Publications
Detailed Information
Modifier adaptation schemes for data-driven optimization of chemical and biological processes under model-plant mismatch : 모델 공정 불일치 상황에서 화학 생물 공정의 데이터 기반 최적화를 위한 개선항 적응법
Cited 0 time in
Web of Science
Cited 0 time in Scopus
- Authors
- Advisor
- 이종민
- Major
- 공과대학 화학생물공학부
- Issue Date
- 2018-02
- Publisher
- 서울대학교 대학원
- Keywords
- 개선항 적응법 ; 기계 학습 ; 모델 공정 불일치 ; 데이터 기반 최적화
- Description
- 학위논문 (박사)-- 서울대학교 대학원 : 공과대학 화학생물공학부, 2018. 2. 이종민.
- Abstract
- 개선항 적응법은 데이터 기반 최적화 기법의 일종으로 모델 공정 불일치 조건에서도 수렴하는 값이 공정의 최적 필요 조건을 만족한다는 특징이 있다. 이 학위 논문은 개선항 적응법의 화학 및 생물 공정에 대한 적용 과정에서 발생하는 3 가지 문제점에 대한 해결책을 제시한다. 첫 번째, 반복적으로 발생하는 큰 외란에 의한 최적성 상실의 문제는 과거 외란 정보를 이용하여 앞 먹임 결정기를 디자인 함으로써 빠르게 외란에 대처할 수 있다. 이러한 앞 먹임 결정기는 최신 기법인 심층 신경망 기법을 사용하여 구성하였다. 두 번째, fed-batch reactor 공정의 동적 최적화 문제와 같이 조작 변수의 수가 많은 상황에서 목적 함수와 제약 조건의 실험적 구배를 효과적으로 추정하기 위하여 회귀 분석 방법을 적용하는 방법을 제안하였다. 이를 위하여 multiple linear regression (MLR), principle component analysis (PCA), partial least squares (PLS)와 같은 다양한 회귀 분석 방법이 적용되었고, 보수적인 추정을 위한 moving average 업데이트 방법도 제안되어 수렴했을 때의 공정의 최적 필요 조건 만족이라는 특성을 유지함을 증명하였다. 마지막으로, 업데이트에서 발생할 수 있는 infeasible solution과 공정 노이즈를 효과적으로 처리할 수 있는 새로운 형태의 개선항 적응법을 제안하였다. 또한 제안된 새로운 구조의 개선항 적응법이 갖는 노이즈에 대한 강건성과 수렴성, 그리고 수렴했을 때의 최적 필요조건이 만족함을 증명하였다.
- Language
- English
- Files in This Item:
Item View & Download Count
Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.