논문 상세보기

신경망 회로 제어기를 이용한 선박 엔진 발전기의 여자기 제어 성능 개선에 관한 연구 KCI 등재

Study on the Performance Improvement of Marine Engine Generator Exciter Control using Neural Network Controller

  • 언어KOR
  • URLhttps://db.koreascholar.com/Article/Detail/427598
구독 기관 인증 시 무료 이용이 가능합니다. 4,000원
해양환경안전학회지 (Journal of the Korean Society of Marine Environment and Safety)
해양환경안전학회 (The Korean Society Of Marine Environment & Safety)
초록

선박 발전기의 여자기는 출력 단자 전압을 일정하게 유지하기 위하여 여자전류 제어를 통해 자속을 조정한다. 여자기 내부에 있는 전압제어기는 통상적으로 비례 적분 제어방식이 사용되는데 게인과 시정수에 의해 결정되는 응답 특성은 적절치 못한 설정값에 의 해 원하지 않는 출력을 내며 이로 인해 선내 전력의 품질과 안정성을 떨어뜨릴 수 있다. 본 논문에서는 IEEE에서 제공하는 AC4A 타입의 여자기 모델을 통해 얻을 수 있는 안정적인 입출력 데이터를 활용하여 신경망 회로를 학습시킨 후 기존의 비례 적분 제어방식의 전압제 어기를 학습된 신경망 회로 제어기로 대체하여 시뮬레이션을 수행하였다. 그 결과 기존 대비 최대 9.63%까지 오버슈팅이 개선되었으며, 안정적인 응답 특성에 대한 우수성을 확인하였다.

The exciter of a ship generator adjusts the magnetic flux through excitation current control to maintain the output terminal voltage constant. The voltage controller inside the exciter typically uses a proportional integral control method. however, the response characteristics determined by the gain and time constant produce unwanted output owing to an inappropriate setting value that can reduce the quality and stability of power within the ship. In this study, a neural network circuit is learned using stable input/output data that can be obtained through the AC4A type exciter model provided by IEEE, and the simulation is performed by replacing the existing proportional integral control type voltage controller with the learned neural network circuit controller. Consequently, overshooting was improved by up to 9.63% compared with that of the previous model, and excellence in stable response characteristics was confirmed.

목차
1. 서 론
2. 선박 전력 시스템
    2.1 선박의 전력 시스템
    2.2 엔진 발전기
3. 신경망 회로 모델링
    3.1 신경망 회로의 구성
    3.2 신경망의 학습
    3.3 전체 전력 시스템
    3.4 신경망 회로 학습
4. 시뮬레이션
    4.1 여자기 내부 메인 전압제어기 비교
    4.2 시뮬레이션 결과
5. 결론 및 고찰
후 기
저자
  • 김희문((재)한국조선해양기자재연구원 친환경추진기술팀 선임연구원) | HeeMoon Kim (Senior Researcher, Eco-Friendly Propulsion Team, Korea Marine Equipment Research Institute., Busan 49111, Korea)
  • 김종수(한국해양대학교 기관시스템공학부 교수) | JongSu Kim (Professor, Division of Marine System Engineering, Korea Maritime & Ocean University, Busan 49112, Korea) Corresponding author
  • 김성완(한국해양대학교 해사인공지능·보안학부 교수) | SeongWan Kim (Professor, Division of Marine AI & Cyber Security, Korea Maritime & Ocean University, Busan 49112, Korea)
  • 전현민(한국해양대학교 기관시스템공학부 교수) | HyeonMin Jeon (Professor, Division of Marine System Engineering, Korea Maritime & Ocean University, Busan 49112, Korea)