전도현, 노명일, 이혜원, "딥 러닝 기반 크레인 와이어 제어를 통한 리프팅 블록의 거동 최소화", 2020년도 대한조선학회 추계학술발표회, 창원, pp. 359, 2020.11.05-06
Domestic Conference
2020.10.20 14:58
전도현, 노명일, 이혜원, "딥 러닝 기반 크레인 와이어 제어를 통한 리프팅 블록의 거동 최소화", 2020년도 대한조선학회 추계학술발표회, 창원, pp. 359, 2020.11.05-06
조회 수 217
| 첨부 '1' |
|---|
| Abstract | 크레인을 이용한 블록의 탑재 작업은 선박이나 해양 구조물의 제작 과정에서 매우 중요한 공정 중 하나이다. 블록의 탑재 과정에서 블록의 거동 제어가 정확하게 수행되지 못하거나 환경 외력 등에 의해 예기치 못한 흔들림이나 회전 등이 발생할 경우, 타 블록 또는 구조물과의 충돌 등과 같은 위험이 발생할 수 있다. 블록의 탑재 작업에서 블록의 거동은 크레인과 와이어, 이퀄라이저 (equalizer)와 같이 블록과 연결된 복잡한 장치에 의해 간접적으로 제어된다. 특히, 블록과 연결된 이들의 움직임을 예측하기 힘들기 때문에, 블록의 거동을 제어하는 것이 쉽지 않다. 따라서 본 연구에서는 블록의 거동, 즉 자세를 제어하기 위해 최근 인공 지능 및 자동 제어 분야에서 활발히 사용되는 방법인 심층 강화 학습 (deep reinforcement learning)을 적용하였다. 연속적이고 복잡한 블록의 자세를 효과적으로 표현하기 위해서 강화 학습의 상태 (state) 및 행동 (action)을 심층 학습의 인공 신경망 (neural network)를 통해 표현하였으며, actor-critic 알고리즘 중 하나인 PPO (Proximal policy optimization) 알고리즘을 이용하여 블록의 자세 제어를 수행하였다. 블록의 현재 위치 및 자세를 인공 신경망의 입력 정보로 설정하였으며, 각 와이어를 감아 올리는 속도를 출력 정보로 설정하여 학습을 수행하였다. 제안된 방법의 효용성을 검증하기 위해 강화 학습 모델을 적용하여 블록 탑재 시뮬레이션을 수행하였으며, 이를 기존의 자세 제어 방법과 비교하였다. 그 결과, 제안된 방법이 기존 방법에 비해 효과적으로 블록의 거동을 최소화하며 블록 탑재를 수행하는 것을 확인하였다. |
|---|---|
| Publication Date | 2020-11-05 |
