2.4 Shaper 성능 평가
2.4.1. 가속도 제한 Shaper 시뮬레이션
Fig. 2-8 Residual Deflection with and
Fig. 2-9 Residual Deflection with and
Fig.2-8는 Large-scale Bridge Crane System에서 UMZVAL, NN-UMZV, NN-UMZVAL Shaper의 가속도 제한과 Hoisting 길이에 대한 Payload의 잔류변위를 나타낸다. 모든 조 건에서 NN-UMZVAL Shaper가 좋은 잔류변위 제어 성능을 보이며, 비선형이 고려되지 않은 Shaper를 Data set로 Training된 NN-UMZV Shaper의 경우 비선형성이 증가할수록 잔류변위가 더욱 커진다.
Fig.2-9는 Large-scale Bridge Crane System에서 UMZVAL, NN-UMZV, NN-UMZVAL Shaper의 가속도 제한과 감속도 제한에 대한 Payload의 잔류변위를 나타낸다.
NN-UMZVAL Shaper가 대부분의 Parameter에서 높은 잔류변위 제어 성능을 보이며 특 히 가속도 한계값과 감속도 한계값이 동일할 경우 NN-UMZV Shaper와 NN-UMZVAL Shaper의 잔류변위 제어 성능이 유사하게 나오는 특징이 존재하며, 일부 구간의 경우 NN-UMZVAL Shaper의 잔류변위가 더 크다. 이는 Neural Network를 활용함으로서 발생 하는 정확성의 희생과, 입력성형기의 구조상 발생하는 잔류변위의 중첩 과정에서 잔류 변위가 크게 나타난다. UMZVAL Shaper의 경우 비선형성이 커짐에 따라 Parameter가 변화하는 상황에서의 잔류변위가 더 크게 발생한다.
Fig. 2-10 Residual Deflection with L and
Fig.2-10는 Mini Bridge Crane System에서 UMZVAL, NN-UMZV, NN-UMZVAL Shaper의 가속도 제한과 Hoisting 길이에 대한 Payload의 잔류변위를 나타낸다. 대부분 의 구간에서 NN-UMZVAL Shaper가 좋은 잔류변위 제어 성능을 보인다. NN-UMZV Shaper의 경우 Hoisting길이가 0.7인 구간을 기점으로 급격하게 잔류변위 제어 성능이 변화하는 것으로 나타난다. UMZVAL Shaper의 경우 NN-UMZV Shaper와 특정 구간을 기점으로 잔류변위 제어 성능이 상반되는 특성을 보여 Shaper의 성능이 크게 비교되며, Large-scale에서 보였던 비선형성이 증가될수록 잔류변위가 커지는 특성이 다시금 나타 난다.
Fig.2-11는 Mini Bridge Crane System에서 UMZVAL, NN-UMZV, NN-UMZVAL Shaper의 가속도 제한과 감속도 제한에 대한 Payload의 잔류변위를 나타낸다. 이 역시 NN-UMZVAL Shaper가 대부분의 Parameter에서 높은 잔류변위 제어 성능을 보이며 Large-scale에서도 나타나듯, 가속도 한계값과 감속도 한계값이 동일한 구간에서 NN-UMZV Shaper와 NN-UMZVAL Shaper의 잔류변위 제어 성능이 거의 유사하게 나타 나며 특정 구간에는 NN-UMZV Shaper가 제어성능이 더 뛰어도록 나타난다. UMZVAL
Network가 유사한 제어 성능을 보인다.
Fig. 2-11 Residual Deflection with and
2.4.2. 1st-order Shaper 시뮬레이션
Fig. 2-12 Residual Deflection with and
Fig. 2-13 Residual Deflection with and
Fig.2-12는 Large-scale Bridge Crane System에서 UMZVF, NN-UMZV, NN-UMZVF Shaper의 가속 시상수와 Hoisting 길이에 대한 Payload의 잔류변위를 나타낸다. 모든 조 건에서 NN-UMZVF Shaper가 좋은 잔류변위 제어 성능을 보이며, 가속 시상수가 늘어 날수록 NN-UMZV Shaper의 제어 성능이 급격하게 저하된다. 이에 비해 UMZVF Shaper 의 경우 NN-UMZVF와 같이 전체 비선형 범위에서 일관적인 제어 성능을 유지한다.
Fig. 2-13는 Large-scale Bridge Crane System에서 UMZVF, NN-UMZV, NN-UMZVF Shaper의 가속 시상수와 감속 시상수에 대한 Payload의 잔류변위를 나타낸다. Fig. 2-12 과 마찬가지로 NN-UMZVF Shaper가 대부분의 Parameter에서 높은 잔류변위 제어 성능 을 보이며, UMZVF Shaper와 더불어 가속·감속 시상수에 관계없이 일정한 잔류변위 성 능을 보인다. NN-UMZV Shaper의 경우 가속 시상수가 늘어날수록 더욱 큰 잔류변위 편차를 보이며, 감속 시상수에 대해서는 비교적 적은 잔류변위 편차를 보이나 1st-order 의 비선형성이 고려된 Shaper들과 비해서는 편차가 크게 나타난다.
Fig. 2-14 Residual Deflection with and
Fig.2-14는 Mini Bridge Crane System에서 UMZVF, NN-UMZV, NN-UMZVF Shaper 의 가속 시상수와 Hoisting 길이에 대한 Payload의 잔류변위를 나타낸다. Large-scale과 마찬가지로 대부분의 구간에서 NN-UMZVAL Shaper가 훨신 좋은 잔류변위 제어 성능 을 보이며, UMZVF Shaper는 동일하게 일관적인 잔류변위 제어 성능을, NN-UMZV Shaper의 경우 Large-scale과 비교하여 더욱 큰 잔류변위 편차를 보이며, L길이에 대해 서도 잔류변위 편차가 크게 나타난다.
Fig. 2-15 Residual Deflection with and
Fig.2-15는 Mini Bridge Crane System에서 UMZVF, NN-UMZV, NN-UMZVF Shaper 의 가속 시상수와 감속 시상수에 대한 Payload의 잔류변위를 나타낸다. Large-scale과 같이 NN-UMZVF Shaper가 대부분의 Parameter에서 높은 잔류변위 제어 성능을 확보하 였으며, 비선형성이 고려된 Shaper들은 일관적인 제어성능을, NN-UMZV Shaper의 경 우 Large-scale에 비해서 비선형성에 따른 잔류변위 제어 성능 편차가 비교적 적다.