Kim, D.S.;Kim, I.S.;Yeo, S.M.;Kim, C.H.;Kim, U.M.;Lee, C.G.
Proceedings of the KIEE Conference
/
2001.05a
/
pp.180-182
/
2001
기존의 디지털 계전기 교육/훈련 방법은 적절한 교육용 소프트웨어 및 기기의 부재로 인해 교육을 받는 훈련생들을 단기간 내에 이해시키는데 어려움이 있었다. 본 연구의 목적은 GUI 환경에서 다양한 모의 고장 발생, 모의 고장 시나리오의 입력, 편집 수정, 삭제가 가능하고 디지털 계전기의 교육/훈련 기능과 함께 훈련 결과의 평가와 훈련일지의 작성 기능을 포함하는 디지털 계전기 시뮬레이터의 개발이다. 본 논문에서는 고장종류, 고장발생 각, 고장거리, 데이터의 샘플수에 따라 EMTP를 이용하여 모의한 후, 디지털 신호 처리를 이용하여 직류 성분과 고조파 성분을 제거하고, 기본파 성분을 추출한다. 그리고 추출된 데이터를 사용하여 임피던스 궤적을 도시하고. 그 결과를 사용자에게 보여주도록 하였다. 특히, GUI 환경으로 구성하여 알고리즘의 수행과정을 보다 쉽게 이해하고. 사용할 수 있도록 함으로써, 교육/훈련의 효과가 극대화되도록 하였다.
Proceedings of the Korean Institute of Navigation and Port Research Conference
/
2021.11a
/
pp.212-213
/
2021
자율운항선박 기술개발사업 중 2세부(자율운항선박 핵심 기관시스템 성능 모니터링 및 고장예측 진단 기술 개발) 과제는 자율운항선박의 추진 및 전력 생산을 담당하는 핵심 기관시스템의 운전 상태를 실시간 모니터링하여, 계측 데이터 기반의 고장 진단/예측을 수행하고 장애 발생 시 원격 지원체계를 통해 체계적/전문적 정비를 수행할 수 있도록 지원하는 기술이다. 자율운항선박은 선원이 없이 자율적으로 운항도 하지만, 핵심장비/기자재에 대해서도 실측 데이터를 기반으로 스스로 판단하여 고장여부에 대한 의사결정이 가능하여야 한다. 선박 기관시스템은 선박 운항의 안전과 정시 입·출항에 핵심이 되는 장비/기자재로써 자율운항선박 구현에 필요한 핵심 기술이다. 본 연구에서는 자율운항선박 핵심장비 중 보조기기 2종(Pump, Purifier), 배관(Seawater Pipe, Steam Pipe)의 성능 모니터링 및 고장예측/진단 소프트웨어를 개발하기 위한 연구를 수행한다.
Due to the electrification of railways, fault at the traction line is increasing year by year. So importance of the fault locator is growing higher. Nevertheless at the field traction line, it is difficult to locate accurate fault point due to various conditions. In this paper railway feeding system current loop equation was simplified and generalized though measured data. And substation, train power data were measured under synchronized condition. Finally catenary impedance was predicted through generalized equation. Also simulation model was designed to figure out the effect of load current for train at same location. Train current was changed from min to max range and catenary impedance was compared at same location. Finally, power measurement was performed in the field at train and substation simultaneously and catenary system impedance was predicted and calculated. Through this method catenary impedance can be measured more easily and continuously compared to the past method.
The Transactions of the Korean Institute of Power Electronics
/
v.15
no.3
/
pp.167-178
/
2010
To diagnose a stator winding fault caused by a short-circuited turn in a permanent magnet synchronous motor (PMSM), an on-line based fault detecting scheme during motor operation is presented. The proposed scheme is based on monitoring the second-order harmonic components in q-axis current obtained through the harmonic analysis and a winding fault is detected by comparing these components with those in normal conditions. The linear interpolation method is employed to determine harmonic data in arbitrary normal operating conditions. To verify the effectiveness of the proposed fault detecting scheme, a test motor to allow inter-turn short in the stator winding has been built. The entire control system including harmonic analysis algorithm and fault detecting algorithm is implemented using DSP TMS320F28335. The proposed scheme does not require any additional hardware and can effectively detect a fault during motor operation so long as the steady-state condition is satisfied.
The Journal of the Institute of Internet, Broadcasting and Communication
/
v.22
no.3
/
pp.9-14
/
2022
In the IoT(internet of things) where various devices can be connected, failure of essential devices may lead to a lot of economic and life losses. For reducing the losses, fault diagnosis techniques have been considered an essential part of IoT. In this paper, the method based on a graph neural network is proposed for determining fault and classifying types by extracting features from vibration data of systems. For training of the deep learning model, fault dataset are used as input data obtained from the CWRU(case western reserve university). To validate the classification performance of the proposed model, a conventional CNN(convolutional neural networks)-based fault classification model is compared with the proposed model. From the simulation results, it was confirmed that the classification performance of the proposed model outweighed the conventional model by up to 5% in the unevenly distributed data. The classification runtime can be improved by lightweight the proposed model in future works.
Tae-Hun Kim;Jun-Soo Che;Seung-Yun Lee;Byeong-Hyeon An;Jae-Deok Park;Tae-Sik Park
Journal of IKEEE
/
v.27
no.4
/
pp.601-609
/
2023
In this paper, we propose an artificial intelligence-based high-speed fault diagnosis method using an FPGA in the event of a ground fault in a DC system. When applying artificial intelligence algorithms to fault diagnosis, a substantial amount of computation and real-time data processing are required. By employing an FPGA with AI-based high-speed fault diagnosis, the DC breaker can operate more rapidly, thereby reducing the breaking capacity of the DC breaker. therefore, in this paper, an intelligent high-speed diagnosis algorithm was implemented by collecting fault data through fault simulation of a DC system using Matlab/Simulink. Subsequently, the proposed intelligent high-speed fault diagnosis algorithm was applied to the FPGA, and performance verification was conducted.
The Journal of the Institute of Internet, Broadcasting and Communication
/
v.20
no.1
/
pp.163-169
/
2020
Recently, research on automation and unmanned operation of machines in the industrial field has been conducted with the advent of AI, Big data, and the IoT, which are the core technologies of the Fourth Industrial Revolution. The machines for these automation processes are controlled based on the data collected from the sensors attached to them, and further, the processes are managed. Conventionally, the abnormalities of sensors are periodically checked and managed. However, due to various environmental factors and situations in the industrial field, there are cases where the inspection due to the failure is not missed or failures are not detected to prevent damage due to sensor failure. In addition, even if a failure occurs, it is not immediately detected, which worsens the process loss. Therefore, in order to prevent damage caused by such a sudden sensor failure, it is necessary to identify the failure of the sensor in an embedded system in real-time and to diagnose the failure and determine the type for a quick response. In this paper, a deep neural network-based fault diagnosis system is designed and implemented using Raspberry Pi to classify typical sensor fault types such as erratic fault, hard-over fault, spike fault, and stuck fault. In order to diagnose sensor failure, the network is constructed using Google's proposed Inverted residual block structure of MobilieNetV2. The proposed scheme reduces memory usage and improves the performance of the conventional CNN technique to classify sensor faults.
Software Reliability Growth Models (SRGMs) are used to quantitatively evaluate software reliability and to determine the software release date or additional testing efforts using software failure data. Because a single SRGM is not universally applicable to all kinds of software, the selection of an optimal SRGM suitable to a specific case has been an important issue. The existing methods for SRGM selection assess the goodness-of-fit of the SRGM in terms of the collected failure data but do not consider the accuracy of future failure predictions. In this paper, we propose a method for selecting SRGMs using the trend of failure data and failure prediction ability. To justify our approach, we identify problems associated with the existing SRGM selection methods through experiments and show that our method for selecting SRGMs is superior to the existing methods with respect to the accuracy of future failure prediction.
Journal of the Korea Academia-Industrial cooperation Society
/
v.7
no.6
/
pp.1004-1011
/
2006
In this study, we have performed a systematic case study on troubles and diagnoses of passenger car's engine based on OBD. We have acquired 1,242 data in order to analysis accurate troubles' causes and apposite diagnoses. 128 data of them are got using OBD apparatus, and the rest of them are collected on related website. As results, distribution on trouble cases shows bad idling(32%), poor acceleration(21%), stop in running(19%), faulty start(11%), inferior fuel economy(9%), and insufficient power(8%) in order of magnitude. And in the systematic cases, it is not difficult to detect troubles in a single part. But we know that special apparatus such as multichannel scanner is needed in complicated troubles. Furthermore we think that the survey is continued in various ways for more systematic case study on troubles and diagnoses.
The subway is a means of public transportation that plays an important role in the transportation system of modern cities. However, congestion often occurs due to sudden breakdowns and system outages, causing inconvenience. Therefore, in this paper, we conducted a study on failure prediction and prevention using machine learning to efficiently operate the subway system. Using UC Irvine's MetroPT-3 dataset, we built a subway breakdown prediction model using logistic regression. The model predicted the non-failure state with a high accuracy of 0.991. However, precision and recall are relatively low, suggesting the possibility of error in failure prediction. The ROC_AUC value is 0.901, indicating that the model can classify better than random guessing. The constructed model is useful for stable operation of the subway system, but additional research is needed to improve performance. Therefore, in the future, if there is a lot of learning data and the data is well purified, failure can be prevented by pre-inspection through prediction.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.