• 제목/요약/키워드: 규칙기반제어

검색결과 266건 처리시간 0.027초

실외 센서네트워크 기반 재해방지 시스템을 위한 위험지역 예측기법 (Dangerous Area Prediction Technique for Preventing Disaster based on Outside Sensor Network)

  • 정영진;김학철;류근호
    • 정보처리학회논문지D
    • /
    • 제13D권6호
    • /
    • pp.775-788
    • /
    • 2006
  • 무선 통신 기술의 발달과 무선기기의 소형화, 그리고 환경에 대한 감지와 제어를 수행하는 센서 네트워크 기술의 확산으로 환경오염, 터널 및 건축물의 붕괴, 홍수, 태풍, 지진 등의 재난에 대비하기 위한 재해 감시 시스템에 대한 연구가 활발히 진행되고 있다. 재해 감시 시스템은 원격지의 상태 정보를 검출하고, 재해 상황을 판단하기 위한 규칙 처리 과정 후, 인식된 상황에 따라 방재작업을 지원한다. 그러나 기존의 모니터링 시스템들은 주로 현재 데이터를 위주로 간단한 집계함수 및 연산자만을 지원하기 때문에, 재해를 미리 예측하고 방재하기에는 부족한 점이 있다. 따라서 이 논문에서는 실외 센서 네트워크 및 공간 정보를 고려하여 재해 위험 지역을 미리 예측하는 재해 방지 시스템을 설계, 구현한다. 제시된 위험 지역 예측 기법은 현재 센서 데이터를 토대로 시간에 대한 공간 정보의 변화를 고려하여 미래에 재해 위험이 있는 지역을 추정하여 제시한다. 이로 인해 재해를 미리 예측하고 방비할 수 있게 되고, 재해 피해 감소 및 복구비용을 줄일 수 있다. 제시된 재해 방지 시스템과 위험 지역 예측 기법은 센서네트워크를 기반으로 하는 다양한 재해 방지 시스템에 활용되어 재해 예방 및 피해 감소에 많은 도움을 줄 수 있다.

CA모형을 이용한 단기 구간통행시간 예측에 관한 연구 (A Study on Link Travel Time Prediction by Short Term Simulation Based on CA)

  • 이승재;장현호
    • 대한교통학회지
    • /
    • 제21권1호
    • /
    • pp.91-102
    • /
    • 2003
  • 본 연구는 $\circled1$Cellular Automata(이하 CA)모형을 기반으로 대규모 네트워크에 적용 가능한 보다 현실적인 CA차량모형 구축. $\circled2$구축된 CA차량모형을 이용한 차량 모의실험기의 개발과 개발된 차량 모의실험기를 이용한 단기링크통행시간 예측으로 구성된다. 구축된 CA차량추종모형은 기존의 CA차량추종모형 보다 현실적으로 감속을 통한 정지과정을 설명하면서 거시적 지표인 교통량-밀도-속도관계를 설명하였다. 또한 링크의 유출교통량(Outflow)을 제어하기 위한 차량의 링크전이모형은 기존의 차량 링크전이모형에 비하여 보다 안정된 대기차량을 형성하였다. 단기링크통행시간 예측을 위한 차량모의실험기는 대규모 가로망에 적용이 가능하도록 차량묶음(Packet, 이하차량묶음)방식과 링크기반 모의실험방식으로 컴퓨터의 연산 수행속도 및 메모리를 효율적으로 처리할 수 있었으며, 기존의 시계열자료 예측기법에서 고려할 수 없었던 차량의 행태 및 링크 상에서 발생하는 이동류 과포화, 뒷막힘현상 등의 메커니즘을 고려함으로서 기존 시계열자료 예측기법에 비하여 우수한 예측력을 보였다.

유비쿼터스 컴퓨팅 황경에서 발생하는 에이전트간 충돌 해결 모델

  • 이건수;김민구
    • 한국지능정보시스템학회:학술대회논문집
    • /
    • 한국지능정보시스템학회 2004년도 추계학술대회
    • /
    • pp.249-258
    • /
    • 2004
  • 오늘날 활발하게 이루어지고 있는 유비쿼터스 컴퓨팅 관련 기술 연구는 사용자가 시간과 장소에 구애받지 않고 네트워크에 접근해 다양한 컴퓨터 관련 서비스를 제공 받을 수 있는 방법에 초점을 맞추고 있다. 이 처럼 시간과 공간의 한계를 뛰어 넘은 네트워크로의 자유로운 접근은 일상 생활의 패러다임을 바꾸어 놓게 될 것이다. 유비쿼터스 컴퓨팅 기술을 통해 가장 큰 변화가 일어나는 분야는 일반 가정환경에서 일어나는 인텔리전트 홈 네트워크 (Intelligent Home Network) 라고 할 수 있다. 집에 들어오면, 자동으로 문을 열어주고, 불을 켜주며, 놓쳤던 TV 프로그램을 자동으로 녹화해 놓았다가 원하는 시간에 보여주고, 적당한 시간에 목욕물을 미리 받아준다. 또한 집밖으로 나가기 전, 일기예보에 따라 우산을 챙겨주고, 일정을 확인시켜주며 입고 나갈 옷을 골라줄 수도 있다. 이 모든 일들이 유비쿼터스 컴퓨팅 기술이 가져올 인텔리전트 홈 네트워크의 모습이다. 그러나, 모든 사용자에게 효과적인 서비스를 제공하기 위해서는 홈 네트워크 상의 자원 관리에서 일어날 수 있는 에이전트들간의 자원 접근 권한 충돌을 효율적으로 방지할 수 있는 기술이 필요하다. 유비쿼터스 컴퓨팅 환경에서 자원관리 특성은 점유의 연속성, 자원 사이의 연관성, 그리고 자원과 사용자 사 사이의 연계성의 3 가지 특성을 지니고 있다. 본 논문에서는 유비쿼터스 컴퓨팅 환경에서 일어날 수 있는 자원 충돌 상황을 효율적으로 처리하기 위한 자원 협상 방법을 제안한다. 본 방법은 자원 관리 특성을 바탕으로 시간논리에 기반을 둔 자원 선점과 분배 규칙으로 구성된다.트 시스템은 b-Cart를 기반으로 할 것으로 예측할 수 있다.타났다. 또한, 스네이크의 초기 제어점을 얼굴은 44개, 눈은 16개, 입은 24개로 지정하여 MER추출에 성공한 영상에 대해 스네이크 알고리즘을 수행한 결과, 추출된 영역의 오차율은 각각 2.2%, 2.6%, 2.5%로 나타났다.해서 Template-based reasoning 예를 보인다 본 방법론은 검색노력을 줄이고, 검색에 있어 Feasibility와 Admissibility를 보장한다.매김할 수 있는 중요한 계기가 될 것이다.재무/비재무적 지표를 고려한 인공신경망기법의 예측적중률이 높은 것으로 나타났다. 즉, 로지스틱회귀 분석의 재무적 지표모형은 훈련, 시험용이 84.45%, 85.10%인 반면, 재무/비재무적 지표모형은 84.45%, 85.08%로서 거의 동일한 예측적중률을 가졌으나 인공신경망기법 분석에서는 재무적 지표모형이 92.23%, 85.10%인 반면, 재무/비재무적 지표모형에서는 91.12%, 88.06%로서 향상된 예측적중률을 나타내었다.ting LMS according to increasing the step-size parameter $\mu$ in the experimentally computed. learning curve. Also we find that convergence speed of proposed algorithm is increased by (B+1) time proportional to B which B is the number of recycled data b

  • PDF

의료관련감염에서 감시 개선을 위한 평가 (Evaluation of the Effectiveness of Surveillance on Improving the Detection of Healthcare Associated Infections)

  • 박창은
    • 대한임상검사과학회지
    • /
    • 제51권1호
    • /
    • pp.15-25
    • /
    • 2019
  • 감염감시를 위한 신뢰성 있고 객관적인 의료관련 감염의 정의 및 자동화 된 프로세스를 개발하는 것이 중요하다. 그러나 자동화 된 감시 시스템으로의 전환은 여전히 어려운 과제이다. 초기의 발생 확인은 대개 비정상적인 사건과 진행중인 질병 감시를 인식하는 임상 검사자들이 기준선 비율을 결정하도록 요구한다. 이 시스템은 잘 정의 된 감시 규칙에 따라 의료 관련 혈류 감염의 후보를 감시하기 위해 매일 검사정보 시스템 데이터를 검사한다. 시스템은 추가 확인을 요구함으로써 전문적인 자율성을 탐지하고 예약한다. 또한 웹 기반 혈류감염 감시 및 분류 시스템은 검사실 정보 시스템에서 얻은 개별 데이터 요소를 사용할 수 있고 검사정보 시스템은 기존의 감염 제어 인력 감시 시스템과 높은 상관관계가 있는 데이터를 제공한다. 이런 시스템은 예방 지침에 따를 경우 적절하고, 수용 가능하며, 유용하고 민감하다. 감시 시스템은 병원에서 광범위한 병원균의 전파가 언제 어디서 발생하는지에 대한 이해를 획기적으로 향상시키기 때문에 유용하다. 국가적 차원의 계획은 의료관련감염 예방, 보건 관련 예방 통제위원회(HAIPCC), 살균 서비스(SS), 미생물학 실험실, 손 위생 차원의 주요 구조를 강화하기 위해 추진되어야하며 해당 지역은 의료관련 감염 예방에 미치는 영향을 고려하여 선정해야 한다.

소프트 로봇용 4D 프린팅 소재 (4D Printing Materials for Soft Robots)

  • 이선희
    • 한국의류산업학회지
    • /
    • 제24권6호
    • /
    • pp.667-685
    • /
    • 2022
  • 본 원고는 소프트 로봇용 4D 프린팅 소재와 어그제틱 구조체에 대한 연구 동향을 정리한 것이다. 먼저 4D 프린팅 소재의 형상 변화 거동을 형상 변화와 형상기억 소재, 이중, 삼중, 다중 형상기억 효과, 접힘과 굽힘, 표면지형별로 구분하여 알아보았다. 형상 변화와 형상기억 소재 등 열이나 수분의 자극에 가역적/비가역적 혹은 규칙적/불규칙적 형상 변형이 가능할 수 있다. 다음으로, 차원별 형상이동 유형에 따른 특성과 물성에 대해 알아본 바, 1차원에서 다차원으로의 형상이동을 1D-1D 팽창/수축, 1D-2D 접힘/굽힘, 1D-3D 접힘 (1D-to-3D folding)으로 구분할 수 있다. 2차원에서 형상이동은 2D-2D 굽힙, 2D3D 굽힘/접힘/꼬임/표면말림/표면지형변화/굽힘과 꼬임, 3차원에서 다차원으로의 형상이동은 3D-3D 굽힙과 3D-3D 선형/비선형 거동으로 구분할 수 있다. 마지막으로 4D 프린팅 메타구조체 중 힌지 구조체를 적용한 KinetiX는 단일단위 터셀레이션과 다중단위 터셀레이션으로 모델링할 수 있고, 평면 및 공간 변환이 용이하고, 컨포머블 헬멧에 적용할 수 있다. 키리가미 구조체를 기본으로 한 공압형 어그제틱 구조체는 역설계 기반 구조체로써 굽힘각도를 제어하는 알고리즘으로 설계할 수 있다. 설계 후 3D 프린팅하여 TPU 멤브레인으로 프로토 타입을 제조하였고, 압력을 낮추면서 원하는 3차원 형상으로 완성될 수 있음을 확인하였다. 온도나 습도 등의 외부자극요소에 따라 형상이나 물성을 변화할 수 있는 재료를 사용하여 변형가능한 3차원 구조체로 성형한 4D 프린팅 소재를 이용하여 상지, 하지, 손, 발 등 소프트 로봇의 외골격(exoskeleton) 소재에 적용할 수 있을 것이다. 즉 자세제어, 상황인식, 동작신호 생성 등 다양한 환경에 대응하여 착용자의 움직임에 고하중, 고기동성, 운동지속성을 지원하는 기능을 갖는 소프트 로봇용 4D 프린팅 소재는 헬스케어 웨어러블 의류 제품화 개발로의 용도 전개가 가능할 것이다. 특히 4D 프린팅 소프트 소재 및 공정개발 분야는 일상 생할 보조용이나 재활치료용 의류를 개발하기 위한 3D 프린팅 소재 및 공정의 원천 기술에 해당하므로 이와 관련한 연구의 기초 자료로서 활용되기를 기대한다.

댐 방류 의사결정지원을 위한 딥러닝 기법의 적용성 평가 (Application of deep learning method for decision making support of dam release operation)

  • 정성호;레수안히엔;김연수;최현구;이기하
    • 한국수자원학회논문집
    • /
    • 제54권spc1호
    • /
    • pp.1095-1105
    • /
    • 2021
  • 기후변화에 따른 집중호우, 태풍 등의 발생빈도의 증가로 인하여 댐 운영의 고도화가 요구되고 있다. 일반적으로 댐 운영의 경우 강우예측, 강우-유출, 홍수추적 등 다양한 수리수문학적 요소들을 반영하여 수행되나 기 계획된 특정 규칙에 기반한 댐 운영 모형의 경우, 때때로 개별 모듈들의 불확실성과 복합적인 인자들로 인하여 댐의 방류량을 능동적으로 제어하는데 제약이 있을 수 있다. 본 연구는 남강댐 직하류 홍수피해 예방을 위하여 댐의 방류량 결정 등 효율적인 댐 운영을 지원하기 위해 딥러닝 기반 LSTM (Long Short-Term Memory) 모형을 구축하고, 선행시간별 댐직하류 수위예측 정확도를 분석하는 것을 목적으로 한다. LSTM 모형의 입력자료는 댐 운영에 사용되는 기초자료 및 하류 장대동 수위관측소의 수위 자료를 시 단위로 2009년부터 2021년 7월까지 수집하였다. 2009년부터 2018년 자료는 모형의 학습과 검증 및 2019년부터 2021년 7월 자료는 선행시간을 7개(1 h, 3 h, 6 h, 9 h, 12 h, 18 h, 24 h)로 구분하여 관측 수위와 예측 수위를 비교·분석하였다. 그 결과, 선행시간 1시간의 예측결과는 평균적으로 MAE가 0.01 m, RMSE가 0.015 m, NSE가 0.99 로 관측 수위에 매우 근접한 예측 결과를 나타내었다. 또한, 선행시간이 길어질수록 예측 정확도는 근소하게 감소하였지만, 관측 수위의 시간적 패턴을 유사하게 안정적으로 예측하는 것으로 분석되었다. 따라서 수리수문학적 비선형의 복잡한 자료간의 특징을 자동으로 추출하여 예측 자료를 생산하는 LSTM 모형은 댐 방류량 의사결정에 있어 활용이 가능할 것으로 판단된다.