본 논문에서는 2축 서보시스템에 적용하기 위한 새로운 윤곽 모델링을 이용하여 퍼지논리형 상호결합제어기를 제안한다. 일반적인 각 축 독립제어기는 각 축의 동적 변수와 루프 이득의 불일치로 인해 윤곽 성능을 감소시킨다. 실제적으로 이러한 시스템은 많은 불확실성도 보유하고 있다. 상호결합제어기는 정확한 윤곽을 구하기 위해 모든 축의 위치 오차 정보를 동시에 이용한다. 그러나 일반적인 상호결합제어기는 마찰, 백래쉬 그리고 매개변수 변화를 극복하지 못한다. 또한 정확한 다축 시스템의 수학적 모델을 얻기 힘들기 때문에 서보시스템의 퍼지논리형 상호결합제어기를 제안한다. 이와 더불어 새로운 윤곽 오차 벡터 계산법을 제시한다. 제안한 알고리즘의 성능을 검증하기 위해 실험결과를 나타낸다.
본 연구에서는 에지 성분의 추출을 보다 섬세하게 처리함으로써 이미지 화질을 개선하기 위한 방법을 제안한다. 제안 방법은 고전적인 보간을 응용한 ESII(Edge Sensitive Image Interpolation)으로 보간 커널 식에서 고정된 매개 변수를 사용하지 않고 주변 화소 값으로부터 적절한 정보를 얻어내서 매 화소마다 매개변수를 변화시킨다. LSE(Least Square Error)를 이용하여 CME(Camera Modelling Error)를 최소화 하도록 보간 할 화소 값을 결정함으로써 이미지를 복원하며, 기존 방법에 비교하여 객관적, 주관적 화질이 우수함을 실험, 제시하였으며 또한 영상을 1차원 정보로 분리하여 고려한 결과 계산상의 복잡도를 줄이는 효과를 기대할 수 있다.
본 연구는 다층 퍼셉트론과 지도형 학습알고리즘에 대해 알아보았고, 아울러 neuralnet이라는 패키지를 사용하여 공변수들과 반응변수 간의 함수적 관계를 어떻게 모델링하는지 살펴보았다. 본 연구에서 적용된 알고리즘은 반응변수 값의 실제치와 예측치 간의 비교에 근거한 오차함수의 최소화를 위한 모수인 가중치들의 계속적인 조정을 특징으로 한다. 본 연구에서 설명하는 neuralnet 패키지는 활성화함수와 오차함수를 주어진 상황에 맞게 적절히 선택하고 나머지 매개변수들은 기본값으로 둘 수 있다. 본 연구에서 살펴본 불임 데이터에 대해 neuralnet 패키지를 활용한 결과 4개의 독립변수 중에서 age는 불임에 영향력이 거의 없음을 파악할 수 있었다. 아울러 신경망의 가중치는 -751.6부터 7.25에 이르기까지 다양한 값을 취하며, 첫 번째 은닉층의 절편은 -92.6과 7.25이며, 첫 번째 은닉뉴런으로 가는 공변수 age, parity, induced, spontaneous에 대한 가중치는 각각 3.17, -5.20, -36.82, -751.6임을 파악했다.
본 논문에서는 원저 증기발생기 수위제어계통을 위한 고장검출 시스템을 설계한다. 이를 위하여 증기발생기 수위제어계통의 비선형 동적방정식을 미지의 매개변수를 갖는 T-S 퍼지시스템으로 모델링하고 좌 소인수 분해를 이용하여 오차발생기를 설계한다. 고장검출의 성능을 향상시키기 위하여 고장검출 필터의 설계법을 제안한다. 제시한 방법의 효용성을 컴퓨터 모의실험을 통하여 입증한다.
Linear LQG controller has been investigated to control flexible link manipulators. The performance and complexity of these depend largely on the model upon which the controller is designed. In this study, the flexible modes of the link manipulator are considered to have uncertain parameters, which can be represented by random variable and these parameters are reflected on the weighting of performance. In this method, the exact modelling for the flexible modes is not necessary. The order of the resulting controller is much lower than the one based on a full model. Through numerical study, it is shown that the performance and the stability-robustness of the proposed controller reaches reasonably the one based on the full model.
수동보정으로 수질모델링을 수행할 때는 연구자의 주관이 개입되어 해당 연구의 객관성에 영향을 줄 소지가 있기 때문에 자동보정에 관심을 갖게 된다. 본 연구에서는 WASP7 모형의 수질 매개변수 보정을 위해서 유전알고리즘과 영향계수법을 적용하였다. 이 방법에서는 대상 호수의 BOD, DO, 인, 질소, 식물성플랑크톤에 큰 영향을 미치는 매개변수를 대상으로 최적 수질 매개변수를 산정한다. 성층현상이 일어나는 대상 호수의 수온과 수리적 특성을 정확하게 계산하기 위해 3차원 수리모형인 EFDC를 적용하였고, 이 모형의 결과는 본 연구에서 이용한 호수수질모형인 WASP7 모형과 연동해서 적용되었다. EFDC와 WASP7의 적용을 위해 동일한 격자망을 구성하였다. WASP7의 보정결과 5개 보정 대상 수질변수 중에서 DO, TN, CBOD에 대한 실측치와 계산치의 상대오차제곱합은 비교적 적었다. 따라서 이 세가지 수질에 대한 보정은 적절히 수행되었으나, TP와 Chl-a에 대한 보정결과는 비교적 정확도가 낮았다.
인공신경망 모형은 복잡하고 비선형의 입력과 출력 관계를 잘 반영할 수 있어서 유출 모델링에 널리 적용되어 왔다. 그러나 인공신경망 모형은 강우나 유역특성의 공간적 분포를 반영하는 것이 어려우며 물리적 개념이 결여되어 있는 단점이 있다. 본 연구에서는 유역특성과 물리적 개념을 반영할 수 있는 물리기반 모형과 인공신경망 모형의 장점들을 조합하여 물리기반 모형의 일 유출량 해석 능력을 향상하기 위하여 SWAT 모형과 인공신경망(ANN)을 연계하였다. SWAT-ANN 연계모형은 두 단계로 구성되어 진다. 첫 번째 단계에서는 관측 자료를 이용하여 SWAT 모형을 보정한다. 두 번째 단계에서는 첫 번째 단계에서 계산한 소유역별 SWAT 모형의 유출결과를 ANN의 입력자료로 이용하여 SWAT-ANN 연계모형을 구축한다. SCE-UA 최적화 방법을 적용하여 SWAT 모형의 매개변수들을 보정하였고, ANN 학습은 3층의 feed-forward 역전파 알고리즘에 기초한 Bayesian Regularization 방법을 적용하였다. ANN 은닉층의 뉴런 및 전달함수는 시행착오를 통하여 적절한 ANN 구조를 설정하여 SWAT-ANN 연계모형의 일유출량을 모의하였다. 여러 가지 통계적 오차기준을 이용하여 보청천 유역에서 SWAT-ANN 연계모형의 결과와 SWAT 단독 모형의 결과를 비교하였다. SWAT-ANN 연계모형이 SWAT 단독 모형보다 더 우수한 결과를 나타내어 일 유출량 해석을 위한 SWAT-ANN 연계모형의 유용성을 확인할 수 있었다.
분산지수는 해수침투 범위를 파악하기 위한 수리동역학적 모델링을 실행하는데 필요한 매개변수이며. 이를 현장실험으로 구하기 위해서는 많은 시간과 비용을 필요로 하기 때문에 종종 기존의 실험과 이론적 연구에서 제시된 것을 이용한다. 그러나 그 분산지수가 실제 대수층의 특성을 나타내지 못할 경우, 모델링 결과에 많은 오차가 발생할 가능성이 크다 본 연구에서는 수치모델링에서 모사된 해수침투 범위와 현장측정치 및 겉보기비저항 단면도를 비교하여 이용된 분산지수의 타당성을 검증하였다. 수치모델링 결과, Neuman의 종분산지수보다 Xu의 종분산지수를 적용한 TDS분포가 연구지역내 관측공과 모니터링 우물에서의 현장측정치와 비교하였을 때 더 유사한 값을 나타내었다. Xu의 분산지수를 이용한 수치모델링에서 해수침투 범위는 건기인 5월에는 TDS 1000mg/L 등치선이 해안에서 약 480m 지점에 위치하며, 7월에는 해안에서 약 390m 지점에 위치한다. 이 차이는 강우에 의한 수리경사의 계절적인 변화에 의해서 해수와 담수의 경계면이 7월에 약 90m 정도 해안쪽으로 더 이동하였기 때문에 나타났다. 겉보기비저항 단면도에서는 해수와 담수의 경계로서 15 ohm-m 등치선을 이용하여 해수침투 범위를 설정하였으며, 그 결과 해수침투 범위가 해안으로부터 약 450m 지점에 위치하였다. 이것은 Xu의 분산지수를 이용한 수치모델링에서 모사된 해수침투 범위와 유사한 결과이다. 따라서 수리동역학적 모델링에서 분산지수에 따라 해수침투 범위가 차이를 보이는데, 본 연구지역에서는 Xu의 공식을 이용하여 산출된 분산지수가 해수침투의 범위를 결정하는데 더 유효하였다.
기작기반의 역학적 모델과 자료기반의 딥러닝 모델은 수질예측에 다양하게 적용되고 있으나, 각각의 모델은 고유한 구조와 가정으로 인해 장·단점을 가지고 있다. 특히, 딥러닝 모델은 우수한 예측 성능에도 불구하고 훈련자료가 부족한 경우 오차와 과적합에 따른 분산(variance) 문제를 야기하며, 기작기반 모델과 달리 물리법칙이 결여된 예측 결과를 생산할 수 있다. 본 연구의 목적은 주요 상수원인 댐 저수지를 대상으로 수심별 수온과 탁도를 예측하기 위해 기작기반과 자료기반 모델의 장점을 융합한 PGDL(Process-Guided Deep Learninig) 모델을 개발하고, 물리적 법칙 만족도와 예측 성능을 평가하는데 있다. PGDL 모델 개발에 사용된 기작기반 및 자료기반 모델은 각각 CE-QUAL-W2와 순환 신경망 딥러닝 모델인 LSTM(Long Short-Term Memory) 모델이다. 각 모델은 2020년 1월부터 12월까지 소양강댐 댐 앞의 K-water 자동측정망 지점에서 실측한 수온과 탁도 자료를 이용하여 각각 보정하고 훈련하였다. 수온 및 탁도 예측을 위한 PGDL 모델의 주요 알고리즘은 LSTM 모델의 목적함수(또는 손실함수)에 실측값과 예측값의 오차항 이외에 역학적 모델의 에너지 및 질량 수지 항을 제약 조건에 추가하여 예측결과가 물리적 보존법칙을 만족하지 않는 경우 penalty를 부가하여 매개변수를 최적화시켰다. 또한, 자료 부족에 따른 LSTM 모델의 예측성능 저하 문제를 극복하기 위해 보정되지 않은 역학적 모델의 모의 결과를 모델의 훈련자료로 사용하는 pre-training 기법을 활용하여 실측자료 비율에 따른 모델의 예측성능을 평가하였다. 연구결과, PGDL 모델은 저수지 수온과 탁도 예측에 있어서 경계조건을 통한 에너지와 질량 변화와 저수지 내 수온 및 탁도 증감에 따른 공간적 에너지와 질량 변화의 일치도에 있어서 LSTM보다 우수하였다. 또한 역학적 모델 결과를 LSTM 모델의 훈련자료의 일부로 사용한 PGDL 모델은 적은 양의 실측자료를 사용하여도 CE-QUAL-W2와 LSTM 보다 우수한 예측 성능을 보였다. 연구결과는 다차원의 역학적 수리수질 모델과 자료기반 딥러닝 모델의 장점을 결합한 새로운 모델링 기술의 적용 가능성을 보여주며, 자료기반 모델의 훈련자료 부족에 따른 예측 성능 저하 문제를 극복하기 위해 역학적 모델이 유용하게 활용될 수 있음을 시사한다.
본 논문은 DGNSS(Differential GNSS) 위치정확도 향상을 위한 PRC(Pseudo-Range Correction) 보정정보 모델링에 관한 연구내용이다. PRC는 DGNSS 기법을 이용하여 측위정확도를 향상시키기 위해 사용되는 보정정보로써 사용자가 통신망을 통해 수신한 뒤 사용된다. 그러나 일시적인 통신두절이나 신호간섭 등으로 인해 위치정확도가 급격히 저하되는 일이 발생한다. 그래서 본 논문에서는 이러한 현상을 방지하기 위해 PRC 보정정보를 다항식 곡선접합 방정식을 이용하여 모델링하고 그 정확도를 평가하였다. 모델링 매개변수를 이용하여 계산한 PRC 추정값과 실제 기준국 수신기에서 생산되는 관측값간의 차이를 계산한 결과 GPS의 경우에는 평균 0.1m, RMSE는 1.3m로 나타났고 대부분의 위성들이 ${\pm}1.0m$ 이내의 편향오차와 3.0m 이내의 RMSE를 보였다. GLONASS의 경우에는 평균 0.2m이고 대부분 ${\pm}2.0m$ 이내에 분포하였다. RMSE는 2.6m로 나타났고 다수의 위성들이 3.0m 이내에 분포하였다. 이런 결과는 모델링을 통해 산출한 추정값이 사용자의 위치정확도를 유지하는데 유효하게 사용될 수 있음을 보였다. 그러나 고도각이 낮은 영역에서 두 값의 차이가 크게 나타나 이에 대한 연구를 추가적으로 수행할 필요성이 있다.
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.