KR20220122254A - 플랜트 제어 장치 및 그 제어 방법 - Google Patents

플랜트 제어 장치 및 그 제어 방법 Download PDF

Info

Publication number
KR20220122254A
KR20220122254A KR1020210026645A KR20210026645A KR20220122254A KR 20220122254 A KR20220122254 A KR 20220122254A KR 1020210026645 A KR1020210026645 A KR 1020210026645A KR 20210026645 A KR20210026645 A KR 20210026645A KR 20220122254 A KR20220122254 A KR 20220122254A
Authority
KR
South Korea
Prior art keywords
parameter
plant
sub
control input
input
Prior art date
Application number
KR1020210026645A
Other languages
English (en)
Other versions
KR102487640B1 (ko
Inventor
오세훈
정하늘
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020210026645A priority Critical patent/KR102487640B1/ko
Priority to US17/675,195 priority patent/US11835929B2/en
Publication of KR20220122254A publication Critical patent/KR20220122254A/ko
Application granted granted Critical
Publication of KR102487640B1 publication Critical patent/KR102487640B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential
    • G05B6/02—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral or differential electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Feedback Control In General (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

플랜트 제어 장치가 개시된다. 본 개시의 플랜트 제어 장치는, 플랜트와 통신하는 통신 장치, 플랜트에 대한 지령 입력을 입력받으면, 지령 입력에 기초하여 플랜트에 대한 제어 입력을 생성하여 플랜트에 제공하는 프로세서를 포함하고, 프로세서는, 지령 입력 및 기저장된 제1 파라미터를 이용하여 플랜트의 피드포워드 제어 입력을 산출하고, 플랜트의 출력 및 지령 입력의 차분값에 기초하여 에러를 산출하고, 산출된 에러 및 기저장된 제2 파라미터를 이용하여 플랜트의 피드백 제어 입력을 산출하고, 피드포워드 제어 입력, 피드백 제어 입력, 플랜트의 출력 및 기저장된 제1 파라미터에 기초하여 플랜트의 예측 외란을 산출하고, 피드포워드 제어 입력, 피드백 제어 입력 및 예측 외란에 기초하여 플랜트에 대한 제어 입력을 생성하며, 플랜트의 초기 구동 시에 플랜트의 초기 출력에 기초하여 제1 파라미터 및 제2 파라미터를 동시에 조정할 수 있다.

Description

플랜트 제어 장치 및 그 제어 방법{CONTROL DEVICE FOR PLANT AND CONTROLLING METHOD OF THE SAME}
본 개시는 플랜트 제어 장치 및 그 제어 방법에 관한 것으로, 상세하게는 외란 관측기 기반의 플랜트 제어 장치 및 그 제어 방법에서의 튜닝 방식에 관한 것이다.
플랜트 제어 장치는 머신 러닝, 인공 지능(artificial intelligence)을 기반으로 하는 첨단 기술 분야에서부터, 모터 구동, 의료 기기, 산업용 로봇 등의 다양한 기술 분야에서 이용되어 왔다. 그 중, 외란 관측기 기반의 제어 장치는 제어 장치의 신뢰도를 개선하기 위하여 외란의 효과를 완화시키는 외란 관측기를 포함하는 제어 장치에 해당한다.
최근에는 기술 발전에 따라 외란 관측기 기반의 제어 장치는 높은 수준의 정밀 제어가 요구되고 있으며, 이를 구현하기 위하여 외란 관측기를 포함하여 적어도 하나 이상의 제어기를 최적화하여 튜닝하는 프로세스가 요구되었다.
외란 관측기와 하나 이상의 제어기를 포함하는 제어 장치의 튜닝 방법은 고성능과 함께 실용성을 요구하였으나, 다양한 요소, 예를 들면 탄성, 관성 또는 감쇠에 의하여 정밀 컨트롤에 있어서 매개 변수의 식별 단계를 거치기에 어려움이 발생하며, 튜닝의 난이도가 상승하는 한계가 있어왔으며, 튜닝에 소요되는 시간이 길어지는 문제점이 있었다.
그러므로, 이러한 제어 장치의 최적화를 위한 다양한 방식이 연구되었으며, 고정밀 제어를 수행하기 위한 최적의 튜닝 방식에 대한 기술적 요구가 존재하였다.
상술한 기술적 요구를 해결하기 위하여, 본 개시의 플랜트 제어 장치 및 그 제어 방법은, 외란 관측기 및 자유도 제어기를 포함하는 제어 장치에 있어서 복수의 제어기를 동시에 튜닝하여 최적화를 수행하며 제어 장치의 정밀도를 향상시킬 수 있다.
본 개시의 일 실시예에 따른 플랜트 제어 장치는, 플랜트와 통신하는 통신 장치, 상기 플랜트에 대한 지령 입력을 입력받으면, 상기 지령 입력에 기초하여 상기 플랜트에 대한 제어 입력을 생성하여 상기 플랜트에 제공하는 프로세서를 포함하고, 상기 프로세서는, 상기 지령 입력 및 기저장된 제1 파라미터를 이용하여 상기 플랜트의 피드포워드 제어 입력을 산출하고, 상기 플랜트의 출력 및 상기 지령 입력의 차분 값에 기초하여 에러를 산출하고, 상기 산출된 에러 및 기저장된 제2 파라미터를 이용하여 상기 플랜트의 피드백 제어 입력을 산출하고, 상기 플랜트의 제어 입력, 상기 플랜트의 출력 및 상기 기저장된 제1 파라미터에 기초하여 상기 플랜트의 예측 외란을 산출하고, 상기 플랜트의 제어 입력은, 상기 피드포워드 제어 입력, 상기 피드백 제어 입력 및 상기 예측 외란에 기초하여 생성하며, 상기 플랜트의 초기 구동 시에 상기 플랜트의 초기 출력에 기초하여 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정할 수 있다.
이 경우, 상기 제1 파라미터는 제1 서브 파라미터 및 제2 서브 파라미터를 포함하고, 상기 제2 파라미터는 제3 서브 파라미터 및 제4 서브 파라미터를 포함할 수 있다.
이 경우, 상기 제1 서브 파라미터는, 상기 플랜트에 작용하는 관성 특성과 관련된 파라미터이고, 상기 제2 서브 파라미터는, 상기 플랜트에 작용하는 마찰 특성과 관련한 파라미터일 수 있다.
한편, 상기 제3 서브 파라미터는, 상기 플랜트에 작용하는 비례 이득에 대한 파라미터이고, 상기 제4 서브 파라미터는, 상기 플랜트에 작용하는 미분 이득에 대한 파라미터일 수 있다.
한편, 상기 프로세서는, 상기 예측 외란을 산출하기 위하여 상기 플랜트의 공칭(nominal) 모델과 저역 통과 필터인 Q-필터를 이용할 수 있다.
한편, 상기 프로세서는, 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하기 위하여 상기 제1 내지 제2 파라미터를 업데이트하기 위한 비용 함수를 이용하며, 상기 비용 함수는, 상기 제어 입력과 상기 에러의 크기 차이를 보정하는 입력 가중치를 포함할 수 있다.
이 경우, 상기 프로세서는, 상기 비용 함수를 이용하여 파라미터 업데이트 알고리즘을 설정함에 있어서, 헤시안 행렬(Hessian matrix)을 이용하여 제1 내지 제2 파라미터의 방향성을 판별할 수 있다.
또한, 본 개시의 일 실시예에 따른 플랜트의 제어 방법은, 상기 플랜트에 대한 지령 입력을 입력받으면, 상기 지령 입력 및 기저장된 제1 파라미터를 이용하여 상기 플랜트의 피드포워드 제어 입력을 산출하는 단계, 상기 플랜트의 출력 및 상기 지령 입력의 차분값에 기초하여 에러을 산출하는 단계, 상기 산출된 에러 및 기저장된 제2 파라미터를 이용하여 상기 플랜트의 피드백 제어 입력을 산출하는 단계, 상기 플랜트의 출력 및 상기 기저장된 제1 파라미터에 기초하여 상기 플랜트의 예측 외란을 산출하는 단계, 상기 피드포워드 제어 입력, 상기 피드백 제어 입력 및 상기 예측 외란에 기초하여 상기 플랜트에 대한 제어 입력을 생성하는 단계 및 상기 플랜트의 초기 구동 시에 상기 플랜트의 초기 출력에 기초하여 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계를 포함할 수 있다.
이 경우, 상기 예측 외란을 산출하는 단계는, 상기 예측 외란을 산출하기 위하여 상기 플랜트의 공칭(nominal) 모델과 저역 통과 필터인 Q-필터를 이용할 수 있다.
한편, 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계는, 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하기 위하여 상기 제1 내지 제2 파라미터를 업데이트하기 위한 비용 함수를 이용하며, 상기 비용 함수는, 상기 제어 입력과 상기 에러의 크기 차이를 보정하는 입력 가중치를 포함할 수 있다.
이 경우, 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계는, 상기 비용 함수를 이용하여 파라미터 업데이트 알고리즘을 설정함에 있어서, 헤시안 행렬(Hessian matrix)을 이용하여 제1 내지 제2 파라미터의 방향성을 판별할 수 있다.
한편, 상기 제1 파라미터는 제1 서브 파라미터 및 제2 서브 파라미터를 포함하고, 상기 제2 파라미터는 제3 서브 파라미터 및 제4 서브 파라미터를 포함할 수 있다.
이 경우, 상기 제1 서브 파라미터는, 상기 플랜트에 작용하는 관성 특성과 관련된 파라미터이고, 상기 제2 서브 파라미터는, 상기 플랜트에 작용하는 마찰마찰 특성과 관련한 파라미터일 수 있다.
한편, 상기 제3 서브 파라미터는, 상기 플랜트에 작용하는 비례 이득에 대한 파라미터이고, 상기 제4 서브 파라미터는, 상기 플랜트에 작용하는 미분 이득에 대한 파라미터일 수 있다.
도 1은 본 개시의 일 실시예에 따른 플랜트 제어 장치의 블록도이다.
도 2는 본 개시의 일 실시예에 따른 프로세서의 동작에 대한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 프로세서의 동작에 대한 블록도이다.
도 4는 본 개시의 일 실시예에 따른 프로세서의 동작에 대한 블록도이다.
도 5는 본 개시의 일 실시예에 따른 플랜트 제어 장치의 제어 방법에 대한 흐름도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다. 본 개시를 설명함에 있어, 관련된 공지 기술에 대한 구체적인 설명은 생략될 수 있으며, 동일한 구성의 중복 설명은 되도록 생략하기로 한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2와 같은 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 수 있다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 와 같은 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 "모듈" 혹은 "부"는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 "모듈" 혹은 복수의 "부"는 특정한 하드웨어로 구현될 필요가 있는 "모듈" 혹은 "부"를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서(101)로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.　그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
나아가, 이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 개시의 실시 예를 상세하게 설명하지만, 본 개시가 실시 예들에 의해 제한되거나 한정되는 것은 아니다.
이하에서는 도 1 내지 도 5를 참고하여, 본 개시의 외란 관측기(150) 기반의 프로세서(101) 및 그 튜닝 과정을 상세히 설명한다.
도 1은 본 개시의 일 실시예에 따른 플랜트 제어 장치의 블록도이다.
도 1을 참고하면, 플랜트 제어 장치는 통신 장치와 프로세서(101)를 포함할 수 있다.
본 개시의 다양한 실시예의 프로세서(101)는 프로세서(101)에 의하여 파라미터와 입력치를 이용하여 연산 과정을 거쳐 제어기를 튜닝할 수 있다.
프로세서(101)는 지령 입력이 인가되고, 플랜트(130)이 자동으로 제어되는 과정에서 플랜트(130)에 작용하는 다양한 변화 요소, 즉 외란에 의하여 에러값이 발생할 수 있다.
통신 장치(102)는 외부 장치(미도시) 및/또는 플랜트(130)와 전기적으로 연결되어 입출력 신호를 송수신할 수 있으며, 또는 무선 통신 방식으로 외부 장치(미도시) 및/또는 플랜트(130)와 통신 신호를 송수신할 수 있다.
프로세서(101)는 플랜트 제어 장치(100)의 전반적인 동작을 제어할 수 있다. 프로세서(101)는 입력 정보에 기반하여 전기적 신호를 복수의 제어기로 전달하여 프로세서(101)를 구동함으로써, 프로세서(101)가 튜닝 동작들을 수행하도록 할 수 있다.
프로세서(101)는 중앙처리장치(central processing unit(CPU)), micro-controller, 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 이상으로 구현될 수 있다.
프로세서(101)는, 예를 들면, 소프트웨어(예: 프로그램)를 실행하여 프로세서(101)에 연결된 프로세서(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다.
일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(101)는 다른 구성요소로부터 수신된 명령 또는 데이터를 휘발성 메모리에 저장하고, 휘발성 메모리에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 일 실시예에 따르면, 프로세서(101)는 메인 프로세서(101)(예: 중앙 처리 장치 또는 어플리케이션 프로세서(101)) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(101)를 포함할 수 있다.
프로세서(101)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 프로세서(101) 자체에서 수행될 수 있고, 별도의 서버를 통해 수행될 수도 있다. 프로세서(101)는 메모리를 통하여 프로세서(101)의 적어도 하나의 구성요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 이 경우, 메모리는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 프로세서(101)와 연결되는 메모리는 프로그램을 소프트웨어로서 저장할 수 있다.
프로세서(101)는 시스템 모델링의 중간 단계를 생략한 데이터 기반의 튜닝 방식을 채택함으로써, 복수의 파라미터를 자동으로 최적화할 수 있으며, 이를 기반으로 다양한 산업 분야에 활용될 수 있다. 이러한 튜닝 방식은, 예를 들면, virtual reference feedback tuning (VRFT), iterative feedback tuning (IFT) 등을 포함할 수 있다.
그 중, IFT 방식은 제어 파라미터를 최적화함으로써 제어 목표치를 고려하여 설계된 비용 기능을 최소화할 수 있다. 상세하게는, IFT 방식에서 프로세서(101)는 비용 함수의 기술기를 사용하여 튜닝을 진행하며, 그 결과로 플랜트 모델에 대한 사전 정보가 없더라도 실험 데이터를 기반으로 튜닝을 진행할 수 있다. 또한, IFT 방식은 측정된 데이터를 적어도 2회 이상 반복적으로 활용하기에, 측정 노이즈를 예방하는데에 효과적일 수 있다.
본 개시의 프로세서(101)는 IFT 방식을 이용하여, 외란 관측기(150), 피드백 제어기(120), 피드포워드 제어기(110)를 동시에 최적화할 수 있도록 튜닝함으로써, 설정된 알고리즘에 의하여 모델 파라미터와 컨트롤러 파라미터가 자동으로 튜닝될 수 있다.
도 2는 본 개시의 일 실시예에 따른 프로세서(101)의 동작에 대한 블록도이다.
도 2를 참고하면, 본 개시의 다양한 실시예의 프로세서(101)는 외란 관측기(150), 피드백 제어기(120), 피드포워드 제어기(110)를 포함할 수 있다.
외란 관측기(150)는 플랜트 출력(y), 제어 입력(u) 및 기저장된 제1 파라미터에 기초하여 상기 플랜트의 예측 외란(
Figure pat00001
)을 산출할 수 있다. 그리고, 프로세서는(101)는 플랜트(130)의 출력(y) 및 지령 입력(r)의 차분 값에 기초하여 에러(e)을 산출할 수 있다.
피드백 제어기(120)는 산출된 에러(e) 및 기저장된 제2 파라미터를 이용하여 플랜트(15)에 대한 피드백 제어 입력(uc)을 산출할 수 있다. 그리고, 피드포워드 제어기(110)는 지령 입력(r) 및 기저장된 제1 파라미터를 이용하여 플랜트(150)의 피드포워드 제어 입력(uf)을 산출할 수 있다.
프로세서(101)는 산출된 피드포워드 제어 입력(uf), 피드백 제어 입력(uc) 및 예측 외란(
Figure pat00002
)에 기초하여 플랜트(130)에 대한 제어 입력(u)을 생성하여 플랜트(130)에 제공할 수 있다. 플랜트(130)는 제어 입력(u)에 기초하여, 플랜트(130)에 작용하는 입력 외란(d)에 영향을 받아 플랜트 출력(y)을 출력할 수 있다. 이 경우, 생성된 제어 입력(u)은 외란 관측기(150)가 예측 외란(
Figure pat00003
)을 산출할 때 이용되고, 예측 외란()은 제어 입력(u)의 생성에 이용되며, 외란 관측기(150)는 피드백 방식을 이용할 수 있다.
본 개시의 일 실시예의 프로세서(101)는 제어 입력(u)과 플랜트 출력(y)을 역공칭 모델를 통과하여 추정한 제어 입력과 비교해서 예측 외란(
Figure pat00004
)을 구하고 피드백하는 외란 관측기(150), 외란을 검출하여 미리 제어량의 변화를 해소하도록 조작하는 피드포워드 제어기(110), 플랜트 출력(y)이 지령 입력(r)으로부터 이탈되면 목표치에 대응되도록 조작하는 피드백 제어기(120)를 포함할 수 있다. 이들을 통하여 프로세서(101)는 플랜트(130)의 구동에 있어서 발생할 수 있는 에러를 최소화할 수 있으며, 외란 관측기(150)는 플랜트(130)의 공칭(nominal) 모델(151)과 저역 통과 필터인 Q-필터(155)를 포함할 수 있다.
외란 관측기(150), 피드포워드 제어기(110) 및 피드백 제어기(120)를 포함하는 프로세서(101)는 외란 관측기(150) 기반의 2-자유도 제어기를 포함하는 프로세서(101)로 불릴 수 있다.
프로세서(101)는 외란 관측기(150), 피드포워드 제어기(110) 및 피드백 제어기(120)의 파라미터를 동시에 조정하며, 플랜트 제어 장치(100)를 최적화할 수 있다.
프로세서(101)는 플랜트(130)의 구동을 제어하기 위한 장치이며, 플랜트(130)에 관한 시간 또는 특정 입력에 대한 함수를 P(s)로 명명할 수 있다. 플랜트(130)의 일 실시예로는 모터의 구동일 수 있으며, 이에 한정되지 아니하고 다양한 기술 영역에 적용될 수 있다.
피드백 제어기(120)는 CFB(s), 피드포워드 제어기(110)는 CFF(s)일 수 있으며, 외란 관측기(150)는 Q-필터(155)에 관한 Q(s), 피드포워드 제어기(110)에 대응되는 Pn -1(s)을 포함할 수 있다.
도 2을 참고하면 r은 지령 입력에 해당하고, e는 에러,
Figure pat00005
는 예측 외란, uf는 피드포워드 제어 입력, uc는 피드백 제어 입력, u는 제어 입력, d는 입력 외란, y는 출력에 해당한다.
이를 기초로 하여, 일 실시예의 피드백 제어기(120), 피드포워드 제어기(110), 외란 관측기(150)의 관계식은 아래와 같이 설정될 수 있다.
Figure pat00006
관계식에서 각각의 구성이 포함하는 파라미터(p)를 설명하면, 피드포워드 제어기(110) 및 외란 관측기(150)는 제1 파라미터를 이용하고, 제1 파라미터는 제1 서브 파라미터(Jn)와 제2 서브 파라미터(Bn)를 포함할 수 있다.
상세하게는, 제1 서브 파라미터는 플랜트(130)에 작용하는 관성 특성과 관련된 파라미터일 수 있고, 제2 서브 파라미터는 플랜트(130)에 작용하는 마찰 특성과 관련한 파라미터일 수 있다. 예를 들면, 제1 및 제2 서브 파라미터 각각은 모터의 총 관성 및 감쇠 계수에 대한 파라미터일 수 있다.
피드백 제어기(120)는 제2 파라미터를 이용할 수 있으며, 제2 파라미터는 제3 서브 파라미터(Kp)와 제4 서브 파라미터(Kd)를 포함할 수 있다. 예를 들면 제3 및 제4 서브 파라미터는 플랜트(130)에 작용하는 비례 이득 및 미분 이득에 대한 파라미터일 수 있다.
또한, 파라미터의 업데이트에 사용되는 비용함수 J(p) 및 그 미분 결과는 아래와 같이 설정될 수 있다.
Figure pat00007
Figure pat00008
이 경우,
Figure pat00009
는 입력 가중치로서, u와 e가 동일한 크기로 비용 함수에 영향을 주기 위하여 설정된 값이며, 제어 입력(u)이 작은 경우에도 비용 함수에 동등한 영향을 주기 위한 가중치이다. 그러나, 입력 가중치의 설정식은 이에 한정되지 아니하고 당업자가 용이하게 도출 가능한 수준으로 다양하게 설계될 수 있다.
이를 기초로 하여, 파라미터의 업데이트 알고리즘을 설계하면 아래와 같은 관계식을 가질 수 있다.
Figure pat00010
이 경우, ri는 파라미터가 한번에 업데이트 변화량을 정해주는 튜닝 값으로서, 'step-size'이며,
Figure pat00011
는 Hessian matrix로써 파라미터의 방향성을 판별하여 최적화가 가능한지 평가하는 관계식이며, 이를 포함함으로서 더 빠르게 파라미터를 찾을 수 있으나, 방향성의 판별 방법은 이에 한정되지 아니하고 당업자가 용이하게 도출 가능한 수준으로 다양하게 설계될 수 있다.
그러므로, 상술한 관계식 (7)에 있어서 파라미터 업데이트 알고리즘을 얻기 위하여 미분식
Figure pat00012
을 획득할 필요가 있다. 이하에서는, 본 개시의 일 실시예의 계산 방법을 이용하여 이를 미분식을 획득하는 방법을 설명한다.
관계식 (6)에 있어서, 비용 함수의 미분 결과를 얻기 위하여는 에러의 미분을 필요로 함을 알 수 있다. 도면을 참고하면, 본 개시의 에러는
Figure pat00013
일 수 있으며, 이를 미분하면 아래의 관계식 (8)과 같이 정의될 수 있다.
Figure pat00014
관계식 (8)에 있어서, CFF, CFB는 설정되어 있는 관계식이므로, 그 미분식 또한 알 수 있으며, Q도 설정되어 있는 관계식에 해당할 수 있다. 또한, r(p)와 e(p)는 프로세서(101)에 의하여 측정 가능한 수치이므로,
Figure pat00015
를 알아냄으로서 에러(e)의 미분 관계식을 도출해낼 수 있다.
도 3는 본 개시의 일 실시예에 따른 프로세서(101)의 블록도이고, 도 4은 본 개시의 일 실시예에 따른 프로세서(101)의 블록도이다.
도 3 내지 도 4을 참고하면, 본 개시의 프로세서(101)는,
Figure pat00016
를 도출해내기 위하여 측정 데이터를 기초로 하여 출력 값을 얻는 과정을 포함할 수 있다. 도 3와 도 4의 구동 각각은, 설명의 편의를 위하여 제1 구동 및 제2 구동으로 명명할 수 있으며, 일 실시예에서는 제1 구동이 초기 구동일 수 있다.
도 3를 참고하면, 프로세서(101)는 지령 입력(input)으로 도시된 그래프의 입력을 인가받을 수 있다. 그리고, 지령 입력은 프로세서(101)를 거치며 제1 제어 입력(u1)을 플랜트(130)에 인가하고, 그 결과로 제1 출력(y1)이 출력될 수 있다. 그리고, 플랜트(130)의 구동에 따라 적절한 파라미터로 설계되지 않은 제어기들로 인한 제어 성능 한계과 외란에 의한 제1 에러(e1)가 발생할 수 있다.
이 경우, 지정 입력(input)에 대응되는 제1 출력(y1)을 기반으로 하여,
Figure pat00017
을 도출해낼 수 있다.
도 4을 참고하면, 지령 입력은, 초기 구동 시에 플랜트(130)의 초기 출력에 기초하여 산정된 수치를 이용할 수 있으며, 이는 도 3의 제1 구동의 제1 에러(e1)일 수 있다. 그리고, 제1 에러(e1)에 대응하여 제2 제어 입력(u2)이 플랜트(130)에 인가되고, 그 결과로 제2 출력(y2)이 출력될 수 있다. 마찬가지로, 플랜트(130)의 구동에 따라 프로세서(101)는 외란에 의한 제2 에러(e2)가 발생될 수 있다.
이 경우, 제1 에러(e1) 입력에 대응되는 제2 출력(y2)을 기반으로 하여,
Figure pat00018
을 도출해낼 수 있다.
즉, 도 3의 출력은 지정 입력에 관한 출력으로
Figure pat00019
에 대응되며, 도 4의 출력은 에러에 관한 출력으로
Figure pat00020
에 대응될 수 있다. 그러므로, 이를 관계식 (8)에 대입하면, 아래의 관계식 (9)를 도출해낼 수 있다.
Figure pat00021
또한, 상술한 관계식 (6)에 있어서 비용 함수의 미분 결과를 얻기 위해서는 제어 입력에 대한 미분식
Figure pat00022
을 획득할 필요가 있다. 도면을 참고하면, 본 개시의 제어 입력은
Figure pat00023
일 수 있으며, 이를 미분하면 아래의 관계식 (10)과 같이 정의될 수 있다.
Figure pat00024
관계식 (10)에 있어서도, 관계식 (8)의 과정과 마찬가지로,
Figure pat00025
를 알아냄으로써 에러의 미분 관계식을 도출해낼 수 있다.
Figure pat00026
을 구하기 위하여, 도 3 및 도 4의 제1 제어 입력(u1)과 제2 제어 입력(u2)을 사용할 수 있다.
상술한 도 3 및 도 4의 출력을 획득하는 과정을 통하여
Figure pat00027
을 구하고, 이를 관계식 (10)에 대입하여, 아래의 관계식 (11)을 도출할 수 있다.
Figure pat00028
그러므로, 본 개시의 프로세서(101)를 상술한 계산 과정을 거쳐, 아래와 같이 외란 관측기(150)와 2-자유도 제어기를 최적화하기 위하여 동시에 튜닝할 수 있는 수식으로 관계식 (12)와 관계식 (13)을 도출하였다.
Figure pat00029
그러므로, 본 개시의 프로세서(101)는, 관계식 (12), 관계식 (13)을 이용하여 외란 관측기(150) 기반의 2자유도 제어 장치를 구성하는 모든 제어기를 동시에 튜닝함으로서, 프로세서(101)의 사용자의 시간 소모를 줄일 수 있으며, 상술한 이론 검증을 통하여 안전적인 사용을 기재할 수 있다. 또한, 전체를 위한 최적점(Global minimum)을 이론적으로 구할 수 있기 때문에 초기 값과 상관없이 사용 가능하다는 장점을 기대할 수 있다.
도 5는 본 개시의 일 실시예에 따른 플랜트 제어 장치의 제어 방법에 대한 흐름도이다.
상세하게는, 도 5는 도 1 내지 도 4에서 상술한 프로세서(101)의 제어 방법에 대한 흐름도로써, 상술한 내용과 중복되는 내용은 생략하고, 이하에서는 프로세서(101)의 제어 흐름을 설명한다. 다만, 도면에 있어서는 순차적으로 흐름이 진행되는 것과 같이 도시되었으나, 실제로 구현 시에는 각 단계를 포함하도록 설계되어 동일하거나 유사한 효과를 얻도록 설계될 수 있다.
플랜트의 제어 방법은, 도 5 의 흐름도를 참고하면, 플랜트(130)에 대한 지령 입력을 입력받으면(S510), 지령 입력(r) 및 기저장된 제1 파라미터를 이용하여 플랜트(130)의 피드포워드 제어 입력(uf)을 산출하는 단계(S520), 플랜트(130)의 출력(y) 및 지령 입력(r)의 차분 값에 기초하여 에러(e)를 산출하는 단계(S530), 산출된 에러 및 기저장된 제2 파라미터를 이용하여 플랜트(130)의 피드백 제어 입력(uc)을 산출하는 단계(S540), 플랜트(130)의 출력(y) 및 기저장된 제1 파라미터에 기초하여 플랜트(130)의 예측 외란(
Figure pat00030
)을 산출하는 단계(S550) 및 피드포워드 제어 입력(uf), 상기 피드백 제어 입력(uc) 및 산출된 예측 외란(
Figure pat00031
)에 기초하여 플랜트(130)에 대한 제어 입력(u)을 생성하는 단계(S560)를 포함할 수 있다.
그리고, 플랜트(130)의 초기 구동시에 플랜트(130)의 초기 출력에 기초하여 제1 파라미터 및 제2 파라미터를 동시에 조정하는 단계(S570)를 포함할 수 있으며, 이를 통하여 플랜트 제어 장치(100)가 포함하는 복수의 제어기를 동시에 튜닝할 수 있다.
예측 외란(
Figure pat00032
)을 산출하는 단계(S550)는, 예측 외란(
Figure pat00033
)을 산출하기 위하여 플랜트(130)의 공칭(nominal) 모델(151)과 저역 통과 필터인 Q-필터(155)를 이용할 수 있다.
제1 파라미터 및 제2 파라미터를 동시에 조정하는 단계(S570)는, 제1 파라미터 및 제2 파라미터를 동시에 조정하기 위하여 제1 내지 제2 파라미터를 업데이트하기 위한 비용 함수를 이용하며, 비용 함수는, 제어 입력(u)과 에러(e)의 크기 차이를 보정하는 입력 가중치를 포함하며, 비용 함수를 이용하여 파라미터 업데이트 알고리즘을 설정함에 있어서, 헤시안 행렬(Hessian matrix)을 이용하여 제1 내지 제2 파라미터의 방향성을 판별할 수 있다.
이상에서는 본 개시의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시예에 한정되지 아니하며, 청구범위상에서 청구하는 본 개시의 요지를 벗어남이 없이 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
100 : 플랜트 제어 장치 101 : 프로세서
102 : 통신 장치 130 : 플랜트
110 : 피드포워드 제어기 120 : 피드백 제어기
150 : 외란 관측기

Claims (14)

  1. 플랜트 제어 장치에 있어서,
    플랜트와 통신하는 통신 장치;
    상기 플랜트에 대한 지령 입력을 입력받으면, 상기 지령 입력에 기초하여 상기 플랜트에 대한 제어 입력을 생성하여 상기 플랜트에 제공하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 지령 입력 및 기저장된 제1 파라미터를 이용하여 상기 플랜트의 피드포워드 제어 입력을 산출하고,
    상기 플랜트의 출력 및 상기 지령 입력의 차분 값에 기초하여 에러를 산출하고,
    상기 산출된 에러 및 기저장된 제2 파라미터를 이용하여 상기 플랜트의 피드백 제어 입력을 산출하고,
    상기 플랜트의 제어 입력, 상기 플랜트의 출력 및 상기 기저장된 제1 파라미터에 기초하여 상기 플랜트의 예측 외란을 산출하고,
    상기 플랜트의 제어 입력은, 상기 피드포워드 제어 입력, 상기 피드백 제어 입력 및 상기 예측 외란에 기초하여 생성하며,
    상기 플랜트의 초기 구동 시에 상기 플랜트의 초기 출력에 기초하여 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는, 플랜트 제어 장치.
  2. 제1항에 있어서,
    상기 제1 파라미터는 제1 서브 파라미터 및 제2 서브 파라미터를 포함하고,
    상기 제2 파라미터는 제3 서브 파라미터 및 제4 서브 파라미터를 포함하는, 플랜트 제어 장치.
  3. 제2항에 있어서,
    상기 제1 서브 파라미터는, 상기 플랜트에 작용하는 관성 특성과 관련한 파라미터이고,
    상기 제2 서브 파라미터는, 상기 플랜트에 작용하는 마찰 특성과 관련한 파라미터인, 플랜트 제어 장치.
  4. 제2항에 있어서,
    상기 제3 서브 파라미터는, 상기 플랜트에 작용하는 비례 이득에 대한 파라미터이고,
    상기 제4 서브 파라미터는, 상기 플랜트에 작용하는 미분 이득에 대한 파라미터인, 플랜트 제어 장치.
  5. 제1항에 있어서,
    상기 프로세서는, 상기 예측 외란을 산출하기 위하여 상기 플랜트의 공칭(nominal) 모델과 저역 통과 필터인 Q-필터를 이용하는, 플랜트 제어 장치.
  6. 제1항에 있어서,
    상기 프로세서는,
    상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하기 위하여 상기 제1 내지 제2 파라미터를 업데이트하기 위한 비용 함수를 이용하며,
    상기 비용 함수는, 상기 제어 입력과 상기 에러 값의 크기 차이를 보정하는 입력 가중치를 포함하는, 플랜트 제어 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 비용 함수를 이용하여 파라미터 업데이트 알고리즘을 설정함에 있어서, 헤시안 행렬(Hessian matrix)을 이용하여 제1 내지 제2 파라미터의 방향성을 판별하는, 플랜트 제어 장치.
  8. 플랜트의 제어 방법에 있어서,
    상기 플랜트에 대한 지령 입력을 입력받으면, 상기 지령 입력 및 기저장된 제1 파라미터를 이용하여 상기 플랜트의 피드포워드 제어 입력을 산출하는 단계;
    상기 플랜트의 출력 및 상기 지령 입력의 차분값에 기초하여 에러를 산출하는 단계;
    상기 산출된 에러 및 기저장된 제2 파라미터를 이용하여 상기 플랜트의 피드백 제어 입력을 산출하는 단계;
    상기 플랜트의 제어 입력, 상기 플랜트의 출력 및 상기 기저장된 제1 파라미터에 기초하여 상기 플랜트의 예측 외란을 산출하는 단계;
    상기 피드포워드 제어 입력, 상기 피드백 제어 입력, 및 상기 예측 외란에 기초하여 상기 플랜트의 제어 입력을 생성하는 단계; 및
    상기 플랜트의 초기 구동 시에 상기 플랜트의 초기 출력에 기초하여 상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계;를 포함하는 플랜트의 제어 방법.
  9. 제8항에 있어서,
    상기 예측 외란을 산출하는 단계는,
    상기 예측 외란을 산출하기 위하여 상기 플랜트의 공칭(nominal) 모델과 저역 통과 필터인 Q-필터를 이용하는, 플랜트의 제어 방법.
  10. 제8항에 있어서,
    상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계는,
    상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하기 위하여 상기 제1 내지 제2 파라미터를 업데이트하기 위한 비용 함수를 이용하며,
    상기 비용 함수는, 상기 제어 입력과 상기 에러의 크기 차이를 보정하는 입력 가중치를 포함하는, 플랜트의 제어 방법.
  11. 제10항에 있어서,
    상기 제1 파라미터 및 상기 제2 파라미터를 동시에 조정하는 단계는,
    상기 비용 함수를 이용하여 파라미터 업데이트 알고리즘을 설정함에 있어서, 헤시안 행렬(Hessian matrix)을 이용하여 제1 내지 제2 파라미터의 방향성을 판별하는, 플랜트의 제어 방법.
  12. 제8항에 있어서,
    상기 제1 파라미터는 제1 서브 파라미터 및 제2 서브 파라미터를 포함하고,
    상기 제2 파라미터는 제3 서브 파라미터 및 제4 서브 파라미터를 포함하는, 플랜트의 제어 방법.
  13. 제12항에 있어서,
    상기 제1 서브 파라미터는, 상기 플랜트에 작용하는 관성 특성에 관한 파라미터이고,
    상기 제2 서브 파라미터는, 상기 플랜트에 작용하는 마찰 특성에 관한 파라미터인, 플랜트의 제어 방법.
  14. 제13항에 있어서,
    상기 제3 서브 파라미터는, 상기 플랜트에 작용하는 비례 이득에 대한 파라미터이고,
    상기 제4 서브 파라미터는, 상기 플랜트에 작용하는 미분 이득에 대한 파라미터인, 플랜트의 제어 방법.
KR1020210026645A 2021-02-26 2021-02-26 플랜트 제어 장치 및 그 제어 방법 KR102487640B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210026645A KR102487640B1 (ko) 2021-02-26 2021-02-26 플랜트 제어 장치 및 그 제어 방법
US17/675,195 US11835929B2 (en) 2021-02-26 2022-02-18 Control device for plant and controlling method of the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210026645A KR102487640B1 (ko) 2021-02-26 2021-02-26 플랜트 제어 장치 및 그 제어 방법

Publications (2)

Publication Number Publication Date
KR20220122254A true KR20220122254A (ko) 2022-09-02
KR102487640B1 KR102487640B1 (ko) 2023-01-11

Family

ID=83006369

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210026645A KR102487640B1 (ko) 2021-02-26 2021-02-26 플랜트 제어 장치 및 그 제어 방법

Country Status (2)

Country Link
US (1) US11835929B2 (ko)
KR (1) KR102487640B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555224B (zh) * 2024-01-09 2024-04-26 冠县新瑞实业有限公司 基于解耦控制系统的谷朊粉生产控制的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06309008A (ja) * 1993-04-20 1994-11-04 Mitsubishi Heavy Ind Ltd サーボ制御装置
JPH0720909A (ja) * 1993-06-30 1995-01-24 Toyo Electric Mfg Co Ltd 機械定数推定方法
JPH08331879A (ja) * 1995-06-01 1996-12-13 Toyo Electric Mfg Co Ltd 機械定数推定回路

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8401676B2 (en) * 2010-08-18 2013-03-19 International Business Machines Corporation Performance improvement of signal transformation schemes for ultra-fast scanning
JP5430535B2 (ja) * 2010-10-25 2014-03-05 本田技研工業株式会社 プラントの制御装置
US9170580B2 (en) * 2012-10-19 2015-10-27 Mitsubishi Electric Rsearch Laboratories, Inc. Determining trajectories of redundant actuators jointly tracking reference trajectory
JP5532115B1 (ja) 2012-12-07 2014-06-25 株式会社明電舎 周期外乱自動抑制装置
US10324424B2 (en) * 2013-03-11 2019-06-18 Johnson Controls Technology Company Control system with response time estimation and automatic operating parameter adjustment
KR101393765B1 (ko) 2013-04-17 2014-05-12 현대중공업 주식회사 토크 리플 저감을 위한 모델 기반 외란 관측기
US9601143B1 (en) * 2015-08-28 2017-03-21 Seagate Technology Llc Disturbance observer with energy reducing filter
KR101721777B1 (ko) 2015-10-30 2017-03-30 명지대학교 산학협력단 확장형 외란 관측기를 이용하여 1차 시스템을 제어하는 방법 및 장치
KR101966155B1 (ko) 2017-06-21 2019-04-08 중앙대학교 산학협력단 매칭되지 않은 외란을 가진 불확실한 순 피드백 시스템의 적응 추종을 위한 예측 기반 외란 관측 접근법을 이용한 제어 장치
JP6962893B2 (ja) * 2018-10-04 2021-11-05 株式会社神戸製鋼所 振動抑制装置、振動抑制方法及びプログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06309008A (ja) * 1993-04-20 1994-11-04 Mitsubishi Heavy Ind Ltd サーボ制御装置
JPH0720909A (ja) * 1993-06-30 1995-01-24 Toyo Electric Mfg Co Ltd 機械定数推定方法
JPH08331879A (ja) * 1995-06-01 1996-12-13 Toyo Electric Mfg Co Ltd 機械定数推定回路

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Hanul Jung 외 1인, Data-Driven Optimization of Integrated Control Framework for Flexible Motion Control System(2022.07.) 1부. *
Xiaocong Li 외 3인, Data-Based Tuning of Reduced-Order Inverse Model in Both Disturbance Observer and Feedforward With Application to Tray Indexing(2017.07) 1부.* *

Also Published As

Publication number Publication date
US20220276621A1 (en) 2022-09-01
US11835929B2 (en) 2023-12-05
KR102487640B1 (ko) 2023-01-11

Similar Documents

Publication Publication Date Title
US11000949B2 (en) Robot for controlling learning in view of operation in production line, and method of controlling the same
US10496073B2 (en) Retrieving pre-determined controller parameters to isolate vibrations in an authorized payload
US10824121B2 (en) Machine learning device, servo motor controller, servo motor control system, and machine learning method
US7805207B2 (en) Method and apparatus for adaptive parallel proportional-integral-derivative controller
EP3379349B1 (en) Control device, control program, and control system
CN111596545A (zh) 一种多输入多输出机械系统自适应容错预设性能控制方法
US11029650B2 (en) Machine learning device, control system, and machine learning method
KR101849464B1 (ko) Pid 게인 자동 튜닝 방법
US20200150599A1 (en) Output device, control device, and method for outputting evaluation functions and machine learning results
KR102382047B1 (ko) Pso를 이용한 모터 제어기의 자동 학습 튜닝 시스템
CN111552237B (zh) 机器学习装置、控制装置、以及机器学习的搜索范围的设定方法
KR102487640B1 (ko) 플랜트 제어 장치 및 그 제어 방법
JPH0535309A (ja) モデル予測制御装置
US11243501B2 (en) Machine learning device, control system, and machine learning
US10684594B2 (en) Machine learning device, servo motor controller, servo motor control system, and machine learning method
JPH09131087A (ja) サーボ系の制御ゲイン調整装置およびその調整方法
Ansay et al. Model uncertainties in GPC: A systematic two-step design
WO2021214839A1 (ja) 制御装置、制御システム、制御方法及びプログラム
KR100222763B1 (ko) 로봇의 위치제어용 선형출력 제어장치 및 방법
CN111806444A (zh) 车辆横向控制方法和装置、介质、设备、车辆
JP6607097B2 (ja) 制御装置、制御方法、情報処理プログラム、および記録媒体
CN113359452B (zh) 基于Barzilai Borwein智能学习算法的控制器设计方法、系统
JP7482201B1 (ja) モータ制御システム、制御パラメータ自動調整方法、及び、自動調整プログラム
Tani et al. Design of a Database-Driven Kansei Feedback Control System with Determination Mechanism of Learning Rate
Rizvi Reinforcement Learning for Model-Free Output Feedback Optimal Control

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right