[논문 리뷰] On Replacing PID Controller with ANN Controller for DC Motor Position Control

Muhammad Aamir|arXiv (Cornell University)|2013. 11. 30.

Advanced Control Systems Design인용 수 3

한 줄 요약

이 논문은 로봇 암 응용 분야에서 사용되는 직류(DC) 모터의 정밀한 각도 위치 제어를 위해 전통적인 PID 컨트롤러를 인공신경망(ANN) 컨트롤러로 대체하는 것을 제안한다. MATLAB 시뮬레이션에서 지도학습을 활용한 ANN 컨트롤러는 복잡도가 감소하고 산업 현장에서의 잠재적 비용 절감 효과를 감안할 때 PID 컨트롤러와 비교해 유사하거나 더 우수한 성능을 달성한다.

ABSTRACT

The process industry implements many techniques with certain parameters in its operations to control the working of several actuators on field. Amongst these actuators, DC motor is a very common machine. The angular position of DC motor can be controlled to drive many processes such as the arm of a robot. The most famous and well known controller for such applications is PID controller. It uses proportional, integral and derivative functions to control the input signal before sending it to the plant unit. In this paper, another controller based on Artificial Neural Network (ANN) control is examined to replace the PID controller for controlling the angular position of a DC motor to drive a robot arm. Simulation is performed in MATLAB after training the neural network (supervised learning) and it is shown that results are acceptable and applicable in process industry for reference control applications. The paper also indicates that the ANN controller can be less complicated and less costly to implement in industrial control applications as compared to some other proposed schemes.

연구 동기 및 목표

• 기존의 PID 컨트롤러를 DC 모터 위치 제어 시스템에 적용하는 데 있어 ANN 기반 컨트롤러의 실현 가능성을 평가하는 것.
• 특히 로봇 암 구동 응용 분야에서, ANN 컨트롤러가 참조 궤적을 추적하는 성능을 평가하는 것.
• 산업 현장에서 다른 고급 제어 기법에 비해 ANN 컨트롤러가 더 단순하고 비용 효율적인지 여부를 판단하는 것.
• 지도학습을 활용한 시뮬레이션과 실시간 제어 성능 지표를 통해 ANN 컨트롤러를 검증하는 것.

제안 방법

• 다층 퍼셉트론(MLP) 신경망을 지도학습을 통해 사용자 입력 오차 신호에서 적절한 제어 출력으로 매핑하도록 훈련시켰다.
• 훈련 데이터는 알려진 동역학 특성을 가진 시뮬레이션된 DC 모터 모델에서 생성되었으며, 목표 각도 위치와 실제 각도 위치 간의 오차를 입력으로 사용하였다.
• ANN 컨트롤러는 MATLAB/Simulink에서 실시간 제어 시스템의 피드백 루프를 시뮬레이션하기 위해 구현되었다.
• 스텝 및 램프 참조 입력을 포함한 동일한 조건에서 표준 PID 컨트롤러와 성능을 비교하였다.
• 백프로파게이션을 사용하여 수렴 속도와 추적 정확도를 최적화하기 위해 Levenberg-Marquardt 알고리즘을 적용한 네트워크 아키텍처를 설계하였다.
• 훈련된 ANN은 위치 오차에 반응하여 제어 신호를 생성하였으며, 명시적인 PID 튜닝 없이 직접 모터를 구동하였다.

실험 결과

연구 질문

• RQ1 ANN 컨트롤러가 DC 모터의 각도 위치 제어에서 PID 컨트롤러를 효과적으로 대체할 수 있는가?
• RQ2 표준 제어 입력 조건 하에서, 잘 튜닝된 PID 컨트롤러와 비교해 ANN 컨트롤러의 추적 성능는 어떠한가?
• RQ3 산업적 응용 분야에서 시스템 복잡도와 구현 비용 측면에서 ANN 컨트롤러의 잠재적 이점은 무엇인가?
• RQ4 ANN 컨트롤러는 스텝 및 램프 입력과 같은 참조 궤적 변화를 충분히 견딜 수 있는가?
• RQ5 세부 시스템 파ameter 지식이 없이도 ANN 컨트롤러가 안정적이고 정확한 제어를 달성할 수 있는가?

주요 결과

• ANN 컨트롤러는 최소한의 정적 오차와 참조 변화에 대한 빠른 반응을 보이며, PID 컨트롤러와 유사한 추적 성능을 달성하였다.
• ANN 컨트롤러는 스텝 및 램프 참조 입력 모두를 다루는 데 있어 강건성을 보였으며, 대부분의 경우 오버슈트 없이 안정적인 제어를 유지하였다.
• 시뮬레이션 결과, ANN 컨트롤러는 비례, 적분, 미분 gains의 명시적 튜닝이 필요로 하지 않아 설계 복잡도가 감소함을 확인하였다.
• 연구 결과, 다른 고급 제어 기법에 비해 산업 현장에서 ANN 컨트롤러가 더 저렴하고 구현이 간편할 수 있음을 결론 내렸다.
• 훈련된 신경망은 비선형 제어 매핑을 효과적으로 학습하여 분석적 시스템 모델에 의존하지 않고도 정확한 위치 제어를 가능하게 하였다.
• 결과적으로 ANN 기반 제어는 적응성과 튜닝 최소화가 유리한 분야에서 PID 제어의 실용적이고 타당한 대안이 될 수 있음을 시사한다.