• Nuclear Engineering and Technology
• /
• 제27권5호
• /
• pp.670-686
• /
• 1995

본 논문의 저자는 원자력 발전소와 같은 복잡한 대규모의 시스템의 실시간 고장진단 방법을 1994년 IEEE TNS Vol. 41, No. 4 호[1］에 발표하였다. 이번 논문에서는 고장전파모델(FPM)로서 같은 'Timed SDG Model' 를 사용하고 있으나 고장전파시간( FPT)을 에메논리 개념을 이용하여 정확하게 구하기 어려운 FPT을 실질적으로 이용할 수 있도록 했으며, 또한 고장전파확율(FPP)개념을 도입하여 하나이상의 고장원인 절점 (Node)들을 절점고장율과 더불어, 보다 효과적으로 판별할 수 있도록 했다. 또 FPM내에서 고장의 전파확율를 고려함으로서 보다 실질적인 고장 진단방법을 제시하였으며 본 제안된 방법을 고리 원전 2호기 1차계통에 적용하여 1차계통 FPM내의 각 FPP이 ‘1’인 경우에 한하여 그 성능을 입증하여 보았다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 제39회 하계학술대회
• /
• pp.1855-1856
• /
• 2008

본 연구에서는 공정 중에 민감하게 반응하는 플라즈마로부터 수집되는 이온에너지 분포(IED : Ion Energy Distribution)와 시계열 신경망 모델링을 결합한 플라즈마 감시 기술을 개발하였다. NIEA(Non-invasive ion analyzer)를 이용하여 IED를 측정하였으며, 모델링에 사용된 신경망은 자기 상관 시계열 신경망(A-NTS : Auto-Correlated Neural Time-Series)이다. 모델 개발을 위한 학습과 테스트 데이터로는 Duty ratio 100%에서 수집한 IED를 이용하였으며, 개발된 모델의 감시 성능은 60%에서 수집된 IED로 평가하였다. 학습인자 k와 m의 범위는 각각 1-3 으로 총 9종류의 (k, m) 조합에 대해서 모델 성능을 평가하였다. 신경망 은닉층 뉴런수는 2-9의 범위에서 최적화하였다. 최적화된 모델은 (2, 3)과 뉴런수 2에서 구해졌으며, 0.335의 예측 에러를 보였다. 60% IED 데이터로 평가한 결과 플라즈마 고장에의 민감도는 62% 이상이었다. 이는 IED의 A-NTS 모델이 플라즈마 고장의 감시에 효과적으로 적용될 수 있음을 의미한다.

• 전자통신동향분석
• /
• 제15권5호통권65호
• /
• pp.94-102
• /
• 2000

시험기간 동안 수집된 고장 데이터를 이용하여 소프트웨어 신뢰도를 예측할 수 있는 모델은 많으나 이 예측 방법은 정확하지 못하며, 특히 초기 시험 단계에서는 더욱 더 부정확하여 예측자들은 이러한 소프트웨어 신뢰도 모델의 적용을 주저한다. 한편 소프트웨어 신뢰도 성장 모델은 유사 프로젝트나 개발 초기에 얻은 정보를 가지고는 신뢰도 예측 데이터로 활용이 불가능하다. 예를 들면 최근의 소프트웨어 시스템들은 항시 유사 프로젝트들로부터 활용이 가능한 일련의 정보와 동일 응용 영역의 초기 또는 최신의 정보들이 변경, 개선되기 때문이다. 본 논문에서는 유사한 프로젝트로부터 얻은 공통의 데이터들을 활용하여 소프트웨어 신뢰도를 예측할 수 있는 방법들을 제안한다. 특히 일반적으로 사용되고 있는 Goel-Okumoto(G-O) 모델이나 고장 검출률을 이용하거나 시험 데이터를 활용하는 방법 등을 이용하여 모델 파라미터를 추정하고 실제 프로젝트 수행중에 얻어진 각종 결과를 토대로 해서 Numerical Algorithm이 아닌 통계적인 관점의 분석 결과와 MLE(Maximum Likelihood Estimation) 추정 방법 등을 동원하여 초기에 우리 프로젝트에 맞는 정확한 소프트웨어 신뢰도 평가 방법을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.545-547
• /
• 2021

발전시설 장비는 이상이 생기면 큰 경제적 피해를 발생시키기 때문에, 장비의 계통마다 수십만 개의 센서들이 부착되어 장비의 정상 작동 여부를 모니터링 한다. 장비의 이상 감지를 위해서, 최근 활발히 연구되고 있는 딥러닝 등의 기술을 활용한 AI 모델을 생성하여 장비의 고장을 예측한다. AI 모델을 학습하고 추론하기 위해서는 수많은 센서 중에서 AI 모델을 생성할 센서들을 선택하고, 지속적으로 모니터링 되는 값들을 비교하여 이상 감지 여부를 스트리밍 환경에서 추론할 수 있는 센서 빅데이터 질의 처리 및 스트리밍 추론 시스템이 필요하다. 본 논문에서는 AI 모델을 학습하고 스트리밍 추론할 수 있는 빅데이터 질의 처리 시스템을 설계 및 구현한다.

• 한국항공우주학회지
• /
• 제49권4호
• /
• pp.311-320
• /
• 2021

무인기용 터보제트엔진의 운전 중 발생하는 고장을 실시간으로 진단하기 위한 방안 및 성능 열화와 관련된 건정성 추정에 관해 연구하였다. 이를 위해서, 동적 열역학 가스경로해석을 통한 비선형 동특성 방정식으로부터 실시간 선형모델을 도출하였고, 연출된 운전상황과 고장 발생을 실시간으로 진단하기 위해 칼만필터와 가설 검증에 기초한 확률적 판단 기법을 적용하였다. 이 결과, 분명한 고장 검출과 분리 성능을 보임으로써 그 효용성을 확인하였다. 측정변수를 통한 건전성 추정과 관련하여, 실제 엔진 구성품의 성능 열화 추이를 모사하였고, 적응형 칼만필터를 적용하여 추정 기법의 타당성을 입증함으로써, 상태 기반 고장 진단 및 정비 기법에 효과적으로 사용될 수 있음을 보였다.

• 한국소음진동공학회논문집
• /
• 제19권7호
• /
• pp.726-735
• /
• 2009

이 논문에서는 신호 모델에 기반하여 유도전동기의 고장 검출 및 고장 진단을 위한 새로운 시스템을 제안한다. 산업현장에 적용하는 기존의 제품들은 신호가 문턱치를 넘어면 고장을 검출하는 단순한 알고리듬을 가지고 있어 고장의 유형이나 고장을 예측하는데 문제가 있다. 이 논문에서는 이러한 문제들을 해결하기 위한 시스템을 제안한다. 이 시스템은 고장 검출 과정과 고장 진단 과정으로 구성되며, 고장 검출 과정은 기계 신호음들이 웨이블렛 필터뱅크를 통과한 후 웨이블렛 계수들의 분산과 상관도를 분석하여 고장을 검출한다. 고장 진단 과정은 패턴분류기술을 적용하여 고장의 유형을 진단하게 된다. 대표적인 유도전동기 고장 유형들로서는 불평형, 미스얼라이먼트, 그리고 베어링 루스 등이 있으며, 이러한 유형들은 제안하는 시스템에서 분석되고 진단을 받게 된다. 제안하는 시스템에 적용한 결과 상관도를 이용한 방법은 78 %, 분산을 이용한 방법은 95 % 이상의 고장진단율을 보이는 우수한 결과를 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2007년도 춘계학술발표대회
• /
• pp.192-196
• /
• 2007

그동안 소프트웨어의 신뢰도가 테스트중은 물론 운영중에도 고장을 검출 및 수벙함으로써 성장될 수 있다는 가정 하에 SRGM이 연구되어왔다. 한편, 어떤 논문에서는 운영중에 소프트웨어를 수정한다는 것이 특히 범용 소프트웨어인 경우 불가능에 가깝기 때문에 테스트노력이 일정한 것으로 가정하기도 하였다.. 저자는 소프트웨어의 신뢰도 현상에 접근할 수 있는 단순한 기법을 제안하여 기존신뢰도 모델을 수정하지 않고 고장률을 줄일 수 있도록 하는 방안을 제시한다.

• 대한전자공학회논문지SD
• /
• 제39권3호
• /
• pp.20-33
• /
• 2002

현재 다양한 분야에서 이중 포트 메모리의 사용이 증가함에 따라서 이중 포트 메모리의 고장을 진단하기 위한 효율적인 고장 진단 알고리듬의 필_도성이 증대되고 있다. 따라서 본 논문에서는 이중 포트 메모리에서의 효율적인 고장 진단 알고리듬을 제시하여 이중 포트 메모리에서 발생하는 거의 모든 종류의 고장에 대한 진단을 가능하게 한다. 또한 진단 과정에서 착오를 일으키지 않고 다양한 고장 모델을 구별하며 고장과 관련된 위치를 정확하게 확인하는 것이 가능하다. 새로운 진단 알고리듬을 사용함으로서 이중 포트 메모리에서의 고장 진단과정은 효과적으로 수행될 수 있으며 이전의 다른 연구들과의 성능 평가를 통해 효율성을 확인할 수 있다.

• 한국통신학회논문지
• /
• 제31권9A호
• /
• pp.868-877
• /
• 2006

센서 네트워크에서 시각 동기 기술은 위치 추적, 암호화 기술에서의 타임 스탬프, 타 노드들로부터의 같은 이벤트 중복 감지 인식, 기록된 이벤트들의 발생 순서 구분 등 다양한 응용을 위해 필수적이다. 그리고 최근 센서 네트워크에서 신뢰성 및 고장 허용성에 대한 문제가 최근 연구의 주요한 영역으로 대두되고 있다. 본 논문에서는 네트워크 고장과 클럭 고장이라는 두가지 고장 모델을 가정하여 센서 네트워크에서 고장 허용 시각 관리 기법에 대해 제시한다. 제안한 기법은 노드 클럭의 불안정한 동요나 표류율에 심각한 변화가 발생하는 등의 고장이 발생했을 때 이러한 클럭 오류의 네트워크 전파를 제한하며 토폴로지 변화에 대응한다. 시뮬레이션 결과는 제안한 동기 기법이 기존의 TPSN과 비교하여 클럭 고장이 있을 때 동기화 비율이 $1.5{\sim}2.0$배 나은 성능을 보인다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.403_404
• /
• 2009

전력은 공공재화로서 광역정전이나 전역정전이 발생하면 전력공급에 매우 심각한 문제가 발생하므로 이에 대한 합리적인 분석과 효과적인 대책 수립이 필요하다. 송전계통의 주 구성요소인 선로, 철탑, 변압기, 개폐장치들은 장기 사용에 따른 노후화와 같은 문제와 절연의 특성상 초고압전기 절연의 근원적 난점 등으로 다수의 절연파괴 고장이 불시에 발생하게 되어 전력공급의 신뢰성을 떨어뜨리게 된다. 이와 같이 전력기기들은 사전에 진단을 하여 기기의 상태를 알아내는 것이 필요하다. 주요 기기에 대한 진단은 데이터베이스의 구축과 이로부터 고장을 예측하고 신뢰성을 평가하는 것으로 이루어진다. 이를 위해 보다 정교하고 정확한 고장 예측 기술, 진단기술, 신뢰성 평가기술을 개발할 필요가 있다. 본 논문에서는 송전기기의 유지보수를 위한 기기 상태 추정 모델을 제시하고, 송전유지보수 전략 수립을 위한 방법을 제시한다.