• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 1998.10a
• /
• pp.26-26
• /
• 1998

다련장 로켓과 같이 무유도로서 대량 발사하는 탄을 설계함에 있어서 탄의 성능을 예측하기 위해서는 사거리와 고도 해석을 통해 체계 성능을 분석하고 탄의 특성 및 외부요소의 변화 가능성을 고려하여 탄착 정확도에 대한 해석을 수행하여야 한다. 탄착 정확도는 설계하고자하는 무기체계의 신뢰성을 평가하는 최종단계이므로 매우 중요한 factor이다. 다련장 로켓과 같은 무유도 로켓의 탄착 정확도를 평가하는 가장 좋은 방법은 많은 발수의 시료를 발사하여 획득한 데이터를 바탕으로 평가하는 것이다. 그러나 이 방법은 예비 설계시에는 적용할 수 없으며 제작이 되었다 하더라도 비용이 많이 들기 때문에 적용하기 무척 어렵다.

• Proceedings of the Korean Society of Propulsion Engineers Conference
• /
• 2006.05a
• /
• pp.218-221
• /
• 2006

High reliability and minimization of operating cost are important problems for both engine-manufacturer and user in operation of gas-turbine engine, for which various performance diagnostics including a fault identification have been a major issue nowadays. Performance estimation in the off-design conditions, however, encounters problems of large errors and of poor convergence because of much required data to be evaluated. In this study, a diagnostics code of engine performance has been developed by using GPA(Gas Path Analysis). Quantitative performance deterioration of the turbo-shaft engine for SUAV has been estimated with altitude variation and is compared with that obtained by GSP code.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1242-1243
• /
• 2015

센서 레지스트리 시스템(Sensor Registry System, SRS)은 이기종 환경에서 센서 네트워크 환경에서 센서 데이터의 즉각적 활용 및 끊김 없는 해석을 위해 사용자에게 센서 메타데이터를 제공한다. SRS에서 센서 메타데이터를 안정적으로 송신하기 위하여 경로 예측 기반 센서 레지스트리 시스템을 제안한다. 하지만 네트워크 연결이 지원되지 않거나 신호가 불안정한 경우에 센서 메타데이터를 안정적으로 제공할 수 없다. 이 문제를 해결하기 위하여 네트워크 커버리지 기반 센서 레지스트리 시스템을 제안한다. 이 논문에서는 네트워크 커버리지 기반 센서 레지스트리 시스템과 경로 예측 기반 센서 레지스트리 시스템을 비교평가 한다. 또한 통신사별로 경로예측 정확도를 측정한다. 성능 측정의 통계적 신뢰도를 높이기 위하여 실험 데이터를 10-묶음 교차검증을 수행한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2024.01a
• /
• pp.339-341
• /
• 2024

본 논문에서는 전기 자동차 배터리 팩 설계에서 성능 예측을 위해 전산유체해석 및 Long Short-Term Memory (LSTM)를 활용한다. 두 계산 모두의 예측이 상당한 유사성을 나타내며, 전산유체해석은 시스템 유체 역학을 고려한 상세한 물리 모델을 제공하고, LSTM은 시계열 데이터를 기반으로 한 딥러닝 모델로 효과적으로 패턴을 파악, 향후 온도 상승을 예측한다. 결과는 두 접근 모두가 효과적인 예측을 제공하며 향후 전기 자동차 배터리 팩 설계 및 최적화에서 종합적인 접근의 필요성을 강조한다. 특히, LSTM 기반 예측에 소요되는 시간은 계산 유체 역학의 약 25%로, 약 일주일 정도로 빠르게 확인 가능하다. 이는 현대 산업 환경에서 시간적 효율성이 중요한 측면을 강조하며, 계산 유체 역학의 상세한 물리 모델링과 LSTM의 빠른 예측 속도를 결합한 설계 방법론을 제안한다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.39 no.2
• /
• pp.166-175
• /
• 2002

In this paper. we predict tracking performance of the probabilistic strongest neighbor filter (PSNF). The PSNF is known to be consistent and superior to the probabilistic data association filter (PDAF) in both performance and computation. The PSNF takes into account the probability that the measurement with the strongest intensity in the neighborhood of the predicted target measurement location is not target-originated. The tracking performance of the PSNF is quantified in terms of its estimation error covariance matrix. The estimation error covariance matrix is approximately evaluated by using the hybrid conditional average approach (HYCA). We performed numerical experiments to show the validity of our performance prediction.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.39 no.10
• /
• pp.985-993
• /
• 2015

Free-piston Stirling engines (FPSEs) have attracted much attention in the renewable energy field as a key device in the conversion from thermal to mechanical energy, and in the recycling of waste energy. Traditional Stirling engines consist of two pistons that are connected by a mechanical link, while FPSEs are formed as a vibration system by connecting each piston to a spring without a physical link. To ensure the correct design and control of operations, this requires elaborate dynamic-performance predictions. In this paper, we present the performance-prediction methodology using a linear and nonlinear dynamic analytical model considering the external load of FPSEs. We perform linear analyses to predict the operating point of the engine using the root locus technique. Using nonlinear analysis, we also predict the amplitude of pistons by performing numerical integration considering both the linear and nonlinear damping terms of the external load. We utilize the predicted dynamic behavior to predict the engine performance. In addition, we compare the experiment results and existing model predictions for RE-1000 to verify the reliability of the analytical model.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.241-265
• /
• 2023

A corporate insolvency prediction model serves as a vital tool for objectively monitoring the financial condition of companies. It enables timely warnings, facilitates responsive actions, and supports the formulation of effective management strategies to mitigate bankruptcy risks and enhance performance. Investors and financial institutions utilize default prediction models to minimize financial losses. As the interest in utilizing artificial intelligence (AI) technology for corporate insolvency prediction grows, extensive research has been conducted in this domain. However, there is an increasing demand for explainable AI models in corporate insolvency prediction, emphasizing interpretability and reliability. The SHAP (SHapley Additive exPlanations) technique has gained significant popularity and has demonstrated strong performance in various applications. Nonetheless, it has limitations such as computational cost, processing time, and scalability concerns based on the number of variables. This study introduces a novel approach to variable selection that reduces the number of variables by averaging SHAP values from bootstrapped data subsets instead of using the entire dataset. This technique aims to improve computational efficiency while maintaining excellent predictive performance. To obtain classification results, we aim to train random forest, XGBoost, and C5.0 models using carefully selected variables with high interpretability. The classification accuracy of the ensemble model, generated through soft voting as the goal of high-performance model design, is compared with the individual models. The study leverages data from 1,698 Korean light industrial companies and employs bootstrapping to create distinct data groups. Logistic Regression is employed to calculate SHAP values for each data group, and their averages are computed to derive the final SHAP values. The proposed model enhances interpretability and aims to achieve superior predictive performance.

• Journal of the Korean Society for Aeronautical & Space Sciences
• /
• v.34 no.9
• /
• pp.82-88
• /
• 2006

In order to effectively reduce thermal loads on regenerative cooled walls, fuel cooling injectors and film cooling devices have often been employed. The present study has established a numerical methodology for prediction of performance and near-wall temperature distribution taking into account the nonuniform mixing due to these additional cooling devices. A correction procedure for main propulsive parameters has also been proposed based on comparison between prediction and experimental data. Under the computational framework of this study, the predicted results were in good agreement with hot-firing test data for a 30 tonf-class full-scale combustor at the design and off-design conditions. As a consequence, the present numerical method is expected to be useful for design and evaluation of regenerative cooled liquid rocket thrust chambers.

• 한국신재생에너지학회:학술대회논문집
• /
• 2009.06a
• /
• pp.287-287
• /
• 2009

연료전지는 전기에너지와 열에너지를 동시에 사용 할 수 있기 때문에 에너지 효율이 높고 유해 배기물이 거의 없으므로 친환경적이다. 따라서 환경문제가 대두되고 있는 오늘날, 고효율 친환경의 연료 전지는 차세대 에너지원으로 각광받고 있다. 보일러와 계통선에서 열과 전기를 공급받는 기존방식에 비해 연료전지 코제너레이션 시스템의 경우 20%이상 에너지 절감율을 향상시킬 수 있다. 기존 10kW이하의 소용량 발전설비의 경우 대형 발전소와 같은 수준인 30%이상의 전기 효율을 기대할 수 없으나 고분자 전해질 연료전지를 적용할 경우 1kW급에서도 35%의 전기 효율을 기대할 수 있으며 열회수까지 고려할 경우 80%에 가까운 열효율을 달성할 수 있다.(4)연료전지 시스템은 연료전지 스택 이외에, 연료변환장치, 급기설비, 열 및 물관리 설비, 전력변환장치 그리고 제어 장치 등으로 구성된다. 연료전지 시스템 성능은 연료전지 스택의 성능에 가장 의존적인데 연료전지 스택의 성능은 같은 스택이라도 운전 및 제어 방법에 따라서 다양하게 변할 수 있다. 실제로 연료전지 스택 자체의 전기 변환 효율은 최대 40% 까지로 매우 높으나, 다양한 운전 조건에 따라 효율이 30~40% 수준에서 변화는 것이 현실이다. 때문에 시스템을 설계할 때에는 종합화된 시스템 측면에서의 운전까지 고려한 설계와 성능 해석이 필요하다. 그간 연료전지를 활용한 가정용 열병합 발전분야에서는 시스템 설계를 위한 시뮬레이션 기반 성능 해석에 관한 연구가 활발히 진행되어왔다. 하지만 연료전지 스택의 경우 간이화된 성능 모델식을 사용하여 이로 인한 성능 예측모델의 오차가 크게 발생하여 전체 시스템 최적화의 저해요인으로 작용하여왔다. 따라서 본 연구에서는 가정용 연료전지 열병합 발전 시스템을 자체적으로 설계 개발하였으며 이 중 연료전지 스택의 성능모델을 실험기반으로 구축하였다. 먼저 가정용 연료전지 열병합 발전 시스템의 설계는 크게 네 단계로 구분되며 이는 1) 시스템 개념 설계, 2) 연료전지 스택 설계, 3) 주변장치 설계, 4) 제어시스템 설계로 이뤄진다. 연료전지 스택의 성능 모델은 고분자연료전지의 성능에 가장 민감하게 영향을 미치는 온도 및 습도의 변화에 따른 다양한 스택 성능을 예측 가능하도록 개발하였으며 이는 간단한 이론 모델의 구조에 실험 데이터를 기반으로 모델 파라미터를 도출하는 기법으로 이뤄졌다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.129-148
• /
• 2023

Bitcoin is a blockchain technology-based digital currency that has been recognized as a representative cryptocurrency and a financial investment asset. Due to its highly volatile nature, Bitcoin has gained a lot of attention from investors and the public. Based on this popularity, numerous studies have been conducted on price and trend prediction using machine learning and deep learning. This study employed LSTM (Long Short Term Memory) and CNN (Convolutional Neural Networks), which have shown potential for predictive performance in the finance domain, to enhance the classification accuracy in Bitcoin price trend prediction. XAI(eXplainable Artificial Intelligence) techniques were applied to the predictive model to enhance its explainability and interpretability by providing a comprehensive explanation of the model. In the empirical experiment, CNN was applied to technical indicators and Google trend data to build a Bitcoin price trend prediction model, and the CNN model using both technical indicators and Google trend data clearly outperformed the other models using neural networks, SVM, and LSTM. Then SHAP(Shapley Additive exPlanations) was applied to the predictive model to obtain explanations about the output values. Important prediction drivers in input variables were extracted through global interpretation, and the interpretation of the predictive model's decision process for each instance was suggested through local interpretation. The results show that our proposed research framework demonstrates both improved classification accuracy and explainability by using CNN, Google trend data, and SHAP.