제어 엔지니어링
Control engineering제어 엔지니어링 또는 제어 시스템 엔지니어링 또는 자동화 엔지니어링(유럽의 경우)은 제어 시스템을 다루는 엔지니어링 분야로 제어 환경에서 [1]원하는 동작을 가진 장비와 시스템을 설계하기 위해 제어 이론을 적용합니다.제어의 원칙은 중복되며,[1] 일반적으로 전 세계 많은 기관에서 전기 공학 및 기계 공학과 함께 가르칩니다.
이 방법에서는 센서와 검출기를 사용하여 제어 중인 프로세스의 출력 성능을 측정합니다. 이러한 측정은 원하는 성능을 달성하기 위한 수정 피드백을 제공하는 데 사용됩니다.사람의 입력 없이 작동하도록 설계된 시스템을 자동 제어 시스템(예: 자동차의 속도를 조절하기 위한 크루즈 컨트롤)이라고 합니다.다학문적인 제어 시스템 엔지니어링 활동은 주로 다양한 범위의 시스템에 대한 수학적 모델링에 의해 도출된 제어 시스템의 구현에 초점을 맞춘다.
개요
현대 주간 제어 공학은 20세기 동안 기술의 발전과 함께 큰 관심을 받았던 비교적 새로운 학문 분야입니다.그것은 광범위하게 정의되거나 제어 이론의 실제 적용으로 분류될 수 있다.제어 공학은 간단한 가정용 세탁기에서 고성능 F-16 전투기까지 광범위한 제어 시스템에서 필수적인 역할을 합니다.다른 동작을 가진 입력, 출력 및 다양한 구성요소의 관점에서 수학적 모델링을 사용하여 물리적 시스템을 이해하고, 제어 시스템 설계 도구를 사용하여 해당 시스템을 위한 제어기를 개발하고, 사용 가능한 기술을 사용하는 물리적 시스템에 제어기를 구현하고자 한다.시스템은 기계, 전기, 유체, 화학, 재무 또는 생물일 수 있으며, 수학적 모델링, 분석 및 제어기 설계는 설계 문제의 성격에 따라 하나 또는 많은 시간, 주파수 및 복합 영역의 제어 이론을 사용한다.
역사
자동 제어 시스템은 2천 년 전에 처음 개발되었습니다.기록된 최초의 피드백 제어 장치는 기원전 3세기경에 이집트 알렉산드리아에 있는 고대 크테시비오스의 물시계인 것으로 생각된다.그것은 선박의 수위를 조절함으로써 시간을 유지했고, 따라서 그 선박에서 나오는 물의 흐름을 조절했다.몽골군이 1258년 바그다드를 점령했을 때, 바그다드에서는 비슷한 디자인의 물시계가 만들어지고 있었기 때문에, 이것은 확실히 성공적인 장치였다.다양한 자동 장치들은 수세기에 걸쳐 유용한 작업을 수행하거나 단순히 즐거움을 주기 위해 사용되어 왔다.후자는 17세기와 18세기에 유럽에서 유행했던 오토마타를 포함하며, 같은 작업을 반복해서 반복하는 춤추는 형상을 특징으로 합니다. 이 오토마타는 개방 루프 제어의 예입니다.피드백 또는 "폐쇄 루프" 자동 제어 장치 중 이정표에는 1620년경 드레벨에 속하는 용해로의 온도 조절기와 1788년 제임스 와트가 증기 엔진의 속도를 조절하는 데 사용한 원심 플라이볼 조속기가 포함됩니다.
제임스 클러크 맥스웰은 1868년 그의 논문 "거버너에 대하여"에서 제어 시스템을 설명하기 위해 미분 방정식을 사용하여 플라이볼 거버너에 의해 나타나는 불안정성을 설명할 수 있었습니다.이것은 복잡한 현상을 이해하는 데 있어 수학적 모델과 방법의 중요성과 유용성을 보여주었고, 그것은 수학적 통제와 시스템 이론의 시작을 알렸다.제어 이론의 요소들은 일찍 나타났지만 맥스웰의 분석에서처럼 극적이고 설득력 있게 나타나지는 않았다.
통제 이론은 다음 세기에 걸쳐 크게 발전했다.새로운 수학적 기술과 전자 및 컴퓨터 기술의 진보는 원래의 플라이볼 거버너가 안정화할 수 있는 것보다 훨씬 더 복잡한 동적 시스템을 제어하는 것을 가능하게 했습니다.새로운 수학적 기법에는 1950년대와 1960년대의 최적 제어에 대한 개발이 포함되었고, 1970년대와 1980년대의 확률적, 강력, 적응적, 비선형 제어 방법에 대한 진보가 뒤따랐다.제어 방법론의 적용은 가능한 우주 여행 및 통신 위성, 더 안전하고 효율적인 항공기, 더 깨끗한 자동차 엔진, 그리고 더 깨끗하고 효율적인 화학 과정을 만드는 데 도움을 주었다.
그것이 독특한 학문으로 등장하기 전에는 제어 공학이 기계 공학의 일부로 실행되었고 전기 회로는 종종 제어 이론 기술을 사용하여 쉽게 기술될 수 있기 때문에 전기 공학의 일부로 제어 이론이 연구되었다.첫 번째 제어관계에서는 전류출력이 전압제어 입력으로 표현되었다.그러나 전기 제어 시스템을 구현할 수 있는 적절한 기술이 없었기 때문에 설계자는 효율성이 떨어지고 반응이 느린 기계 시스템을 선택할 수 있었습니다.일부 수력발전소에서 여전히 널리 사용되는 매우 효과적인 기계 제어기는 가바나입니다.그 후 현대 전력 전자제품 이전에 산업용 프로세스 제어 시스템은 공압 및 유압 제어 장치를 사용하는 기계 엔지니어에 의해 고안되었으며, 그 대부분은 오늘날에도 여전히 사용되고 있습니다.
제어 이론
제어 이론에는 두 가지 주요 부문, 즉 고전적 부문과 현대적 부문이 있으며, 이는 제어 엔지니어링 애플리케이션에 직접적인 영향을 미칩니다.
기존 SISO 시스템 설계
고전적인 제어 이론의 범위는 두 번째 입력을 사용하여 외란 제거를 분석하는 경우를 제외하고 단일 입력 및 단일 출력(SISO) 시스템 설계로 제한됩니다.시스템 분석은 미분 방정식을 사용하는 시간 영역, 라플라스 변환을 사용하는 복합-s 영역 또는 복합-s 영역에서 변환하여 주파수 영역에서 수행됩니다.많은 시스템은 시간 영역에서 2차 및 단일 가변 시스템 응답을 갖는 것으로 가정할 수 있습니다.고전 이론을 사용하여 설계된 컨트롤러는 설계 근사치가 부정확하기 때문에 온사이트 조정이 필요한 경우가 많습니다.그러나 현대적인 제어 이론을 사용하여 설계된 시스템에 비해 고전적인 제어기 설계의 물리적 구현이 더 쉽기 때문에 이러한 제어기는 대부분의 산업 애플리케이션에서 선호됩니다.고전적인 제어이론을 사용하여 설계된 가장 일반적인 컨트롤러는 PID 컨트롤러입니다.일반적인 구현으로는 리드 또는 래그 필터 중 하나 또는 양쪽이 있습니다.궁극적인 최종 목표는 스텝 응답이라고 불리는 시간 영역 또는 때로는 오픈 루프 응답이라고 불리는 주파수 영역에서 일반적으로 제공되는 요구사항을 충족하는 것입니다.사양에 적용되는 스텝 응답 특성은 일반적으로 백분율 오버슈트, 안착 시간 등입니다.사양에 적용되는 오픈루프 응답 특성은 일반적으로 게인 및 위상 마진 및 대역폭입니다.이러한 특성은 보상 모델과 결합된 제어 대상 시스템의 동적 모델을 포함한 시뮬레이션을 통해 평가될 수 있다.
최신 MIMO 시스템 설계
최신 제어 이론은 상태 공간에서 수행되며 다중 입력 및 다중 출력(MIMO) 시스템을 다룰 수 있습니다.이는 전투기 제어와 같은 보다 정교한 설계 문제에서 고전적 제어 이론의 한계를 극복하고 주파수 영역 분석이 불가능하다는 한계를 극복한다.현대 설계에서 시스템은 상태 변수를 사용하여 정의된 분리된 1차 미분 방정식의 집합으로 가장 큰 이점을 나타냅니다.비선형, 다변수, 적응형 및 강력한 제어이론은 이 중분류에 속한다.매트릭스 방법은[citation needed] 입력과 출력 사이의 관계에서 선형 독립성이 보장되지 않는 MIMO 시스템에 대해 상당히 제한됩니다.상당히 새로운 현대 제어 이론은 아직 탐구해야 할 분야가 많다.루돌프 칼만과 알렉산드르 랴푸노프와 같은 학자들은 현대 지배 이론을 만든 사람들 사이에서 잘 알려져 있다.
제어 시스템
제어 엔지니어링은 다양한 범위의 동적 시스템(예: 기계 시스템) 및 이러한 시스템이 원하는 방식으로 동작하도록 하는 컨트롤러 설계에 초점을 맞춘 엔지니어링 분야입니다.이러한 컨트롤러가 전기적일 필요는 없지만, 많은 컨트롤러가 전기공학일 필요가 있기 때문에 제어공학은 종종 전기공학의 하위 분야로 간주됩니다.
전기 회로, 디지털 신호 프로세서 및 마이크로 컨트롤러는 모두 제어 시스템을 구현하는 데 사용할 수 있습니다.제어 공학은 상용 여객기의 비행 및 추진 시스템에서부터 많은 현대 자동차에 존재하는 크루즈 컨트롤에 이르기까지 광범위한 응용 분야를 가지고 있습니다.
대부분의 경우 제어 엔지니어는 제어 시스템을 설계할 때 피드백을 활용합니다.이것은 많은 경우 PID 컨트롤러 시스템을 사용하여 이루어집니다.예를 들어, 크루즈 컨트롤이 장착된 자동차에서는 차량 속도가 지속적으로 모니터링되고 시스템에 피드백되며, 이에 따라 모터의 토크가 조정됩니다.정기적인 피드백이 있는 경우 제어이론을 사용하여 시스템이 그러한 피드백에 어떻게 반응하는지를 결정할 수 있습니다.실제로 이러한 모든 시스템의 안정성은 중요하며 제어 이론은 안정성을 확보하는 데 도움이 될 수 있습니다.
피드백은 제어 엔지니어링의 중요한 측면이지만 제어 엔지니어는 피드백 없이 시스템의 제어에 임할 수도 있습니다.이를 오픈 루프 제어라고 합니다.오픈 루프 제어의 전형적인 예는 센서를 사용하지 않고 미리 정해진 사이클을 거치는 세탁기입니다.
제어 공학 교육
세계의 많은 대학에서 제어 공학 과정은 주로 전기 공학 및 기계 공학에서 가르치고 있지만, 일부 과정은 메카트로닉스 [2]공학 및 항공 우주 공학에서 가르칠 수 있습니다.다른 분야에서는 제어 엔지니어링이 컴퓨터 과학에 연결되어 있습니다. 오늘날 대부분의 제어 기술은 컴퓨터를 통해 구현되며, 종종 임베디드 시스템(자동차 분야와 같은)으로 구현됩니다.화학 공학 내의 제어 영역은 종종 프로세스 제어라고 알려져 있습니다.주로 공장의 화학 공정에서 변수의 제어를 다룬다.모든 화학 공학 프로그램의 학부 커리큘럼의 일부로 교육되며 제어 공학에서 많은 동일한 원칙을 사용합니다.다른 엔지니어링 분야도 적절한 모델을 도출할 수 있는 모든 시스템에 적용할 수 있기 때문에 제어 엔지니어링과 중복됩니다.하지만 담당하고 제어 공학과, 예를 들어, 이탈리아에는 자동화 및에 여러 주인 있는 완전히 제어 공학이나 부서는 자동 제어 시스템 공학의 셰필드 대학교[3]에서 직원들 그리고 로봇 제어 공학과 미국에서 특화된은 로봇 공학 존재할까nited주 [4]해군사관학교입니다
제어 엔지니어링은 과학, 재무 관리, 심지어 인간 행동까지 포함한 다양한 응용 분야를 제공해 왔습니다.제어공학과 학생들은 시간과 복소수 영역을 다루는 선형 제어 시스템 코스로 시작할 수 있는데, 이것은 고전 제어 이론이라고 불리는 초등 수학과 라플라스 변환에 대한 철저한 배경이 필요합니다.선형 제어에서는 학생이 빈도 및 시간 영역 분석을 수행합니다.디지털 제어와 비선형 제어 코스는 각각 Z 변환과 대수를 필요로 하며, 기본적인 제어 교육을 마친다고 할 수 있다.
엔지니어링 경력 관리
제어 엔지니어의 경력은 학사 학위로 시작되며 대학 과정을 통해 계속됩니다.제어 엔지니어 학위는 전기 또는 기계 공학 학위와 잘 짝을 이룹니다.제어 엔지니어는 일반적으로 여러 분야의 프로젝트를 지휘하는 기술 관리 업무를 맡게 됩니다.항공 우주 회사, 제조 회사, 자동차 회사, 전력 회사, 그리고 정부 기관에서 많은 일자리들이 있습니다.Control Engineer를 고용하는 기업에는 Rockwell Automation, NASA,[5] Ford, Goodrich 등이 있습니다.컨트롤 엔지니어들은 록히드 마틴사로부터 연간 6만 6천 달러를 벌 수 있을 것이다.제너럴모터스([6]GM)로부터 연간 최대 9만6000달러를 벌 수 있다.
Control Engineering 조사에 따르면 응답자 대부분은 다양한 직업의 제어 엔지니어였습니다."제어 엔지니어"로 분류되는 경력은 많지 않습니다.대부분의 경력은 제어 엔지니어링이라는 중요한 경력과 비슷합니다.2019년에 설문조사를 실시한 제어 엔지니어의 대다수는 시스템 또는 제품 설계자 또는 제어 또는 계기 엔지니어입니다.대부분의 작업은 프로세스 엔지니어링, 생산 또는 유지보수를 수반하며 제어 [7]엔지니어링의 일부 변형입니다.
최근의 진보
원래 제어 엔지니어링은 연속적인 시스템이었습니다.컴퓨터 제어 도구의 개발은 컴퓨터 기반 디지털 컨트롤러와 물리적 시스템 간의 통신이 컴퓨터 클럭에 의해 제어되기 때문에 이산 제어 시스템 엔지니어링의 필요성을 제기했습니다.이산 영역의 라플라스 변환과 동등한 것이 Z 변환입니다.오늘날 많은 제어 시스템은 컴퓨터로 제어되며 디지털 및 아날로그 컴포넌트로 구성되어 있습니다.
따라서 설계단계에서는 디지털 부품을 연속영역에 매핑하고 설계를 연속영역에서 실시하거나 아날로그 부품을 이산영역에 매핑하여 설계한다.이 두 가지 방법 중 첫 번째 방법은 많은 산업용 시스템이 몇 개의 디지털 컨트롤러와 함께 기계, 유체, 생물학적 및 아날로그 전기 구성 요소를 포함한 많은 연속적인 시스템 구성 요소를 가지고 있기 때문에 실제로 더 흔하게 접할 수 있습니다.
마찬가지로, 설계 기법은 종이와 룰러를 기반으로 한 수동 설계에서 컴퓨터 지원 설계로 발전했으며, 이제는 진화적 연산에 의해 가능해진 컴퓨터 자동 설계 또는 CAD로 발전했습니다.CAD는 사전 정의된 제어 체계를 조정하는 것뿐만 아니라 컨트롤러 구조 최적화, 시스템 식별 및 특정 제어 [8][9]체계와는 무관하게 성능 요건에 기초한 새로운 제어 시스템의 발명에도 적용할 수 있다.
복원력 제어 시스템은 계획된 장애만을 다루는 전통적인 초점을 프레임워크로 확장하고 여러 유형의 예기치 않은 장애에 대처하려고 시도한다. 특히 악의적인 행위자, 비정상적인 고장 모드, 바람직하지 않은 인간의 행동 [10]등에 대한 제어 시스템의 적응 및 변형.
최근 몇 년간 환경과 지속적으로 상호작용하여 최적의 제어 정책을 학습하는 강화 학습(RL) 기반 전략이 인기를 [11][12][13][14]끌고 있습니다.
「 」를 참조해 주세요.
레퍼런스
- ^ a b "Systems & Control Engineering FAQ Electrical Engineering and Computer Science". engineering.case.edu. Case Western Reserve University. 20 November 2015. Retrieved 27 June 2017.
- ^ Zhang, Jianhua (2017). Mechatronics and Automation Engineering. doi:10.1142/10406. ISBN 978-981-320-852-0.
- ^ "ACSE - The University of Sheffield". Retrieved 17 March 2015.
- ^ "WRC Home". USNA Weapons, Robotics and Control Engineering. Retrieved 19 November 2019.
- ^ "Systems & Control Engineering FAQ Computer and Data Science/Electrical, Computer and Systems Engineering". engineering.case.edu. 2015-11-20. Retrieved 2019-10-30.
- ^ "Control Systems Engineer Salary PayScale". www.payscale.com. Retrieved 2019-10-30.
- ^ https://www.controleng.com/wp-content/uploads/sites/2/2019/05/Control-Engineering-2019-Career-and-Salary-Study.pdf[베어 URL PDF]
- ^ Tan, K.C.; Li, Y. (2001). "Performance-based control system design automation via evolutionary computing" (PDF). Engineering Applications of Artificial Intelligence. 14 (4): 473–486. doi:10.1016/S0952-1976(01)00023-9.
- ^ Li, Yun; Ang, Kiam Heong; Chong, Gregory C. Y.; Feng, Wenyuan; Tan, Kay Chen; Kashiwagi, Hiroshi (2004). "CAutoCSD-evolutionary search and optimisation enabled computer automated control system design" (PDF). International Journal of Automation and Computing. 1: 76–88. doi:10.1007/s11633-004-0076-8. S2CID 55417415.
- ^ Rieger, Craig G.; Gertman, David I.; McQueen, Miles. A. (2009). "Resilient control systems: Next generation design research". 2009 2nd Conference on Human System Interactions. pp. 632–636. doi:10.1109/HSI.2009.5091051. ISBN 978-1-4244-3959-1. S2CID 6603922.
- ^ Noel, Mathew Mithra; Pandian, B. Jaganatha (2014-10-01). "Control of a nonlinear liquid level system using a new artificial neural network based reinforcement learning approach". Applied Soft Computing. 23: 444–451. doi:10.1016/j.asoc.2014.06.037. ISSN 1568-4946.
- ^ Pandian, B. Jaganatha; Noel, Mathew Mithra (2018-09-01). "Control of a bioreactor using a new partially supervised reinforcement learning algorithm". Journal of Process Control. 69: 16–29. doi:10.1016/j.jprocont.2018.07.013. ISSN 0959-1524. S2CID 126074778.
- ^ Pradeep, D. John; Noel, Mathew Mithra (2018-08-01). "A Finite Horizon Markov Decision Process Based Reinforcement Learning Control of a Rapid Thermal Processing system". Journal of Process Control. 68: 218–225. doi:10.1016/j.jprocont.2018.06.002. ISSN 0959-1524. S2CID 125750666.
- ^ Pradeep, D. John; Noel, Mathew Mithra; Arun, N. (2016-06-01). "Nonlinear control of a boost converter using a robust regression based reinforcement learning algorithm". Engineering Applications of Artificial Intelligence. 52: 1–9. doi:10.1016/j.engappai.2016.02.007. ISSN 0952-1976.
추가 정보
- Christopher Kilian (2005). Modern Control Technology. Thompson Delmar Learning. ISBN 978-1-4018-5806-3.
- Bennett, Stuart (June 1986). A history of control engineering, 1800-1930. IET. ISBN 978-0-86341-047-5.
- Bennett, Stuart (1993). A history of control engineering, 1930-1955. IET. ISBN 978-0-86341-299-8.
- Arnold Zankl (2006). Milestones in Automation: From the Transistor to the Digital Factory. Wiley-VCH. ISBN 978-3-89578-259-6.
- Franklin, Gene F.; Powell, J. David; Emami-Naeini, Abbas (2014). Feedback control of dynamic systems (7th ed.). Stanford Cali. U.S.: Pearson. p. 880. ISBN 9780133496598.