• 제목/요약/키워드: 고장탐지율

검색결과 14건 처리시간 0.029초

부호 제거기를 활용한 STDR/SSTDR 기법의 탐지 성능 개선 (Detection Performance Improvement of STDR/SSTDR Schemes Using Sign Eliminator)

  • 박소령
    • 한국통신학회논문지
    • /
    • 제41권6호
    • /
    • pp.620-627
    • /
    • 2016
  • 이 논문에서는 STDR(sequence time-domain reflectometry)이나 SSTDR(spread-spectrum time-domain reflectometry) 방식에서 인가 신호 제거 기법을 사용하여 케이블의 고장 위치를 탐지할 때, 제거기 앞단에 부호기(sign detector)를 추가하여 복원된 부호를 제거하는 기법을 제안한다. 제안하는 방법은 케이블 선로나 측정 회로에 의해 변형된 신호를 수열의 형태로 복원시킨 후 제거하기 때문에 부호기를 쓰지 않은 경우보다 인가 신호 부분을 효과적으로 제거할 수 있고, 결과적으로 고장에 의한 반사 신호 부분의 탐지 성능을 향상시킬 수 있다. 특히, 원거리 고장에서 제안한 고장 탐지 기법이 기존의 기법에 비해 오탐지율을 크게 낮출 수 있음을 모의실험으로 보였다.

Denoising Auto Encoder 기법을 활용한 진동 데이터 전처리 및 성능비교 (Vibration Data Denoising and Performance Comparison Using Denoising Auto Encoder Method)

  • 장준교;노천명;김성수;이순섭;이재철
    • 해양환경안전학회지
    • /
    • 제27권7호
    • /
    • pp.1088-1097
    • /
    • 2021
  • 기계 장비의 진동 데이터는 필연적으로 노이즈를 포함하고 있다. 이러한 노이즈는 기계 장비의 유지보수를 진행하는데 악영향을 끼친다. 그에 따라 데이터의 노이즈를 얼마나 효과적으로 제거해주냐에 따라 학습 모델의 성능을 좌우한다. 본 논문에서는 시계열 데이터를 전처리 함에 있어 특성추출 과정을 포함하지 않는 Denoising Auto Encoder 기법을 활용하여 데이터의 노이즈를 제거했다. 또한 기계 신호 처리에 널리 사용되는 Wavelet Transform과 성능 비교를 진행했다. 성능비교는 고장 탐지율을 계산하여 진행했으며 보다 정확한 비교를 위해 분류 성능 평가기준 중 하나인 F-1 Score를 계산하여 성능 비교를 진행했다. 고장을 탐지하는 과정에서는 One-Class SVM 기법을 활용하여 고장 데이터를 탐지했다. 성능 비교 결과 고장 진단율과 오차율 측면에서 Denoising Auto Encoder 기법이 Wavelet Transform 기법에 비해 보다 좋은 성능을 나타냈다.

무기체계 정비성 향상을 위한 BIT 설계 및 검증 방안 (Improvements in Design and Evaluation of Built-In-Test System)

  • 허완욱;박은심;윤정환
    • 한국군사과학기술학회지
    • /
    • 제15권2호
    • /
    • pp.111-120
    • /
    • 2012
  • Built-In-Test is a design feature in more and more advanced weapon system. During development test and evaluation(DT&E) it is critical that the BIT system be evaluated. The BIT system is an integral part of the weapon system and subsystem. Built-In-Test assists in conducting on system and subsystem failure detection and isolation to the Line Replaceable Unit(LRU). This capability reduces the need for highly skilled personnel and special test equipment at organizational level, and reduces maintenance down-time of system by shortening Total Corrective Maintenance Time. During DT&E of weapon system the objective of BIT system evaluation is to determine BIT capabilities achieved and to identify deficiencies in the BIT system. As a result corrective actions are implemented while the system is still in development. Through the use of the reiterative BIT evaluation the BIT system design was corrected, improved, or updated, as the BIT system matured.

여러 가지 수열을 적용한 STDR/SSTDR 기법의 성능 비교 및 개선 (Performance Comparison and Improvement of STDR/SSTDR Schemes Using Various Sequences)

  • 한정재;박소령
    • 한국통신학회논문지
    • /
    • 제39A권11호
    • /
    • pp.637-644
    • /
    • 2014
  • 이 논문에서는 다양한 길이와 종류의 수열을 사용한 STDR(sequence time domain reflectometry) 및 SSTDR(spread spectrum time domain reflectometry) 기법의 고장위치 탐지 성능을 비교하고, SSTDR 기법의 성능 향상을 위한 인가신호 제거 방식을 제안한다. 대표적인 PN(pseudo-noise) 수열인 m 수열, 자기상관(autocorrelation) 성질이 우수한 이진(binary) Barker 수열과 4위상 Frank 수열을 사용하였을 때, 전력선 채널 모형에서 고장 유형, 고장위치, 제안 기법 사용 유무를 바꾸어가며 오탐지율을 비교 분석한다. 감쇠가 심할 때와 고장위치가 매우 가까울 때 제안한 인가신호 제거 방식을 사용하면 고장위치 탐지 성능을 크게 개선시킬 수 있음을 모의실험으로 확인한다.

PCA 및 변수 중요도를 활용한 냉동컨테이너 고장 탐지 방법론 비교 연구 (A Comparative Study on the Methodology of Failure Detection of Reefer Containers Using PCA and Feature Importance)

  • 이승현;박성호;이승재;이희원;유성열;이강배
    • 한국융합학회논문지
    • /
    • 제13권3호
    • /
    • pp.23-31
    • /
    • 2022
  • 본 연구는 H해운사에서 제공받은 Starcool사의 실제 냉동 컨테이너 운영데이터를 분석하였다. H사의 현장 전문가와 인터뷰를 통해 4가지 고장 알람 중 Critical 및 Fatal Alarm만 고장으로 정의하였고, 냉동 컨테이너 특성상 모든 변수를 사용하는 것은 비용측면에서 비효율을 초래하는 것을 확인하였다. 이에 본 연구는 특성 중요도 및 PCA 기법을 통한 냉동 컨테이너 고장 탐지 방법을 제시한다. 모델의 성능 향상을 위해 XGBoost, LGBoost 등과 같은 트리계열 모델을 통해 변수 중요도(Feature Importance)를 기반으로 변수 선택(Feature selcetion)을 하고 선택되지 않은 변수는 PCA를 사용하여 전체 변수의 차원을 축소시켜 각 모델별로 지도학습을 수행한다. 부스팅 기반의 XGBoost, LGBoost 기법은 본 연구에서 제안하는 모델의 결과가 62개의 모든 변수를 사용한 지도 학습의 결과보다 재현율(Recall)이 각각 0.36, 0.39씩 향상되는 되는 결과를 보였다.

전자부품 고장모드를 고려한 Built-In-Test 성능분석 (Built-In-Test Coverage Analysis Considering Failure Mode of Electronics Components)

  • 서준호;고진영;박한준
    • 한국항공우주학회지
    • /
    • 제43권5호
    • /
    • pp.449-455
    • /
    • 2015
  • Built-In-Test(이하: BIT)는 항공기 비행안전을 위해 반드시 필요한 기능으로 항공전자 장비의 경우 95% 이상의 높은 고장 진단능력을 요구하고 있다. BIT가 요구도에 명시된 고장 진단능력을 만족시키는지 확인하기 위해 BIT 성능분석이 필요하다. BIT 성능분석을 위해 FMECA (Failure Mode Effect Critical Analysis)에 기술된 고장모드를 활용하는 방법이 많이 사용되고 있으나, 본 논문에서는 분석 오류를 최소화할 수 있는 전자부품 기반의 BIT 성능분석 방법론을 소개한다. 또한, BIT 성능분석에서 제외될 수 있는 비행안전에 영향을 미치지 않는 전자부품 및 전자부품의 고장모드를 실제 개발사례에 적용하여 불필요한 BIT 기능 구현을 방지하고 정확한 BIT 성능분석을 수행할 수 있도록 하였다. BIT Demo를 수행하여 BIT 성능분석 결과와 실제 BIT 성능이 일치함을 확인하였다.

합성곱 신경망(CNN)을 활용한 항공 시스템의 이상 탐지 모델 연구 (Anomaly Detections Model of Aviation System by CNN)

  • 임현재;김태림;송종규;김범수
    • 항공우주시스템공학회지
    • /
    • 제17권4호
    • /
    • pp.67-74
    • /
    • 2023
  • 최근 미래의 운송시스템으로 도심교통항공(Urban Aircraft Mobility)이 주목받고 있으며 소형 드론도 다양한 산업에서 역할을 하고 있다. 다양한 종류의 항공 시스템 고장은 추락으로 막대한 재산 및 인명 피해로 이어질 수 있다. 항공 시스템이 많이 활용되는 무기체계에서도 고장은 임무 실패의 결과를 유발한다. 본 논문에서는 항공 시스템의 이상(Anomaly)을 탐지하여 개발 및 생산 간 시스템의 신뢰도를 높이고 운용 중 사고를 예방할 수 있도록 딥러닝 기술을 활용한 이상 탐지 모델을 연구했다. 모델 훈련 및 평가 데이터로 극저온 환경에서 시스템의 전류 데이터를 활용하였으며 이미지 인식에 많이 활용되는 딥러닝 기법 합성곱 신경망(CNN; Convolutional Neural Network)을 활용하여 딥러닝 네트워크를 구현했다. 시험 대상 시스템은 극저온 환경에서 다양한 형태의 고장이 유발되었고 전륫값의 특이점이 나타났다. 시스템 정상 및 고장 데이터를 활용하여 모델을 훈련 시키고 평가한 결과 98% 이상의 재현율(Recall)로 이상 탐지하는 것을 확인했다.

머신러닝을 이용한 지하철 고장 탐지 및 예측 (Detection and Prediction of Subway Failure using Machine Learning)

  • 성국경
    • 산업과 과학
    • /
    • 제2권4호
    • /
    • pp.11-16
    • /
    • 2023
  • 지하철은 현대 도시의 교통 체계에서 중요한 역할을 하는 대중 교통 수단이다. 하지만, 갑작스런 고장 및 시스템 불통 등의 이유로 혼잡을 야기시키는 경우가 종종 발생하여 불편을 초래하고 있다. 따라서, 본 논문에서는 지하철 시스템의 효율적 운영을 위해 머신러닝을 활용한 고장 예측 및 예방 연구를 진행하였다. UC Irvine의 MetroPT-3 데이터셋을 활용하고, 로지스틱 회귀를 이용하여 지하철 고장 예측 모델을 구축하였다. 모델은 0.991의 높은 정확도로 비고장 상태를 예측하나, 정밀도와 재현율은 상대적으로 낮아 고장 예측에 있어 오류 가능성을 시사하고 있다. ROC_AUC 값이 0.901로, 모델이 무작위 추측보다 뛰어난 분류를 할 수 있다. 구축한 모델은 지하철 시스템의 안정적인 운영 운영에 유용하나, 성능 개선을 위한 추가 연구가 필요하다고 생각한다. 따라서 학습 데이터가 많고 데이터의 정제가 잘 이루어진다면 고장 예측을 통해 사전 점검을 하여 예방할 수 있다.

수동 소나 시스템을 위한 실효치교차율 분석 기반 음향센서 결함 탐지 기법 (An acoustic sensor fault detection method based on root-mean-square crossing-rate analysis for passive sonar systems)

  • 김용국;박정원;김영신;이상혁;김홍국
    • 한국음향학회지
    • /
    • 제36권1호
    • /
    • pp.30-38
    • /
    • 2017
  • 본 논문에서는 수동 소나 시스템을 위한 수중 음향 센서 결함 탐지 기법을 제안하였다. 일반적으로 수동 소나 시스템에서는 수십개의 음향 센서를 통해 얻은 음향 신호를 이용하여 배열 신호처리 기법을 이용해 처리된 신호를 협대역 또는 광대역 분석을 위한 2차원 영상 형태로 전시한다. 운용 소프트웨어에서 전시되는 탐지 결과는 배열 신호처리를 통해 누적된 결과값을 전시하기 때문에, 단일 센서 채널의 결함 또는 고장에 따른 신호의 이상 여부를 판단하는데 어려움이 있다. 따라서 본 논문에서는 인접 채널간 실효치 비교 및 실효치교차율(Root Mean Square Crossing-Rate, RMSCR) 분석기반 센서 자동 결함 탐지 기법을 제안하고, 결함 센서 채널에 대한 처리 기법을 비교 분석하였다. 제안된 기법의 성능 분석을 위하여 일부 연안 지역에서 실제 운용 중인 센서 배열을 통해 획득된 신호를 이용하여 결함 탐지 정확도를 측정하고, 결함 처리 기법의 성능을 비교하였다. 실험을 통해 제안된 기법이 높은 RMS의 주변소음 환경에서도 높은 결함 탐지 정확도를 보였으며, 결함 처리 기법으로는 0으로 설정 처리 기법이 가장 높은 성능을 보였다.

도로 CCTV 데이터를 활용한 딥러닝 기반 차량 이상 감지 (Deep Learning-based Vehicle Anomaly Detection using Road CCTV Data)

  • 신동훈;백지원;박찬홍;정경용
    • 한국융합학회논문지
    • /
    • 제12권2호
    • /
    • pp.1-6
    • /
    • 2021
  • 현대사회에서는 차량을 소유하는 사람들이 증가하면서 교통문제가 발생하고 있다. 특히 고속도로 교통사고 문제는 발생률이 낮지만 치사율은 높다. 따라서 차량의 이상을 탐지하는 기술이 연구되고 있다. 이 중에는 딥러닝을 이용한 차량 이상탐지 기술이 있다. 이는 사고 및 엔진고장으로 인한 정차차량 등의 차량 이상을 탐지한다. 그러나 도로에서 이상이 발생할 경우 운전자의 위치를 파악할 수 있어야 빠른 대처가 가능하다. 따라서 본 연구에서는 도로 CCTV 데이터를 활용한 딥러닝 기반 차량 이상 감지 방법을 제안한다. 제안하는 방법은 먼저 도로 CCTV 데이터를 전처리한다. 전처리는 배경 추출 알고리즘인 MOG2를 이용하여 배경과 전경을 분리한다. 전경은 변위가 존재하는 차량을 의미하며 도로 위에서 이상이 존재하는 차는 변위가 없어 배경으로 판단된다. 배경이 추출된 이미지는 이상을 탐지하기 위해 YOLOv4를 이용하여 객체를 탐지한다. 해당 차량은 이상이 있음으로 판단한다.