적응형 신경망-퍼지 추론법에 의한 가스터빈 발전 시스템의 모델링 및 2자유도 PID 제어기 튜닝

Modeling and Tuning of 2-DOF PID Controller of Gas turbine Generation Unit by ANFIS

  • 김동화 (정회원, 대전산업대 제어계측공학과)
  • 발행 : 2000.01.01

초록

본 논문에서는 적웅형 신경망-퍼지 추론(ANFlS) 방법을 이용해 가스터빈의 각 변수 변화에 대해 가장 최적으로 제어 될 수 있는 전달함수를 구하고 또 2자유도 Pill제어기를 튜닝하는 문제를 연구하였다. 적응형 신경망-퍼지 추론(ANFlS)법은 기존의 퍼지나 신경망에 비해 플랜트 특성에 따라 소속함수의 모양을 적절하게 가변하면서 학습 할 수 있어 변수가 급격히 변하는 플랜트 제어에서 매우 효과적인 방법이다. 한편 가스터빈의 기동시간은 매우 짧고 제어변수도 많아 최적 기동을 위해서는 기동순간마다 제어변수 값을 가변시켜야 하나 실질적으로 이에 적합한 제어기를 설계하는 것은 매우 어렵다. 따라서 본 연구에서는 실용적인 지능형 제어기를 연구하기 위해 적웅형 신경망 퍼지 추론법을 군산 가스터빈 의 실제 운전 데이터에 적용하여 특성을 확인한 후 2자유도 Pill 제어기를 적용하여 튜닝하였다. 그 결과 적웅형 신경망올 이용한 결과가 기폰의 Pill 제어기에 비해 우수함을 나타내었다 본 연구는 실제 운전되는 가스터빈의 데이터를 이용해 특성을 고찰한 것이므로 다른 유사한 프로세스에도 유용하게 활용 할 수 있을 것으로 기대된다.

We studied on acquiring of transfer function and tuning of 2-DOF PID controller using ANFIS for the optimum control to turbine's variables variety. Since the shape of a membership function in the ANFIS based on the characteristics of plant. ANFIS based control method is effective for plant that its variable vary. On the other hand, a start-up time is very short and its variable's value for optimal start-up in gas turbine should be varied, but it is very difficult for such a controller to design. In this paper, we tune 2-DOF PID controller after apply a ANFIS to the operating data of Gun-san gas turbine and verify the characteristics. Its results is compared to the conventional PID controller and discuss. We expect this method will be used for another process because it is studied on the real operating data.

키워드

참고문헌

  1. Cataloging-in-publishing data Gas turbine theory H.Cohen
  2. IEE proceeding v.138 no.4 Dynamic simulation of gas-turbine generation unit W.W.Hung
  3. Gun-san gas turbine manual J.G.Bachhen
  4. Labview manual
  5. neural fuzzy system PHPE Chin-Teng Lin;C.S.George,Lee
  6. IEEE Transactions Man, and Cybernetics v.23 no.3 Adaptive-network based fuzzy inference system J.S.R.Jang
  7. IEEE Transation Man, and Cyernetics v.23 no.3 Reinforcement structure/parameter learning for Neural-network-based fuzzy logic control systems C. S. George Lee
  8. Neural network v.13 no.9 adaptive neuro-fuzzy inference systems and their application to nonlinear dynamical systems J.Kim
  9. FUZZ-IEEE99 Application of multivariable 2-DOF PID controller with Neural network Tuning method to the Heat exchange Kim, Dong Hwa
  10. 인공지능 자동화 공정제어 김동화