KR20210013971A - Automatic learning tuning system of motor controller using PSO - Google Patents

Automatic learning tuning system of motor controller using PSO Download PDF

Info

Publication number
KR20210013971A
KR20210013971A KR1020190091903A KR20190091903A KR20210013971A KR 20210013971 A KR20210013971 A KR 20210013971A KR 1020190091903 A KR1020190091903 A KR 1020190091903A KR 20190091903 A KR20190091903 A KR 20190091903A KR 20210013971 A KR20210013971 A KR 20210013971A
Authority
KR
South Korea
Prior art keywords
motor controller
gain value
motor
gain
pso algorithm
Prior art date
Application number
KR1020190091903A
Other languages
Korean (ko)
Other versions
KR102382047B1 (en
Inventor
김푸름
김현식
김범승
Original Assignee
김푸름
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 김푸름 filed Critical 김푸름
Priority to KR1020190091903A priority Critical patent/KR102382047B1/en
Publication of KR20210013971A publication Critical patent/KR20210013971A/en
Application granted granted Critical
Publication of KR102382047B1 publication Critical patent/KR102382047B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors

Abstract

According to the present invention, provided is a motor controller tuning method for setting a gain value of a motor controller for controlling an operation of a motor which comprises the steps of: setting at least one parameter related to an operating condition of a motor controller; calculating a gain value of the motor controller corresponding to the set parameter by using a PSO algorithm; learning the gain value calculated by the PSO algorithm; and recalculating the gain value of the motor controller based on a learning result.

Description

PSO를 이용한 모터 제어기의 자동 학습 튜닝 시스템{Automatic learning tuning system of motor controller using PSO}Automatic learning tuning system of motor controller using PSO

본 발명은 자동 학습 시스템에 관한 것이다. 보다 자세하게는 PSO를 이용한모터 제어기의 자동 학습 튜닝 시스템에 관한 것으로, PSO 최적화 알고리즘을 활용하여 최적의 게인값을 찾아 사용자에게 제공할 수 있는 제어기의 자동 학습 튜닝 시스템에 관한 것이다.The present invention relates to an automatic learning system. More specifically, it relates to an automatic learning tuning system for a motor controller using a PSO, and to an automatic learning tuning system for a controller capable of providing a user with an optimal gain value using a PSO optimization algorithm.

모터는 동력을 제공하는 기계로, 이를 정밀하게 제어하는 것은 기계의 정확한 작동을 위해 최우선적으로 해결되어야 하는 과제이다. 일반적으로는 모터 제어를 위해 PID, SF 등의 방식을 이용한 제어기를 사용하고 있다. 이러한 제어기는 설계가 용이하며 안정적인 결과를 얻어내나, 시스템의 모델이 반영되지 않아 원하는 시스템에 최적화된 솔루션을 도출하기 어렵고, 사용자가 직접 파라미터 값들을 변환시켜 시행오차를 겪어가며 적절한 기준값을 찾아가야 하기에 원하는 목표값을 찾기까지 상당한 시간이 소요된다는 문제점이 있다.A motor is a machine that provides power, and precise control of it is a top priority to solve for the correct operation of the machine. In general, a controller using a method such as PID or SF is used for motor control. Such a controller is easy to design and produces stable results, but it is difficult to derive an optimized solution for the desired system because the model of the system is not reflected, and the user must directly convert the parameter values to undergo trial errors and find the appropriate reference value. There is a problem that it takes a considerable amount of time to find the desired target value.

본 발명의 기술적 과제는 사용자가 직접 파라미터 값을 찾지 않고도 최적의 모터 제어를 위한 목표값을 얻을 수 있도록 하는 PSO를 이용한 모터 제어기의 자동 학습 튜닝 시스템을 제공하는 것이다.An object of the present invention is to provide an automatic learning tuning system for a motor controller using a PSO that enables a user to obtain a target value for optimal motor control without directly searching for a parameter value.

본 발명의 다른 기술적 과제는 사용자가 직접 파라미터 값을 입력하지 않고도 인공지능을 활용하여 생성된 모터 모델을 통해 모터를 제어할 수 있도록 하는 PSO를 이용한 모터 제어기의 자동 학습 튜닝 시스템을 제공하는 것이다.Another technical problem of the present invention is to provide an automatic learning tuning system for a motor controller using a PSO that enables a user to control a motor through a motor model generated using artificial intelligence without directly inputting a parameter value.

본 발명의 또다른 기술적 과제는 원하는 시스템에 최적화된 솔루션을 도출할 수 있도록 해당 시스템의 모델을 반영할 수 있는 PSO를 이용한 모터 제어기의 자동 학습 튜닝 시스템을 제공하는 것이다.Another technical problem of the present invention is to provide an automatic learning tuning system for a motor controller using a PSO that can reflect a model of a corresponding system so that a solution optimized for a desired system can be derived.

본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 예시적 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problems to be achieved by the present invention are not limited to the exemplary technical problems mentioned above, and other technical problems that are not mentioned will be clearly understood by those skilled in the art from the following description.

상술한 과제를 해결하기 위하여, 본 발명에 따른 모터 제어기 튜닝 방법은, 상기 모터 제어기의 동작 조건과 관련된 적어도 하나의 파라미터를 설정하는 단계와, PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산하는 단계와, 상기 PSO 알고리즘에 의해 계산된 이득 값을 학습하는 단계 및 학습결과에 근거하여, 상기 모터 제어기의 이득 값을 재산출하는 단계를 포함하는 것을 특징으로 한다.In order to solve the above problems, the motor controller tuning method according to the present invention includes the steps of setting at least one parameter related to an operating condition of the motor controller, and the motor controller corresponding to the set parameter using a PSO algorithm. And calculating a gain value of, learning a gain value calculated by the PSO algorithm, and recalculating a gain value of the motor controller based on the learning result.

일 실시예에 있어서, 상기 모터 제어기의 동작 조건과 관련된 파라미터는, 상기 모터 제어기의 에러 크기와 관련된 제1 설정변수 및 상기 모터 제어기의 도달 시간(Settling Time)과 관련된 제2 설정변수 중 적어도 하나를 포함하는 것을 특징으로 한다.In one embodiment, the parameter related to the operating condition of the motor controller includes at least one of a first set variable related to an error size of the motor controller and a second set variable related to a settling time of the motor controller. It characterized in that it includes.

일 실시예에 있어서, 상기 PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산하는 단계는, 상기 제1 및 제2 설정변수의 값을 결정하는 과정과, 상기 모터 제어기에 적용되는 적합함수를 산출하는 과정과, 상기 제1 및 제2 설정변수의 값과, 상기 적합함수를 이용하여, 상기 모터 제어기의 이득 값을 결정하는 과정을 포함하는 것을 특징으로 한다.In one embodiment, the calculating of the gain value of the motor controller corresponding to the set parameter using the PSO algorithm includes the process of determining values of the first and second set variables, and the motor controller And a process of calculating an applied fit function, and a process of determining a gain value of the motor controller using the values of the first and second set variables and the fit function.

일 실시예에 있어서, 상기 모터 제어기의 이득 값을 결정하는 과정은, 입자군 최적화 형태의 수학적 기법을 이용함으로써, 상기 적합함수의 결과값이 최대 또는 최소인 것으로 결정될 수 있는 전역적인 이득 값을 도출하는 것을 특징으로 한다.In one embodiment, the process of determining the gain value of the motor controller is to derive a global gain value that can be determined as the maximum or minimum result value of the fit function by using a particle group optimization type mathematical technique. Characterized in that.

일 실시예에 있어서, 상기 모터 제어기의 이득 값을 결정하는 과정은, 상기 PSO 알고리즘에 근거하여, 상기 모터 제어기의 이득 범위를 설정하고, 산출된 이득 값과 설정된 이득 범위를 비교하여, 산출된 이득 값을 다시 계산할지 여부를 결정하는 것을 특징으로 한다.In one embodiment, the process of determining the gain value of the motor controller includes setting a gain range of the motor controller based on the PSO algorithm, comparing the calculated gain value with the set gain range, and the calculated gain It is characterized in that it is determined whether to recalculate the value.

일 실시예에 있어서, 상기 모터 제어기는 PID 제어기인 것을 특징으로 한다.In one embodiment, the motor controller is characterized in that the PID controller.

일 실시예에 있어서, 외부 서버와 통신을 수행하여, 상기 PSO 알고리즘 수행 방법을 업데이트하는 단계를 더 포함하고, 상기 외부 서버는 상기 모터 제어기의 이득 계산을 최적화하기 위한, 인공신경망으로 구현되는 학습 엔진을 탑재하는 것을 특징으로 한다.In one embodiment, further comprising the step of performing communication with an external server to update the method of performing the PSO algorithm, wherein the external server is a learning engine implemented as an artificial neural network for optimizing a gain calculation of the motor controller It characterized in that it is equipped with.

일 실시예에 있어서, 상기 PSO 알고리즘에 의해 계산된 이득 값을 학습하는 단계는, 상기 이득 값이 계산된 후, 상기 모터 제어기의 동작과 관련된 특징 변수(Feature)를 모니터링하는 과정과, 모니터링 결과를 상기 외부 서버로 전송하는 과정 및 상기 외부 서버로부터 상기 모터 제어기의 이득 값과 관련된 응답을 수신하는 과정을 포함하는 것을 특징으로 한다.In one embodiment, the learning of the gain value calculated by the PSO algorithm includes: after the gain value is calculated, a process of monitoring a feature related to the operation of the motor controller and a monitoring result And a process of transmitting to the external server and receiving a response related to a gain value of the motor controller from the external server.

일 실시예에 있어서, 상기 모터 제어기의 이득 값은, 상기 제1 및 제2 설정변수 각각에 대하여 개별적인 가중치를 부여하여 산출되는 것을 특징으로 한다.In one embodiment, the gain value of the motor controller is calculated by assigning individual weights to each of the first and second set variables.

일 실시예에 있어서, 상기 모터 제어기의 이득 값이 결정된 후, 상기 모터 제어기의 동작을 시뮬레이션하는 단계 및 상기 시뮬레이션과 대응되는 전류 파형의 특성을 추출하는 단계를 더 포함하는 것을 특징으로 한다.In one embodiment, after the gain value of the motor controller is determined, the step of simulating the operation of the motor controller and extracting a characteristic of a current waveform corresponding to the simulation is characterized in that it further comprises.

일 실시예에 있어서, 상기 전류 파형의 특성에 근거하여, 상기 이득 값의 재산출 여부를 결정하는 단계를 더 포함하는 것을 특징으로 한다.In one embodiment, the method further comprises determining whether to recalculate the gain value based on the characteristics of the current waveform.

본 발명에 따르면, 사용자가 직접 파라미터 값을 찾지 않고도 최적의 모터 제어를 위한 목표값을 얻을 수 있어, 작업 시간을 최소화할 수 있는 효과가 있다.According to the present invention, a user can obtain a target value for optimal motor control without directly searching for a parameter value, thereby minimizing working time.

본 발명에 따르면, 인공지능을 활용하여 생성된 모델을 통해 PSO 알고리즘을 실시할 수 있어, 복잡한 시스템에 대한 최적화가 가능하다는 효과가 있다.According to the present invention, it is possible to implement a PSO algorithm through a model generated using artificial intelligence, thereby enabling optimization for a complex system.

본 발명에 따르면, 인공지능을 활용하여 모터에 대한 모델을 생성하고 해당 모델을 이용하여 최적의 파라미터를 얻을 수 있어, 시스템 관리의 용이성을 증대시키는 효과가 있다.According to the present invention, it is possible to generate a model for a motor using artificial intelligence and obtain an optimum parameter using the model, thereby increasing the ease of system management.

도 1은 종래의 모터 튜닝 시스템을 나타내는 블록도.
도 2는 본 발명에서 제안하는 모터 튜닝 시스템을 나타내는 블록도.
도 3은 모터 튜닝 시스템에 적용되는 PSO 알고리즘을 나타내는 블록도.
도 4는 본 발명에 따른 모터 튜닝 방법을 나타내는 흐름도.1 is a block diagram showing a conventional motor tuning system.
2 is a block diagram showing a motor tuning system proposed in the present invention.
3 is a block diagram showing a PSO algorithm applied to a motor tuning system.
4 is a flow chart showing a motor tuning method according to the present invention.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 명세서에 개시된 기술의 사상을 한정하려는 의도가 아님을 유의해야 한다.Hereinafter, embodiments disclosed in the present specification will be described in detail with reference to the accompanying drawings, but the technical terms used in this specification are used only to describe specific embodiments, and are intended to limit the spirit of the technology disclosed in the present specification. It should be noted that it is not.

먼저, 도 1에서는 종래의 모터 튜닝 시스템(100)이 설명된다.First, a conventional motor tuning system 100 is described in FIG. 1.

도 1에서 도시된 바와 같이, 종래 모터 튜닝 시스템(100)에서는 소정의 제어기에서 사용되는 복수의 파라미터를 사용자가 복수 회 변경하면서, 사용자가 원하는 모터 제어기(101)의 게인 값이 도출될 때까지, 반복적으로 튜닝 작업을 수행하였다.As shown in FIG. 1, in the conventional motor tuning system 100, while a user changes a plurality of parameters used in a predetermined controller a plurality of times, until a gain value of the motor controller 101 desired by the user is derived, Tuning was performed repeatedly.

즉, 사용자는 모터 제어기(101)의 동작과 관련된 복수의 파라미터를 변경하면서, 인버터(102) 및 모터(103)의 출력을 모니터링한다. 모터 제어기의 이득(Gain) 값은 상기 모니터링 결과에 근거하여 최종적으로 결정된다.That is, the user monitors the outputs of the inverter 102 and the motor 103 while changing a plurality of parameters related to the operation of the motor controller 101. The gain value of the motor controller is finally determined based on the monitoring result.

이러한 종래의 튜닝 방법은, 사용자가 모터가 적용될 제품군이 변경될 때마다 반복적으로 수행해야만하는 불편함을 초래하였다. 또한, 튜닝을 수행할 때마다 일정 시간이 소요되는 문제점도 있었다.This conventional tuning method has caused inconvenience in that the user must repeatedly perform each time a product product to which the motor is applied is changed. In addition, there is a problem that a certain time is required each time tuning is performed.

따라서, 본 발명에서는 PSO(Particle Swarm Optimization) 알고리즘을 이용하여, 모터 튜닝을 자율적으로 수행하는 모터 튜닝 시스템을 제안한다. 이하에서는 본 발명에서 제안되는 모터 튜닝 시스템의 실시예들이 설명된다.Accordingly, the present invention proposes a motor tuning system that autonomously performs motor tuning using a Particle Swarm Optimization (PSO) algorithm. Hereinafter, embodiments of the motor tuning system proposed in the present invention will be described.

도 2를 참조하면, 본 발명에 따른 모터 튜닝 시스템(100)은, 모터 제어기의 게인 값을 자율적으로 산출하는 최적화부(201)를 포함할 수 있다.Referring to FIG. 2, the motor tuning system 100 according to the present invention may include an optimization unit 201 for autonomously calculating a gain value of a motor controller.

또한, 모터 튜닝 시스템(100)는 모터 제어기(101)와, 인버터(102) 및 모터(102)를 포함할 수 있다. 일 예에서, 모터 제어기(101)는 PID 제어기일 수 있다.Further, the motor tuning system 100 may include a motor controller 101, an inverter 102 and a motor 102. In one example, motor controller 101 may be a PID controller.

일 실시예에서, 최적화부(201)는 PSO 알고리즘을 이용하여, 모터 제어기의 게인 값을 산출할 수 있다.In an embodiment, the optimizer 201 may calculate a gain value of the motor controller using a PSO algorithm.

구체적으로, 최적화부(201)는, 모터 제어기의 동작 조건과 관련된 적어도 하나의 파라미터를 설정할 수 있다. 일 예에서, 최적화부(201)는 모터 튜닝 시스템(100)의 입력부(미도시)를 통해 인가된 사용자 입력을 이용하여, 상기 파라미터를 설정할 수 있다.Specifically, the optimization unit 201 may set at least one parameter related to an operating condition of the motor controller. In one example, the optimization unit 201 may set the parameter by using a user input applied through an input unit (not shown) of the motor tuning system 100.

또한, 최적화부(201)는 PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산할 수 있다.In addition, the optimizer 201 may calculate a gain value of the motor controller corresponding to a set parameter using a PSO algorithm.

또한, 최적화부(201)는 상기 PSO 알고리즘에 의해 계산된 이득 값을 학습할 수 있다. 예를 들어, 최적화부(201)는 인공 신경망을 이용하거나, 머신 러닝을 잉요하여, 상기 PSO 알고리즘에 의해 계산된 이득 값을 학습할 수 있다.In addition, the optimizer 201 may learn a gain value calculated by the PSO algorithm. For example, the optimizer 201 may learn a gain value calculated by the PSO algorithm by using an artificial neural network or machine learning.

아울러, 최적화부(201)는 계산된 이득 값 또는 학습된 이득 값에 근거하여, 모터 제어기의 이득 값을 최종적으로 설정할 수 있다. 즉, 최적화부(201)는 계산된 이득 값 또는 학습된 이득 값에 근거하여, 모터 제어기의 이득 값을 재산출할 수 있다.In addition, the optimizer 201 may finally set the gain value of the motor controller based on the calculated gain value or the learned gain value. That is, the optimizer 201 may recalculate the gain value of the motor controller based on the calculated gain value or the learned gain value.

일 실시예에 있어서, 상기 모터 제어기의 동작 조건과 관련된 파라미터는, 상기 모터 제어기의 에러 크기와 관련된 제1 설정변수 및 상기 모터 제어기의 도달 시간(Settling Time)과 관련된 제2 설정변수 중 적어도 하나를 포함할 수 있다.In one embodiment, the parameter related to the operating condition of the motor controller includes at least one of a first set variable related to an error size of the motor controller and a second set variable related to a settling time of the motor controller. Can include.

일 예에서, 상기 제2 설정변수는, 모터 제어기(101)의 속도 이득 값 및 전류 이득 값 중 적어도 하나를 포함할 수 있다.In one example, the second setting variable may include at least one of a speed gain value and a current gain value of the motor controller 101.

일 실시예에 있어서, 최적화부(201)가 상기 PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산하는 단계는, 상기 제1 및 제2 설정변수의 값을 결정하는 과정과, 상기 모터 제어기에 적용되는 적합함수를 산출하는 과정과, 상기 제1 및 제2 설정변수의 값과, 상기 적합함수를 이용하여, 상기 모터 제어기의 이득 값을 결정하는 과정을 포함할 수 있다.In one embodiment, the step of calculating, by the optimizer 201, a gain value of the motor controller corresponding to a set parameter using the PSO algorithm, a process of determining values of the first and second set variables And, a process of calculating a fit function applied to the motor controller, and a process of determining a gain value of the motor controller by using the values of the first and second set variables and the fit function. .

일 실시예에 있어서, 최적화부(201)가 상기 모터 제어기의 이득 값을 결정하는 과정은, 입자군 최적화 형태의 수학적 기법을 이용함으로써, 상기 적합함수의 결과값이 최대 또는 최소인 것으로 결정될 수 있는 전역적인 이득 값을 도출할 수 있다.In one embodiment, the process of determining the gain value of the motor controller by the optimizer 201 may be determined that the resultant value of the fit function is the maximum or minimum by using a mathematical technique in the form of particle group optimization. The global gain value can be derived.

일 실시예에 있어서, 최적화부(201)가 상기 모터 제어기의 이득 값을 결정하는 과정은, 상기 PSO 알고리즘에 근거하여, 상기 모터 제어기의 이득 범위를 설정하고, 산출된 이득 값과 설정된 이득 범위를 비교하여, 산출된 이득 값을 다시 계산할지 여부를 결정할 수 있다.In one embodiment, the process of determining the gain value of the motor controller by the optimizer 201 includes setting a gain range of the motor controller based on the PSO algorithm, and determining the calculated gain value and the set gain range. By comparison, it is possible to determine whether to recalculate the calculated gain value.

한편, 모터 튜닝 시스템(100)의 통신부(미도시)는 외부 서버와 통신을 수행하여, 상기 PSO 알고리즘 수행 방법을 업데이트할 수 있다. 이때, 상기 외부 서버는 상기 모터 제어기의 이득 계산을 최적화하기 위한, 인공신경망으로 구현되는 학습 엔진을 탑재할 수 있다. Meanwhile, a communication unit (not shown) of the motor tuning system 100 may perform communication with an external server to update the method of performing the PSO algorithm. In this case, the external server may be equipped with a learning engine implemented as an artificial neural network for optimizing the gain calculation of the motor controller.

일 실시예에 있어서, 상기 PSO 알고리즘에 의해 계산된 이득 값을 학습하는 단계는, 상기 이득 값이 계산된 후, 상기 모터 제어기의 동작과 관련된 특징 변수(Feature)를 모니터링하는 과정과, 모니터링 결과를 상기 외부 서버로 전송하는 과정 및 상기 외부 서버로부터 상기 모터 제어기의 이득 값과 관련된 응답을 수신하는 과정을 포함하는 것을 특징으로 한다.In one embodiment, the learning of the gain value calculated by the PSO algorithm includes: after the gain value is calculated, a process of monitoring a feature related to the operation of the motor controller and a monitoring result And a process of transmitting to the external server and receiving a response related to a gain value of the motor controller from the external server.

일 실시예에 있어서, 상기 모터 제어기의 이득 값은, 상기 제1 및 제2 설정변수 각각에 대하여 개별적인 가중치를 부여하여 산출되는 것을 특징으로 한다.In one embodiment, the gain value of the motor controller is calculated by assigning individual weights to each of the first and second set variables.

일 실시예에 있어서, 상기 모터 제어기의 이득 값이 결정된 후, 상기 모터 제어기의 동작을 시뮬레이션하는 단계 및 상기 시뮬레이션과 대응되는 전류 파형의 특성을 추출하는 단계를 더 포함하는 것을 특징으로 한다.In one embodiment, after the gain value of the motor controller is determined, the step of simulating the operation of the motor controller and extracting a characteristic of a current waveform corresponding to the simulation is characterized in that it further comprises.

일 실시예에 있어서, 상기 전류 파형의 특성에 근거하여, 상기 이득 값의 재산출 여부를 결정하는 단계를 더 포함하는 것을 특징으로 한다.In one embodiment, the method further comprises determining whether to recalculate the gain value based on the characteristics of the current waveform.

도 3은 최적화부(201)의 세부 구성요소를 보다 구체화시킨 도면이다.3 is a diagram illustrating detailed components of the optimization unit 201 in more detail.

최적화부(201)에 이득 값이 결정되면, 모터 튜닝 시스템(100)은 결정된 이득 값에 근거하여 모터(103)를 구동시킬 수 있다. 아울러, 모터 튜닝 시스템(100)은 상기 모터(103)의 구동 상태를 측정할 수 있다.When the gain value is determined by the optimizer 201, the motor tuning system 100 may drive the motor 103 based on the determined gain value. In addition, the motor tuning system 100 may measure the driving state of the motor 103.

참고로, 모터 튜닝 시스템(100)은 모터(103)의 구동 상태를 측정하기 위하여, 모터(103)의 전류 및 전압 중 적어도 하나를 측정하도록 구성된 센서(미도시)를 포함할 수 있다.For reference, the motor tuning system 100 may include a sensor (not shown) configured to measure at least one of a current and a voltage of the motor 103 in order to measure the driving state of the motor 103.

최적화부(201)는, 모터(103)를 구동시킨 후, 상기 센서에 의해 측정된 데이터를 이용하여, PSO 알고리즘의 피드백 정보를 생성할 수 있다. 아울러, 최적화부(201)는 피드백 정보가 생성되면, 이를 기초로 PSO를 재연산할 수 있다.After driving the motor 103, the optimizer 201 may generate feedback information of the PSO algorithm using the data measured by the sensor. In addition, when the feedback information is generated, the optimizer 201 may recalculate the PSO based on this.

최적화부(201)는 이전 PSO 연산결과와, 현재 PSO 연산결과를 비교할 수 있으며, 비교결과에 따라 PSO 연산을 종료시킬 수 있다. 구체적으로, 최적화부(201)는 갱신된 PSO 연산에 따라 구동된 모터의 구동 상태에 근거하여, PSO 연산을 종료시킬 수 있다.The optimizer 201 may compare the previous PSO operation result with the current PSO operation result, and may terminate the PSO operation according to the comparison result. Specifically, the optimizer 201 may terminate the PSO calculation based on the driving state of the motor driven according to the updated PSO calculation.

예를 들어, 최적화부(201)는 구동된 모터에 흐르는 전류가 소정의 오버슛 기준치를 만족하는지 여부를 판단할 수 있다. 또한, 최적화부(201)는 구동된 모터에 흐르는 전류의 양상이, 소정의 세틀링 타임 기준을 만족하는지 여부를 판단할 수 있다. 아울러, 최적화부(201)는 상기 판단결과에 근거하여, PSO 연산을 종료시킬 수 있다.For example, the optimizer 201 may determine whether the current flowing through the driven motor satisfies a predetermined overshoot reference value. Also, the optimizer 201 may determine whether an aspect of the current flowing through the driven motor satisfies a predetermined settling time criterion. In addition, the optimizer 201 may terminate the PSO operation based on the determination result.

도 4를 참조하면, 본 발명에 따른 튜닝 시스템의 제어방법이 설명된다.4, a method of controlling a tuning system according to the present invention is described.

먼저, 모터 튜닝 시스템(100)의 초기화 단계(S401)에서, 모터 제어기(101)는 적어도 하나의 제어기 파라미터와 관련된 최대 값, 최소 값을 설정할 수 있다. 즉, 모터 제어기(101)는 제어기에 적용되는 파라미터에 대하여, 범위를 설정함으로써, 초기화 단계(S401)를 수행할 수 있다.First, in the initializing step (S401) of the motor tuning system 100, the motor controller 101 may set a maximum value and a minimum value related to at least one controller parameter. That is, the motor controller 101 may perform the initialization step (S401) by setting a range for a parameter applied to the controller.

이때 제어기 파라미터는, At this time, the controller parameter is,

이후, 최적화부(201)는, 상기 모터 제어기(101)와 관련된 적어도 하나의 설정변수의 값을 계산할 수 있다(S402). 구체적으로, 최적화부(201)는 PSO 알고리즘을 이용하여, 모터 제어기(101)와 관련된 제1 및 제2 설정변수의 값을 계산할 수 있다. 예를 들어, 제1 설정변수는 모터 제어기의 에러 크기에 대응되는 변수일 수 있고, 제2 설정변수는 상기 모터 제어기의 도달 시간(Settling Time)에 대응되는 변수일 수 있다.Thereafter, the optimization unit 201 may calculate a value of at least one set variable related to the motor controller 101 (S402). Specifically, the optimizer 201 may calculate values of the first and second set variables related to the motor controller 101 using a PSO algorithm. For example, the first set variable may be a variable corresponding to the error size of the motor controller, and the second set variable may be a variable corresponding to the settling time of the motor controller.

참고로, 도달 시간(Settling Time)은, 모터 제어기의 출력 전류가, 임의의 초기 값으로부터, 설정된 목표 값까지 도달하는 시간을 의미할 수 있다.For reference, the settling time may mean a time when the output current of the motor controller reaches a set target value from an arbitrary initial value.

설정변수가 계산되면, 최적화부(201)는 모터 제어기(101)에 적용되는 적합함수를 계산할 수 있다(S403).When the set variable is calculated, the optimization unit 201 may calculate a suitable function applied to the motor controller 101 (S403).

아울러, 최적화부(201)는 적합함수 및 초기화 단계에서 설정했던 파라미터를 이용하여, 모터 제어기의 이득 값을 계산할 수 있다(S404).In addition, the optimizer 201 may calculate a gain value of the motor controller by using the suitability function and the parameter set in the initialization step (S404).

또한, 최적화부(201)는 계산된 이득 값이 최적의 값인지 여부를 판단할 수 있다(S405). 최적화부(201)는 소정의 기준에 따라, 계산된 이득 값에 대한 평가 값을 계산하고, 평가 값이 소정의 범위 내에서 최대 값인 경우, 최종적으로 제어기의 이득 값을 결정할 수 있다(S406).Also, the optimizer 201 may determine whether the calculated gain value is an optimum value (S405). The optimizer 201 calculates an evaluation value for the calculated gain value according to a predetermined criterion, and when the evaluation value is a maximum value within a predetermined range, may finally determine the gain value of the controller (S406).

만약, 최적화부(201)에 의해 계산된 이득 값이, 최적의 값이 아닌 것으로 판단되면, 최적화부(201)는 제1 및 제2 설정변수의 값을 계산하는 단계(S402) 내지 제어기의 이득 값을 계산하는 단계(S404)를 다시 수행할 수 있다.If it is determined that the gain value calculated by the optimizer 201 is not the optimum value, the optimizer 201 calculates the values of the first and second set variables (S402) to the gain of the controller. The step of calculating the value (S404) may be performed again.

이와 같은 과정을 통해, 이득 값이 결정되면, 모터 제어기(101)는 결정된 이득 값을 이용하여, 모터 제어를 수행할 수 있다.When a gain value is determined through such a process, the motor controller 101 may perform motor control using the determined gain value.

아울러, 최적화부(201)는 모터 제어의 결과를 모니터링 할 수 있으며, 모니터링 결과를 이용하여 모터 튜닝과 관련된 학습을 수행할 수 있다(S407).In addition, the optimization unit 201 may monitor the result of motor control, and may perform learning related to motor tuning using the monitoring result (S407).

Claims (8)

모터의 동작을 제어하기 위한 모터 제어기의 이득 값을 설정하는 모터 제어기 튜닝 방법에 있어서,
상기 모터 제어기의 동작 조건과 관련된 적어도 하나의 파라미터를 설정하는 단계;
PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산하는 단계;
상기 PSO 알고리즘에 의해 계산된 이득 값을 학습하는 단계; 및
학습결과에 근거하여, 상기 모터 제어기의 이득 값을 재산출하는 단계를 포함하는 것을 특징으로 하는 모터 제어기 튜닝 방법.In the motor controller tuning method for setting a gain value of the motor controller for controlling the operation of the motor,
Setting at least one parameter related to an operating condition of the motor controller;
Calculating a gain value of the motor controller corresponding to a set parameter using a PSO algorithm;
Learning a gain value calculated by the PSO algorithm; And
And recalculating the gain value of the motor controller based on the learning result. 제1항에 있어서,
상기 모터 제어기의 동작 조건과 관련된 파라미터는,
상기 모터 제어기의 에러 크기와 관련된 제1 설정변수 및 상기 모터 제어기의 도달 시간(Settling Time)과 관련된 제2 설정변수 중 적어도 하나를 포함하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 1,
The parameters related to the operating conditions of the motor controller,
And at least one of a first set variable related to an error magnitude of the motor controller and a second set variable related to a settling time of the motor controller. 제2항에 있어서,
상기 PSO 알고리즘을 이용하여, 설정된 파라미터에 대응되는 상기 모터 제어기의 이득 값을 계산하는 단계는,
상기 제1 및 제2 설정변수의 값을 결정하는 과정과,
상기 모터 제어기에 적용되는 적합함수를 산출하는 과정과,
상기 제1 및 제2 설정변수의 값과, 상기 적합함수를 이용하여, 상기 모터 제어기의 이득 값을 결정하는 과정을 포함하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 2,
Using the PSO algorithm, calculating a gain value of the motor controller corresponding to a set parameter,
A process of determining values of the first and second set variables, and
A process of calculating a suitable function applied to the motor controller,
And determining a gain value of the motor controller using the values of the first and second set variables and the fit function. 제3항에 있어서,
상기 모터 제어기의 이득 값을 결정하는 과정은,
입자군 최적화 형태의 수학적 기법을 이용함으로써, 상기 적합함수의 결과값이 최대 또는 최소인 것으로 결정될 수 있는 전역적인 이득 값을 도출하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 3,
The process of determining the gain value of the motor controller,
A motor controller tuning method, characterized in that, by using a mathematical technique in the form of particle group optimization, a global gain value that can be determined as a maximum or minimum result value of the fit function. 제5항에 있어서,
상기 모터 제어기의 이득 값을 결정하는 과정은,
상기 PSO 알고리즘에 근거하여, 상기 모터 제어기의 이득 범위를 설정하고, 산출된 이득 값과 설정된 이득 범위를 비교하여, 산출된 이득 값을 다시 계산할지 여부를 결정하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 5,
The process of determining the gain value of the motor controller,
And determining whether to recalculate the calculated gain value by setting a gain range of the motor controller based on the PSO algorithm and comparing the calculated gain value with the set gain range. 제1항에 있어서,
외부 서버와 통신을 수행하여, 상기 PSO 알고리즘의 수행 방법을 업데이트하는 단계를 더 포함하고,
상기 외부 서버는 상기 모터 제어기의 이득 계산을 최적화하기 위한, 인공신경망으로 구현되는 학습 엔진을 탑재하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 1,
Further comprising the step of performing communication with an external server, updating a method of performing the PSO algorithm,
The external server is a motor controller tuning method, characterized in that to mount a learning engine implemented as an artificial neural network for optimizing the calculation of the gain of the motor controller. 제6항에 있어서,
상기 PSO 알고리즘에 의해 계산된 이득 값을 학습하는 단계는,
상기 이득 값이 계산된 후, 상기 모터 제어기의 동작과 관련된 특징 변수(Feature)를 모니터링하는 과정과,
모니터링 결과를 상기 외부 서버로 전송하는 과정 및
상기 외부 서버로부터 상기 모터 제어기의 이득 값과 관련된 응답을 수신하는 과정을 포함하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 6,
Learning the gain value calculated by the PSO algorithm,
After the gain value is calculated, a process of monitoring a feature related to the operation of the motor controller,
The process of transmitting the monitoring result to the external server and
And receiving a response related to the gain value of the motor controller from the external server. 제1항에 있어서,
상기 모터 제어기의 이득 값이 결정된 후, 상기 모터 제어기의 동작을 시뮬레이션하는 단계;
상기 시뮬레이션과 대응되는 전류 파형의 특성을 추출하는 단계 및
상기 전류 파형의 특성에 근거하여, 상기 이득 값의 재산출 여부를 결정하는 단계를 더 포함하는 것을 특징으로 하는 모터 제어기 튜닝 방법.The method of claim 1,
Simulating an operation of the motor controller after the gain value of the motor controller is determined;
Extracting characteristics of the current waveform corresponding to the simulation, and
And determining whether to recalculate the gain value based on the characteristics of the current waveform.
KR1020190091903A 2019-07-29 2019-07-29 Automatic learning tuning system of motor controller using PSO KR102382047B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190091903A KR102382047B1 (en) 2019-07-29 2019-07-29 Automatic learning tuning system of motor controller using PSO

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190091903A KR102382047B1 (en) 2019-07-29 2019-07-29 Automatic learning tuning system of motor controller using PSO

Publications (2)

Publication Number Publication Date
KR20210013971A true KR20210013971A (en) 2021-02-08
KR102382047B1 KR102382047B1 (en) 2022-03-31

Family

ID=74560330

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190091903A KR102382047B1 (en) 2019-07-29 2019-07-29 Automatic learning tuning system of motor controller using PSO

Country Status (1)

Country Link
KR (1) KR102382047B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023068487A1 (en) * 2021-10-18 2023-04-27 주식회사 파워엘에스아이 Method, device, and system for controlling motor by using digital pid control unit capable of setting gain
KR20230068125A (en) 2021-11-10 2023-05-17 성균관대학교산학협력단 Methods for automatically tuning a motor

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230174568A (en) 2022-06-21 2023-12-28 주식회사 더파워랩스 Motor drive device and automatic tuning method for optimizing controller performance

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990031441A (en) * 1997-10-10 1999-05-06 국태용 On-line PID learning tuner of DC motor
KR20030022591A (en) * 2001-09-11 2003-03-17 주식회사 도담시스템스 System for controlling repulsive power of simulation apparatus
JP2010266967A (en) * 2009-05-12 2010-11-25 Fuji Electric Systems Co Ltd Device and program for adjustment of pid
JP2012190364A (en) * 2011-03-11 2012-10-04 Hiroshima Univ Control parameter adjustment device and control parameter adjustment method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990031441A (en) * 1997-10-10 1999-05-06 국태용 On-line PID learning tuner of DC motor
KR20030022591A (en) * 2001-09-11 2003-03-17 주식회사 도담시스템스 System for controlling repulsive power of simulation apparatus
JP2010266967A (en) * 2009-05-12 2010-11-25 Fuji Electric Systems Co Ltd Device and program for adjustment of pid
JP2012190364A (en) * 2011-03-11 2012-10-04 Hiroshima Univ Control parameter adjustment device and control parameter adjustment method

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023068487A1 (en) * 2021-10-18 2023-04-27 주식회사 파워엘에스아이 Method, device, and system for controlling motor by using digital pid control unit capable of setting gain
KR20230068125A (en) 2021-11-10 2023-05-17 성균관대학교산학협력단 Methods for automatically tuning a motor

Also Published As

Publication number Publication date
KR102382047B1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
KR102382047B1 (en) Automatic learning tuning system of motor controller using PSO
US10564611B2 (en) Control system and machine learning device
JP6359182B2 (en) Method and system for controlling the operation of a machine
CN101713988B (en) Controller, control system and method for controlling set process variable in process
JP2014167833A (en) On-line adaptive model predictive control in process control system
JPH0628332A (en) Apparatus for discrimination of structure of device to be controlled and for evaluation of parameter and method for effective solution of nonlinear optimization of two-variable function
CN113075881B (en) Parameter adjusting method and device of PID controller and electronic equipment
JP2007272498A (en) Operation control method, operation controller and operation control system
KR20180024092A (en) Automatic Tuning Method for PID controllers
JP3061450B2 (en) Model predictive controller
Hager et al. Adaptive Neural network control of a helicopter system with optimal observer and actor-critic design
CN115257697B (en) Hybrid vehicle energy management and cooperative control method, system and application
Kostadinov et al. Online weight-adaptive nonlinear model predictive control
JPH0610761B2 (en) Controller
AU2021240175B2 (en) Model learning apparatus, control apparatus, model learning method and computer program
CN115407736A (en) Method, device, equipment and medium for improving product yield
KR20220122254A (en) Control device for plant and controlling method of the same
US20220326665A1 (en) Control system, and control method
CN111806444A (en) Vehicle transverse control method and device, medium, equipment and vehicle
KR20030075446A (en) Precision speed and position control method of actuator system
WO2022210472A1 (en) Machining condition adjustment device
US20210116899A1 (en) Parameterization of a component in an automation system
WO2023008236A1 (en) Operation adjustment system, motor control system, operation adjustment method, and operation adjustment program
US11960251B2 (en) Parameterization of a component in an automation system
JPH09146610A (en) Multivariable nonlinear process controller

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant