개선된 유전 알고리즘 기반의 자동 동조 PID 제어기를 이용한 반응기의 온도제어 = Temperature control of Reactor by using of Auto Tuning PID Controller based on Improved Genetic Algorithm

국문 초록 (Abstract)

본 논문은 반응기 온도제어에 있어서 유용하게 쓰이는 PID 제어기에 자동 동조 개념을 접목시켜 최적 제어를 하는 방안에 대하여 연구 하였다. 제어 구조로는 자기 동조를 함에 있어서 향상된 유전 알고리즘을 이용하는 방법을 제안하였다.
유전 알고리즘의 성능을 보다 더 향상 시키는 방법으로 유전 알고리즘의 목적 함수를 제어 하고자 하는 대상에 적합한 형태로 새롭게 구성하였다. 새롭게 구성한 목적함수는 RMSE(Root Mean Square Error)와 ITAE(Integral of Time multiplied by Absolute Error)를 tuning weight parameter a, b를 정의하여 대상시스템에 따라 유연하게 tuning 해줄 수 있도록 구성되어있다.
또한 유전 알고리즘의 성능을 진취적으로 향상 시키고자 유전 알고리즘에서 해를 찾을 때 이용되는 랜덤 수 발생 메커니즘을 보다 더 실질적이고 주기가 긴 랜덤 수 발생이 가능하도록 하였다. 이 향상된 랜덤 수 발생을 위해 기존의 유전 알고리즘에서 이용하던 Uniform distribution 랜덤 수 발생기를 대신하여 새롭게 제안된 Hybrid 랜덤 수 발생기는 Cauchy distribution과 Linear congruential 법을 융합하여 구성하였다. 이 Hybrid 랜덤 수 발생기는 유전 알고리즘의 유전 연산자들이 매번 랜덤 수를 요청 할 때마다 중복되지 않고 최대한 주기성이 없는 순수한 랜덤 수를 제공 해주는 기능을 한다. 새롭게 제안된 유전 알고리즘을 이용한 자동 동조 PID 제어기 성능을 기존의 다른 자동 동조 PID 제어기와 실제 공정을 재현한 공정모사기를 이용한 모의실험을 통하여 비교 하였다.

다국어 초록 (Multilingual Abstract)

An optimal control of reactor temperature control is studied in this paper by realizing the auto tuning concept in conjunction with PID controller. A control scheme composed of an auto tuning stochastic technique based on an improved Genetic Algorithm (GA) is proposed.

For better evaluation of the process in GA, objective function defined newly in sense of root mean square error has been used. Also in order to achieve better performance of GA, more pureness and longer period of random number generation in operation are sought.

The main improvement in the performance of GA is made by replacing the uniform distribution random number generator in conventional GA technique to newly designed hybrid random generator composed of Cauchy distribution and linear congruential generator, which provides independent and different random numbers at each individual steps in Genetic operation.

The performance of newly proposed GA tuned controller is compared with those of conventional ones via simulation to verify the proposed idea.

목차 (Table of Contents)

• 1. 개요 1
• 1.1. 연구 목적과 동기 1
• 1.2. 논문의 구성 3
• 2. PID 제어기 구조, 특성 및 활용 4
• 2.1. PID 제어기 구조 4
• 2.2. P 동작(Proportional Action) 5
• 2.2.1. 제어 효과 5
• 2.2.2. 정상 편차(Off-set) 5
• 2.2.3. P 동작의 한계 7
• 2.2.4. P gain의 Tuning에 따른 효과 7
• 2.3. I 동작(Integral Action) 9
• 2.3.1. 제어 효과 10
• 2.3.2. I 동작의 한계 11
• 2.3.3. I gain의 Tuning에 따른 효과 11
• 2.4. D 동작(Derivative Action) 13
• 2.4.1. 제어 효과 14
• 2.4.2. D 동작의 한계 15
• 2.4.3. D의 Tuning에 따른 효과 15
• 2.5 공정 제어에서의 PID 제어기 활용 17
• 3. 유전 알고리즘 20
• 3.1. 기본개념 20
• 3.2. Genetic operator 23
• 3.2.1 Reproduction 23
• 3.2.2 Crossover 24
• 3.2.3 Mutation 25
• 3.3. 적합도 함수를 이용한 평가 26
• 3.3.1 목적 함수 26
• 3.3.1 적합도 함수 27
• 4. 개선된 유전 알고리즘을 이용한 자동 동조 PID 28
• 4.1. 기본 개념 28
• 4.2. Hybrid random number generator 도입 28
• 4.2.1. 기존 random number generator 28
• 4.2.2. Hybrid random number generator의 구성 30
• 4.2.3. Hybrid random number generator의 과정 31
• 4.3. 목적 함수 선정 33
• 4.4. 개선된 유전 알고리즘 과정 34
• 4.5. 개선된 유전 알고리즘을 이용한 간단한 Simulation 35
• 5. 시스템 모델링 38
• 5.1. 서론 38
• 5.2. 공정 분석 및 규명 38
• 5.2.1. 반응기 39
• 5.2.2. Ratio control 41
• 5.3. 모델링 43
• 5.3.1. 실제 운전 데이터를 이용한 조절 변수와 제어 변수 도출 43
• 5.3.2. 실제 운전 데이터를 이용한 동적 1차 모델링 47
• 6. 공정 Simulator 구성 52
• 6.1. 기본 개념 및 Simulator 구조 52
• 6.1.1. Simulator를 위한 NA 공정의 반응기 구성 52
• 6.1.2. Simulator를 위한 Ratio calculation 구성 54
• 6.1.3. Simulator를 위한 PID 제어기 구성 55
• 6.1.4. Simulator를 위한 가상의 NA 공정 구현 57
• 6.2. MatriconOPC와 Matlab을 이용한 공정 Simulator 57
• 6.3. Simulator 특징 61
• 7. 공정 Simulator를 이용한 실험 62
• 7.1. 실험의 과정 및 설정 62
• 7.2. 가상의 NA 공정 Simulator를 이용한 Tuning 결과 65
• 7.2.1. Set-point 변화 시 제어기 성능 비교 66
• 7.2.2. Impulse 형태의 Disturbance 발생 시 제어기 성능 비교 67
• 7.2.3. High, Low Frequency Noise 발생 시 제어기 성능 비교 67
• 8. 결론 및 향후 연구 방향 72
• 8.1 결론 72
• 8.2 향후 연구 방향 73
• 참고 문헌 74