 변수의 값,는 분모가 0 이 되는 것을 방지하기 위한 실수(實數),은번째 온도 센서의 해당 온도에 따라 가변되는 k번째 샘플링 횟수일 때의 총체적 변수의 값, 그리고는 i번째 온도 센서의 (k-1 )번째 샘플링 횟수일 때의 총체적 변수의 값을 나타낸다. 상기 수학식 6과 같은 총체적 파라메터의 알고리즘은 아래의 수학식 7과 같은 특성을 갖는다.
[수학식 7]
상기 수학식 7에서,는 k번째 샘플링 횟수일 때의 총체적 파라메터의 값,는 상기 수학식 1의 특성 함수의번째 온도 센서의 총체적 파라메터,는 (k-1 )번째 샘플링 횟수일 때의 총체적 파라메터의 값,는의 벡터 크기(Euclidean Norm), 그리고는의 집합 원소들 중에서 최대값을 나타낸다. 여기서의 의미는, 제어 대상(11)으로부터의 외란 데이터 Wi(k)가 소정의 외란 한계값이하임을 만족함에 따라, i번째 온도 센서의 k번째 샘플링 횟수일 때의 총체적 변수의 값가 안정됨을 의미한다.
이와 같이 일반적인 불감대 알고리즘에 의하면,번째 온도 센서의 k번째 샘플링 횟수일 때의 불감대 Di(k)는,로서 i번째 온도 센서의 k번째 외란 한계값의 4배인 4이다. 따라서 상대적으로 적응 동작이 이루어지지 않는 영역이 커지는 단점이 있다.
상기와 같은 단점을 개선하기 위하여, 퍼지 불감대 알고리즘에 의하여 전달 함수의 총체적 파라메터를 구하는 것이 필요하다. 이를 위하여 먼저 아래의 수학식 8과 같은 퍼지 집합을 정의한다.
[수학식 8]
상기 수학식 8은, 퍼지 집합 D가 실수인 퍼지 멤버쉽 변수 x에 따라 변화되는 함수값들를 그 원소들로 취한다는 의미이다. 여기서 함수는 아래의 수학식 9와 같이 정의된다.
[수학식 9]
상기 수학식 8 및 수학식 9에서, k번째 샘플링 횟수일 때의 출력 오차 ei(k)가 상기 퍼지 집합 D에 속할 수 있는 멤버쉽 값 ai(k)는 아래의 수학식 10과 같이 표현될 수 있다.
[수학식 10]
이에 따라, 퍼지 불감대의 경계 멤버쉽 값 Pi(k)는 아래의 수학식 11과 같이 결정된다.
[수학식 11]
상기 수학식 11에 나타난 바와 같이, 상기 퍼지 불감대의 경계 멤버쉽 값 Pi(k)는 구간 [0, 1] 내에서 값을 취하는 연속 함수임을 알 수 있다. 여기서 총체적 파라메터의 알고리즘은, 아래의 수학식 12와 같이 설정된다.
[수학식 12]
상기 수학식 12와 같은 총체적 파라메터의 알고리즘은 아래의 수학식 13과 같은 특성을 갖는다.
[수학식 13]
상기 수학식 13의 특성들을 상기 수학식 7의 특성들과 비교하여 보면, 상기 퍼지 불감대를 이용한 전달 함수의 알고리즘이, 상기 일반 불감대를 이용한 전달 함수의 알고리즘에 비하여, 출력 오차 ei(k)를 최대 50 %까지 줄일 수 있음을 알 수 있다.
상기와 같이 설정된 전달 함수는, 제어 대상(11)으로부터의 외란 데이터 wi(k)가 소정의 외란 한계값이하임을 만족하는 경우에 한한다. 그러나 실제 제어 대상(11)에서는 외란 한계값를 결정할 수 없는 경우도 자주 발생한다. 따라서 이와 같은 경우의 불감대 및 총체적 파라메터의 알고리즘을 설정하기로 한다. 이를 위하여, 외란 한계값이 소정의 시간 구역 별로 나타나는 출력 오차 ei(k)의 평균으로써 설정되는 것이 바람직하다.
먼저 외란 한계값를 아래의 수학식 14와 같이 설정한다. 아래의 수학식 14에 나타난 바와 같이, 외란 한계값가 소정의 시간 구역 p 별로 나타나는 출력 오차 ei(k)의 평균임을 알 수 있다.
[수학식 14]
이에 따라, 아래의 수학식 15와 같은 퍼지 불감대 Di(k)를 설정한다.
[수학식 15]
여기서는, 시간 구역 p 동안에 나타나는 출력 오차 ei(k)의 변동율을 의미한다. 상기 상기 수학식 15에 표현된 바와 같이, 적응 동작이 시작되어 비교적 오차가 클 때에는 퍼지 불감대 Di(k)가 적어짐을 알 수 있다. 이와 반대로 제어 대상(11) 즉, 냉장고의 시스템이 안정되어 비교적 오차가 적을 때에는 퍼지 불감대 Di(k)가 커짐을 알 수 있다. 즉, 오차가 클수록 제어의 정확도 및 정밀도를 높일 수 있는 한편, 오차가 적을수록 제어의 속도를 높일 수 있다. 여기서 퍼지 불감대의 경계 멤버쉽 값 pi(k), 및 출력 오차 ei(k)가 상기 퍼지 집합 D에 속할 수 있는 멤버쉽 값 ai(k)는, 아래의 수학식 16과 같이 설정된다.
[수학식 16]
즉, 상기 수학식 16을 상기 수학식 12에 반영함으로써, 외란에 대한 정확한 정보가 없어서 외란 한계값 ai(k)를 결정하지 못한 경우, 자동적으로 퍼지 불감대 Di(k)를 결정할 수 있다.
도 2는 본 실시예의 퍼지 불감대를 설명하기 위한 특성도이다. 도 2에 도시된 바와 같이 제1 센서에 대한 k번째 샘플링 횟수일 때의 퍼지 불감대 Di(k)는,의 범위를 갖게 되고, 이에 대한 퍼지 집합 D에 속할 수 있는 멤버쉽 값 ai(k)가 정해진다.
상기와 같은 전달 함수 설정 알고리듬의 성능을 평가하기 위하여, 상호 간섭을 갖는 시스템들에 대하여 파라메터 추정 실험을 시도하였다. 즉, 본 실시예의 퍼지 적응 모델(12)이 얼마나 제어 대상(11)의 파라메터에 접근하며, 출력 오차는 어느 정도 향상되었는지를 파악하였다. 상기 상호 간섭을 갖는 제어 대상(11)들의 특성 함수들은 아래의 수학식 17에 표현된 바와 같다.
[수학식 17]
시스템 Y1의 파라메터 추정 결과는 아래의 표 1에서 보여준다.
[표 1]
시스템 Y1의 파라메터 추정결과
여기서 불감대는 상기 일반적인 불감대를 적용한 경우를, 그리고 퍼지 불감대는 상기 퍼지 불감대를 적용한 경우를 의미한다. 시스템 Y2의 파라메터 추정 결과는 아래의 표 2에서 보여준다.
[표 2]
시스템 Y2의 파라메터 추정결과
상기 표 1 및 표 2의 결과에 따른 파라메터 벡터의 추정 오차는 아래의 표 3에서 보여 준다.
[표 3]
파라메터의 벡터의 추정오차
상기 표들에서 나타난 바와 같이, 퍼지 불감대를 사용한 알고리즘이 일반 불감대를 사용한 경우에 비하여, 보다 높은 제어의 정확도 및 정밀도를 갖게 된다.
도 3은 본 실시예에 따라 파라메터 벡터와 출력 오차를 추정하기 위한 냉장실 내부의 온도 센서 배치도이다. 도 3에서 부호 1은 냉장실 내부의 좌측면, 2는 우측면, 3은 배면, 41은 상단 선반, 42는 중단 선반, 43은 하단 선반을 나타낸다. 도 3에 도시된 바와 같이 온도 센서들을 배치한 후, 샘플링 주기를 30 초로하여 본 실시예의 알고리듬을 실행하였다. 샘플링된 실측 데이터를 이용하여 적응 모델을 온라인으로 학습시킨 뒤, 6 개의 센서 영역에서 출력 오차를 계산하였다. 그 결과는 아래의 표 4에서 보여준다.
[표 4]
각 영역에 있어서의 추정된 파라미터벡터와 오차
상기 표 4에서, a, b는 상기 수학식 3의 파라메터들을 나타내며, 샘플링 구간 90에서 120까지의 31 개의 샘플링 측정 데이터와 모델과의 추정 오차의 합을 나타내고 있다.
이상 설명된 바와 같이 본 발명에 따른 냉장고 온도 제어를 위한 전달 함수 설정 방법에 의하면, 제조되는 냉장고의 고유 특성 별로 최적의 전달 함수를 설정할 수 있으므로, 냉장고의 온도 제어를 최대한 정확하고 정밀하게 수행할 수 있다.

Claims (22)

  1. 냉장고의 냉장실 내부 온도와, 압축기 및 냉기 팬의 구동 상태에 따른 데이터를 입력받아, 상기 압축기 및 냉기 팬에 대한 제어 출력 데이터를 발생시키기 위한 전달 함수를 설정하는 방법에 있어서,
    (S1) 상기 냉장실 내부의 현재 온도, 상기 압축기 및 냉기 팬의 현재 구동 상태 및 그 파라메터들을 변수로 하여, 상기 냉장실 내부의 차기 온도를 구하는 특성 함수를 설정하는 단계;
    (S2) 상기 특성 함수와 상응하는 상기 전달 함수를 설정하는 단계;
    (S3) 상기 특성 함수의 값과 상기 전달 함수의 값의 차이에 대한 허용 한계값을 설정하는 단계; 및
    (S4) 상기 압축기 및 냉기 팬을 구동하여, 상기 실제 함수의 값과 상기 전달 함수의 값의 차이가 상기 허용 한계값 이하가 되도록 상기 전달 함수의 파라메터들의 값들을 추정하는 단계;를 포함하는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  2. 제1항에 있어서, 상기 단계 S1에서 설정된 특성 함수는,
    비선형 함수인 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  3. 제2항에 있어서, 상기 단계 S1에서 설정된 특성 함수는,
    i번째 온도 센서에 대하여 아래의 수학식과 같은 비선형 특성 함수를 갖는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    i : 센서의 일련 번호,
    k : 샘플링 횟수,
    si: i번째 온도 센서의 출력 데이터,
    si(k+1) :(k+1)번째 샘플링 횟수일 때의 i번째 온도 센서의 출력 데이터,
    si(k1) : k번째 샘플링 횟수일 때의 i번째 온도 센서의 출력 데이터,
    si(k-1): (k-1)번째 샘플링 횟수일 때의 i번째 온도 센서의 출력 데이터,
    u(k) : k번째 샘플링 횟수일 때의 압축기 및 냉기 팬의 구동 상태 데이터, u(k-1): (k-1)번째 샘플링 횟수일 때의 압축기 및 냉기 팬의 구동 상태 데이터,
    ai1, ai2, bi1, bi2: i번째 온도 센서의 각 변수에 대한 파라메터,
    wi(k) : k번째 샘플링 횟수일 때의 외란 데이터,
    : 해당 온도에 따라 가변되는 i번째 온도 센서의 총체적 파라메터,
    : i번째 온도 센서의 k번째 샘플링 횟수일 때의 총체적 변수의 값
  4. 제3항에 있어서, 상기 외란 데이터는,
    선형화 오차를 포함한 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  5. 제4항에 있어서, 상기 단계 S2에서 설정된 전달 함수는,
    상기 온도 센서에 대한 동정 모델에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  6. 제5항에 있어서, 상기 단계 S2에서 설정된 전달 함수는,
    선형 특성 함수인 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  7. 제6항에 있어서, 상기 단계 S2에서 설정된 전달 함수는,
    i번째 온도 센서에 대하여 아래의 수학식과 같은 비선형 특성 함수를 갖는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  8. 제7항에 있어서, 상기 단계 S3에서 i번째 센서에 대한 k번째 샘플링 횟수일 때의 출력 오차 ei(k)는,
    아래의 수학식과 같이 정의되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  9. 제8항에 있어서, 상기 전달 함수의 총체적 파라메터는,
    상기 전달 함수의 불감대에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  10. 제8항에 있어서, 상기 단계 S4는,
    아래의 수학식과 같은 퍼지 집합 D를 설정하는 단계가 포함되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    x : 퍼지 멤버쉽 변수,
    : 상기에 따라 변화되는 함수.
  11. 제10항에 있어서, 상기 함수는,
    아래의 수학식과 같이 정의되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    : 외란 한계값.
  12. 제11항에 있어서,
    k번째 샘플링 횟수일 때의 출력 오차 ei(k)가 상기 퍼지 집합 D에 속할 수 있는 멤버쉽 값 ai(k)는 아래의 수학식에 의하여 구해지는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  13. 제12항에 있어서,
    퍼지 불감대의 경계 멤버쉽 값 pi(k)는 아래의 수학식에 의하여 결정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  14. 제13항에 있어서, 상기 총체적 파라메터의 알고리즘은,
    아래의 수학식에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    :번째 샘플링 횟수일 때의 총체적 파라메터,
    : (k-1)번째 샘플링 횟수일 때의 총체적 파라메터,
    pi(k) : k번째 샘플링 횟수일 때의 불감대에 따른 멤버쉽 값,
    ei(k) : 출력 오차,
    : i번째 온도 센서의 (k-1)번째 샘플링 횟수일 때의 총체적 변수의 값,
    : 분모가 0 이 되는 것을 방지하기 위한 실수,
    : i번째 온도 센서의 해당 온도에 따라 가변되는 k번째 샘플링 횟수일 때의 총체적 변수의 값,
    : i번째 온도 센서의 (k-1 )번째 샘플링 횟수일 때의 총체적 변수의 값.
  15. 제14항에 있어서, 상기 총체적 파라메터는,
    아래의 수학식들과 같은 특성을 갖는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    :번째 샘플링 횟수일 때의 총체적 파라메터의 값,
    : 상기 특성 함수의번째 온도 센서의 총체적 파라메터,
    : (-1 )번째 샘플링 횟수일 때의 총체적 파라메터의 값,
    : 외란 데이터가 소정의 외란 한계값이하임을 만족함에 따라, i번째 온도 센서의 k번째 샘플링 횟수일 때의 총체적 변수의 값가 안정됨.
  16. 제14항에 있어서, 상기 전달 함수는,
    외란 데이터가 소정의 외란 한계값이하임을 만족하는 경우에 적용되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  17. 제10항에 있어서, 상기 외란 한계값는,
    소정의 시간 구역 별로 나타나는 출력 오차 ei(k)의 평균으로써 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  18. 제17항에 있어서, 상기 외란 한계값는,
    아래의 수학식에 의하여 구해지는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    p : 소정의 시간 구역.
  19. 제18항에 있어서, 상기 외란 한계값에 의한 퍼지 불감대 Di(k)는,
    아래의 수학식에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  20. 제19항에 있어서, 상기는,
    상기 시간 구역 p 동안에 나타나는 출력 오차 ei(k)의 변동율인 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  21. 제20항에 있어서, 상기 퍼지 불감대의 경계 멤버쉽 값 pi(k), 및 출력 오차 ei(k)가 상기 퍼지 집합 D에 속할 수 있는 멤버쉽 값 ai(k)는,
    아래의 수학식에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
  22. 제21항에 있어서, 상기 총체적 파라메터의 알고리즘은,
    아래의 수학식에 의하여 설정되는 것을 그 특징으로 하는 냉장고 온도 제어를 위한 전달 함수 설정 방법.
    : k번째 샘플링 횟수일 때의 총체적 파라메터,
    : (k-1)번째 샘플링 횟수일 때의 총체적 파라메터,
    : k번째 샘플링 횟수일 때의 불감대에 따른 멤버쉽 값,
    : 출력 오차,
    : i번째 온도 센서의 (k-1)번째 샘플링 횟수일 때의 총체적 변수의 값,
    : 분모가 0 이 되는 것을 방지하기 위한 실수,
    : i번째 온도 센서의 해당 온도에 따라 가변되는 k번째 샘플링 횟수일 때의 총체적 변수의 값,
    : i번째 온도 센서의 (k-1)번째 샘플링 횟수일 때의 총체적 변수의 값.
KR1019960055367A 1996-11-15 1996-11-15 냉장고 온도 제어를 위한 전달 함수 설정 방법 KR100188970B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1019960055367A KR100188970B1 (ko) 1996-11-15 1996-11-15 냉장고 온도 제어를 위한 전달 함수 설정 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1019960055367A KR100188970B1 (ko) 1996-11-15 1996-11-15 냉장고 온도 제어를 위한 전달 함수 설정 방법

Publications (2)

Publication Number Publication Date
KR19980036753A KR19980036753A (ko) 1998-08-05
KR100188970B1 true KR100188970B1 (ko) 1999-06-01

Family

ID=19482500

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019960055367A KR100188970B1 (ko) 1996-11-15 1996-11-15 냉장고 온도 제어를 위한 전달 함수 설정 방법

Country Status (1)

Country Link
KR (1) KR100188970B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102549501B1 (ko) 2021-12-08 2023-06-29 대한민국 전달함수를 이용한 서로 다른 환경 온도 균일화 방법

Also Published As

Publication number Publication date
KR19980036753A (ko) 1998-08-05

Similar Documents

Publication Publication Date Title
US9625196B2 (en) System and method for controlling of vapor compression system
Skrjanc et al. Predictive functional control based on fuzzy model for heat-exchanger pilot plant
US5268835A (en) Process controller for controlling a process to a target state
US20020016656A1 (en) Cooling system controller for vehicle
US7331191B2 (en) Heating, ventilation and air conditioning (HVAC) system and method using feedback linearization
JP4022202B2 (ja) 冷却システムのための自己調整引下げファジー論理温度制御
US4744511A (en) Air conditioner for automobiles
US11085663B2 (en) Building management system with triggered feedback set-point signal for persistent excitation
CN108895618B (zh) 基于神经网络的空调控制方法
EP0803689B1 (en) Temperature control of an appliance using ambient air temperature determination
US5673565A (en) Defrosting method and apparatus for freezer-refrigerator using GA-fuzzy theory
EP0176323B1 (en) Electronically controlled fuel injection based on minimum time control for diesel engines
CN110094838B (zh) 一种基于空调系统的可变参数无模型自适应控制方法
US5907953A (en) Temperature controlling method and apparatus for refrigerator using velocity control of rotary blade
JP2002287804A (ja) 規範モデル適応型制御システムおよび規範モデル適応型制御方法
KR100188970B1 (ko) 냉장고 온도 제어를 위한 전달 함수 설정 방법
Pereira et al. Adaptive RBFNN versus conventional self-tuning: comparison of two parametric model approaches for non-linear control
US20040148059A1 (en) Limit cycle autotuning method and heat/cool control apparatus
JPH09159284A (ja) 空気調和機の膨張弁制御装置
JP3489281B2 (ja) 空気調和機の膨張弁制御装置
CN115756045A (zh) 基于信息融合补偿的冷链储运环境温湿度控制方法、装置
CN116576600A (zh) 一种制冷系统间室温度快速稳定控制方法
EP1405992B1 (en) Control system for controlling a vehicle engine cooling system
Almutairi et al. A modified PI control action with a robust adaptive fuzzy controller applied to DC motor
JPH06281266A (ja) エアコン

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20101230

Year of fee payment: 13

LAPS Lapse due to unpaid annual fee