안도혁, 노명일, 여인창, 이혜원, "다양한 작업 조건을 고려한 해상 크레인의 심층 강화 학습 기반 제어 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 362, 2025.05.08-05.10
| Abstract | 해상 크레인은 조선소에서 대형 블록의 탑재에 필수적으로 활용되는 핵심 장비이다. 해상 크레인은 바지선, 크레인 붐 (boom), 블록 로더 (block loader), 와이어 로프, 샤클 (shackle) 등 다양한 구성 요소로 이루어져 있으며, 이들 요소가 복합적으로 상호 작용하면서 작동된다. 그러나 이들 요소 간의 기계적 복잡성뿐만 아니라, 바람, 파도, 조류 등 다양한 외부 환경 요인이 동시에 작용함에 따라 대형 블록의 움직임을 정밀하게 제어하는 데 어려움이 발생한다. PID (Proportional-Integral-Derivative) 및 SMC (Sliding Mode Control)와 같은 전통적인 제어 방법은 외부 환경 요인의 변화에 적절히 대응하지 못해 안전하고 효율적인 작업 수행에 한계를 보인다. 이에 본 연구에서는 이러한 문제를 해결하기 위해 심층 강화 학습 (deep reinforcement learning)을 적용한 해상 크레인의 적응형 제어 방법을 제안했다. 제안된 방법은 심층 신경망이 바람, 파도, 조류 등의 외부 환경 요인과 현재 해상 크레인의 상태를 분석하여 와이어 로프의 감기 속도를 세밀하게 조절함으로써 대형 블록을 안정적으로 제어하게 한다. 또한, 다양한 작업 조건을 인식하여 대형 블록을 원하는 높이에 안정적으로 유지할 수 있는 적응형 제어를 수행할 수 있도록 한다. 해상 크레인의 작업 환경과 유사한 가상 환경에서 실제 작업과 유사한 조건 하에 다양한 시뮬레이션을 수행하였다. 그 결과, 제안된 방법은 외부 환경 요인에 의해 발생하는 대형 블록의 불규칙한 움직임을 효과적으로 보정하며, 다양한 작업 조건에서도 안정적이고 성공적으로 탑재를 수행함을 확인할 수 있었다. 또한 전통적인 제어 방법을 활용하는 것 보다 제안된 방법이 블록 탑재 작업의 안전성과 효율성을 크게 향상시킨 결과를 보여주었다. |
|---|---|
| Publication Date | 2025-05-09 |
안도혁, 노명일, 여인창, 이혜원, "다양한 작업 조건을 고려한 해상 크레인의 심층 강화 학습 기반 제어 방법", 2025년도 대한조선학회 춘계학술발표회, 부산, p. 362, 2025.05.08-05.10