• 제목/요약/키워드: 비모델 진단 방식

검색결과 28건 처리시간 0.026초

전류 테스팅 고장모델을 위한 객체기반의 고장 검출 (Object Oriented Fault Detection for Fault Models of Current Testing)

  • 배성환;한종길
    • 한국전자통신학회논문지
    • /
    • 제5권4호
    • /
    • pp.443-449
    • /
    • 2010
  • 전류 테스팅은 기존의 전압 테스트 방식에 비해서 높은 고장 검출과 진단 능력을 가진 효과적인 테스트 방식이다. 그러나 상대적으로 느린 전류 테스팅을 위해서 항상 같은 값을 가지는 노드를 찾아내어 제거하는 효율적인 검출 기법이 필요하다. 본 논문에서는 전류 테스팅을 위한 다양한 고장모델에 적용 가능한 객체기반의 고장 검출 기법을 제안한다. ISCAS 벤치마크 회로의 실험결과을 통해서 제안된 방식이 고려되는 고장의 수를 효과적으로 감소시킬 수 있고 다양한 전류 테스팅 고장모델에 적용 가능함을 확인하였다.

이중 확장 칼만 필터 기반 고정밀 SOC/용량 추정을 통한 폐배터리 충/방전 최대 출력 추정 알고리즘 연구 (A Study on Estimation Algorithm of Maximum Charge/Discharge Power Based on High-accuracy SOC/Capacity Estimation through DEKF)

  • 박진형;김건우;김종훈
    • 전력전자학회:학술대회논문집
    • /
    • 전력전자학회 2019년도 전력전자학술대회
    • /
    • pp.204-206
    • /
    • 2019
  • 본 논문은 이중 확장 칼만 필터를 통한 SOC (State of charge) 및 용량 추정과 배터리 모델 파라미터를 이용한 폐배터리의 최대 출력을 추정하는 방법을 연구 및 제안한다. 배터리의 단순 전압 측정을 통해 상태를 진단할 경우, 부하 조건에 따라 급격한 전압 상승 및 강하로 인해 정밀한 안전 진단 및 운용에 어려움이 따르지만, 폐배터리는 일반 배터리에 비해 전압 변동율이 크기 때문에 상태 진단에 큰 어려움이 존재한다. 따라서 본 논문에서는 폐배터리의 정밀한 안전진단을 하기 위해 SOC 영역 및 충/방전에 따른 최대 출력을 계산하여 사전에 배터리의 상태를 진단할 수 있는 알고리즘을 제안한다. 또한, 배터리의 노화도에 따른 최대 출력을 실험 및 시뮬레이션을 통해 결과를 제시하여 유효한 방식임을 검증한다.

  • PDF

모돈 생체 반응 신호의 주파수 영역 Feature selection을 통한 DNN 모델링 연구 (Research on DNN Modeling using Feature Selection on Frequency Domain for Vital Reaction of Breeding Pig)

  • 조진호;오종우;이동훈
    • 한국농업기계학회:학술대회논문집
    • /
    • 한국농업기계학회 2017년도 춘계공동학술대회
    • /
    • pp.166-166
    • /
    • 2017
  • 모돈의 건강 상태를 정량 지수화 하기 위한 연구를 수행 중이다. 지제이상, 섭식 불량, 수면 패턴 등의 운동 특성 분석을 위하여 복수의 초음파 센서를 이용하였다. 시계열 계측 신호를 분석하여 정량 지수화를 수행하는 과정에서 주파수 도메인 분석을 시도하였다. 이 과정에서 주파수 도메인의 분해능에 따른 편차 극복을 위한 비선형 모델링을 수행하였다. 또한 인접한 시계열 데이터 구간 간의 상관성 분석이 가능하면 대용량 데이터의 실시간 처리로 인한 지연 시간 극복 및 기대되는 예후에 대한 조기 진단이 가능할 것이다. 본 연구에서는 구글에서 제공하는 Tensorflow와 NVIDIA에서 제공하는 CUDA 엔진을 동시 적용한 심층 학습 시스템을 이용하였다. 전 처리를 위하여 주파수 분해능 (2분, 3분, 5분, 7분, 11분, 13분, 17분, 19분)에 따른 데이터 집합을 1단계로 두고, 상위 10 순위 안에 드는 파워 스펙트럼 밀도의 크기를 2단계로 하여, 총 2~10개의 입력 노드를 순차적으로 선정하였고, 동일한 방식으로 인접한 시계열의 파워 스펙터럼 밀도를 순위를 변화시켜 지정하였다. 대표적인 심층학습 모델인 Softmax regression with a multilayer convolutional network를 이용하여 Recursive feature selection 경우의 수를 $8{\times}9{\times}9$로 총 648 가지 선정하고, Epoch는 10,000회로 지정하였다. Calibration 모델링의 경우 Cost function이 10% 이하인 경우 해당 경우의 학습을 중단하였으며, 모델 간 상호 교차 검증을 수행하기 위하여 $_8C_2{\times}_8C_2{\times}_8C_2$ 경우의 수에 대한 Verification test를 수행하였다. Calibration 과정 상 모든 경우에 대하여 10% 이하의 Cost function 값을 보였으나, 검증 테스트 과정에서 모든 경우에 대하여 $r^2$ < 0.5 인 결정 계수 값이 나타났다. 단적으로 심층학습 모델의 과도한 적합(Over fitting) 방식의 한계를 보인 것이라 판단할 수 있다. 적합한 Feature selection 및 심층 학습 모델에 대한 지속적이고 추가적인 고려를 통해 과도적합을 해소함과 동시에 실효적이고 활용 가능한 Classification을 위한 입, 출력 노드 단의 전후 Indexing, Quantization에 대한 고려가 필요할 것이다. 이를 통해 모돈 생체 정보 정량화를 위한 지능형 현장 진단 기술 연구를 지속할 것이다.

  • PDF

고분자전해질연료전지를 위한 고장 검출 및 진단 기술 (Fault Detection and Diagnosis Methods for Polymer Electrolyte Fuel Cell System)

  • 이원용;박구곤;손영준;김승곤;김민진
    • 한국수소및신에너지학회논문집
    • /
    • 제28권3호
    • /
    • pp.252-272
    • /
    • 2017
  • Fuel cell systems have to satisfy acceptable operating reliability, sufficient lifetime and price to enter the market in competition with existing products. Fuel cells are made up of complex element technologies and various problems related to the failure of the components can affect the reliability and safety of the system. This problem can be overcome by introducing a monitoring and supervisory control system in addition to automatic control to detect the failure of the fuel cell quickly and properly diagnose the performance degradation. For the fault detection and diagnosis of polymer electrolyte fuel cells, the model based method using the theoretical superposition value and the non-model based method of checking the signal tendency or the converted signal characteristic can be applied. The methods analyzed in this paper can contribute to the development of integrated monitoring and control technology for the whole system as well as the stack.

다양한 합성곱 신경망 방식을 이용한 폐음 분류 방식의 성능 비교 (Performance comparison of lung sound classification using various convolutional neural networks)

  • 김지연;김형국
    • 한국음향학회지
    • /
    • 제38권5호
    • /
    • pp.568-573
    • /
    • 2019
  • 폐질환 진단에서 청진은 다른 진단 방식에 비해 단순하고, 폐음을 이용하여 폐질환 환자식별뿐 아니라 폐음과 관련된 질병을 예측할 수 있다. 따라서 본 논문에서는 다양한 합성곱 신경방 방식을 기반으로 폐음을 이용하여 폐질환 환자를 식별하고, 소리특성에 따른 폐음을 분류하여 각 신경망 방식의 분류 성능을 비교한다. 먼저 폐질환 소견을 갖는 흉부 영역에서 단채널 폐음 녹음기기를 이용하여 폐음 데이터를 수집하고, 수집된 시간축 신호를 스펙트럼 형태의 특징값으로 추출하여 각 분류 신경망 방식에 적용한다. 폐 사운드 분류 방식으로는 일반적인 합성곱 신경망, 병렬 구조, 잔류학습이 적용된 구조의 합성곱 신경망을 사용하고 실험을 통해 각 신경망 모델의 폐음 분류 성능을 비교한다.

자동차 ALC에 대응하는 Job Shop의 동기화 생산시스템에 관한 연구

  • 권보식;김경섭
    • 한국시뮬레이션학회:학술대회논문집
    • /
    • 한국시뮬레이션학회 1997년도 춘계 학술대회 발표집
    • /
    • pp.100-100
    • /
    • 1997
  • 본 연구에서는 우리 자동차산업이 직면한 총체적인 위기상황을 극복하기 위한 방 안으로, 자동차 생산방식의 변혁, 인적자원관리의 혁신을 통한 생산성 제고, 독자 기술개발 능력의 조기확보, 효율적인 부품조달체제의 형성 등 산업전반에 걸친 혁신으로, 내적인 경 쟁력을 축적함과 동시에, 지역주의화의 진전에 따른 수출 여건의 악화를 극복하기 위해 선 진권 및 개발도상국으로의 현지화 노력이 적극적으로 추진되지 않으면 안될, 중대한 시점에 와 있다고 진단하면서, 본 연구의 목적을, 생산현장을 중심으로 한 내적 경쟁력 확보로 정 의하고, 그 실현방안으로서, 급변하는 시장환경에 적극 대응하기 위한 생산방식의 도입과, 이를 지원하는 생산정보시스템의 구축 모델을 제시하고자 한다. 첫 번째는, 변화가 급격한 시장환경에 적극 대응하는 생산방식의 도입으로, 철저한 낭비 배제 사상 - 생산현장의 낭비 소요를 배제(개선)하는 것만이 아니라 배제하고 바로 체계를 바꾸어 (개혁) 원래의 상태로 되돌아가지 않도록 하는 -을 기본으로, 정보, 관리, 생산, 제품, 물류 등에 관련된 손실 비 용을 감축시킴으로서 원가를 낮추고, 고객이 요구하는 다양하고, 좋은 품질이 제품을 신속 히 공급할 수 있는 체계를 갖추는 것이다. 이러한 낭비 배제 사상은 생산현장에서 필요한 것을, 필요한 때에, 필요한 만큼 만들고 운반하며 전달하는 관리 개선 등을 의미하며, 이것 을 적은 인원 및 설비로 최대한 빨리 (리드 타임의 단축), 계획대로 수행하도록 하는 것이 동기화 생산방식이다. 따라서, 본 연구에서는 자동차 생산공정 중 주 조립공정의 ALC(Assembly Line Control)에 대응하여, 선행 공정으로서 부품을 공급하는 Job Shop의 동기화 생산방식을 실제 적용한 사례 중심으로 전개하고자 한다. 두 번째의 접근방식은, 동 기화 생산방식에 컴퓨터 통합생산 (CIM, Computer Integrated Manufacturing)의 기술을 구 현, 적용하는 것이다. 즉, 동기화 생산 시스템 (SPS, Syncronized Production Sytem)을 구 축하는 것인데, 이것은 최신의 컴퓨터 기술을 생산현장에 적용함으로써 새로운 생산방식의 혁신에 버금가는 기술혁신이라 할 수 있을 것이다. 따라서, 이러한 접근은 컴퓨터 및 통신 기술의 눈부신 발전을 기초로 가능해진 것인데, 제조업에서의 심각한 고비용, 저효율 문제 를 해결하기 위해 필수적으로 도입해야만 하는 실정이다. 또한 소비자의 다양한 요구로 인 하여 제품의 종류와 사양면에서 심한 변동을 보이는 시장 수요에, 신속한 정보처리로 대응 하는데도 크게 기여하고 있다. 이에 본 연구에서는, 자동차 Job Shop의 동기화 생산방식을 지원하는 동기화 생산시스템의 구축 모델을 제시하고자 한다.

  • PDF

드론 Photogrammetry 기반 댐 시설물 안전점검 적용성 연구 (A Research on Applicability of Drone Photogrammetry for Dam Safety Inspection)

  • 박동순;유진일;유호준
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제27권5호
    • /
    • pp.30-39
    • /
    • 2023
  • 국가의 중요 방재시설인 대형 댐 시설물은 노후화와 홍수, 지진 등의 위험으로 디지털 전환 기술을 적용한 보다 나은 댐 안전점검 및 진단이 필수적이다. 종래의 인력에 의한 육안 안전점검 방식은 인력 접근의 어려움과 고소작업의 위험성, 노하우 중심의 점검에서 오는 데이터의 신뢰성 등의 문제가 있었다. 본 연구에서는 2개 대규모 댐 시설물을 대상으로 드론 photogrammetry에 의한 디지털 데이터 기반 댐 안전점검의 적용성을 검토하고, 지속적 활용을 위한 데이터 관리 방법론을 제시하였다. 댐 높이 42 m 및 99.9 m의 댐들에 대해 수면 및 전자기장 간섭, 심한 고저차에도 불구하고 평면적 더블그리드 및 수동 촬영 방식으로 GSD 2.5 cm/pixel 이내의 양호한 3D 디지털 모델을 생성하였다. 생성된 3D 메쉬 모델, 정사영상, 수치표면모형으로 as-built 조건의 종단 및 횡단 선형을 손쉽게 추출하여 댐의 변형 모니터링에 효과적임을 확인하였다. 댐 여수로 등 콘크리트 시설물에 대한 디지털 3D 모델로부터 균열 및 손상부를 효과적으로 검출하고 시각화하였으며, 이는 고소작업의 위험성 및 접근 제약 시설의 안전점검에 활용가능하다. 또한 댐의 안전점검 시 외관 조사망도를 3D 디지털 모델 상에서 매핑하는 방법과 손상 정보 이력 관리를 위한 관계형 데이터베이스 구조화 방안을 제안하였다. SYG댐 여수로 안전점검에 대한 투입 노동력과 시간을 실측한 결과, 드론 photogrammetry 방법은 기존 인력 육안점검에 비해 48%의 생산성 향상 효과를 확인하였다. 드론 photogrammetry 기반 댐 안전점검 디지털 전환은 업무의 생산성과 데이터 신뢰성 향상에 매우 효과적인 것으로 판단된다.

라만 기반 치매 모델의 뇌조직 분광 특성 측정 (Ex Vivo Raman Spectroscopy Measurement of a Mouse Model of Alzheimer's Disease)

  • 고관휘;서영희;임성민;이홍기;박지영;장원석;김동현
    • 한국광학회지
    • /
    • 제33권6호
    • /
    • pp.331-337
    • /
    • 2022
  • 비탄성적 산란에 의한 빛의 방출 현상을 이용한 라만 분광법 기술은 무표지 방식으로 분자를 식별하는 기술로 바이오 의학 및 재료 산업에 이르기까지 다양한 분야에서 연구되고 있다. 광프로브 기반 라만 분광기는 국소 부위의 화학 분석을 최소 침습 방식으로 측정할 수 있어 수술 중 실시간 진단 기술로 적용할 수 있는 가능성을 내포하고 있다. 본 연구에서는 화학 물질의 농도별 변화에 따른 라만 신호의 변화를 살펴보아 라만 실험 장치의 캘리브레이션을 진행하였으며, 정상 쥐와 아밀로이드 베타 플라크가 축적된 5xFAD 치매성 돌연변이 모델의 대뇌 조직을 대상으로 라만 신호 특성을 측정 및 비교 분석하여 알츠하이머씨 병의 진단을 위한 가능성을 탐구하였다. 또한 대표적인 치매 원인 물질인 아밀로이드 베타에 대한 라만 신호 측정을 병행하여 치매 진단에 대한 적용을 교차 검증하였다. 본 라만 분광법 연구를 통해 치매 진단에 있어 기존문진 검사 및 뇌 영상 진단을 대체하여 정밀하게 판별할 수 있는 하나의 진단 지표로서의 가능성을 보았으며, 추후 뇌신경계뿐만 아니라 인체의 다양한 장기 및 질병에 적용시켜 물리·공학·화학 등 다양한 연구분야에서의 원천기술로 활용될 수 있을 것으로 생각된다.

철골 끼움가새골조로 보강된 학교건물의 내진성능평가를 위한 비선형 해석 모델에 관한 연구 (Study on the Nonlinear Analysis Model for Seismic Performance Evaluation of School Buildings Retrofitted with Infilled Steel Frame with Brace)

  • 유석형;고관욱
    • 한국구조물진단유지관리공학회 논문집
    • /
    • 제26권4호
    • /
    • pp.65-72
    • /
    • 2022
  • 최근 국내 지진으로 인한 건축물의 피해는 주로 학교건물과 필로티형 다가구 주택에서 발생함으로써 동일한 형식의 건물에 대한 내진보강 필요성을 부각시켰다. 학교시설 내진보강사업은 초기에 연성보강방법으로서 댐퍼를 활용한 다양한 특허공법들이 충분한 검증 절차 없이 적용되었다. 그러나 「학교시설 내진성능평가 및 보강 매뉴얼, 2021」에서는 특허공법 적용시 별도의 엄격한 검증절차를 통하여 적용토록 하고 대신 일반공법으로서 강도/강성보강공법의 활성화를 유도하였다. 학교건물의 강도/강성 보강공법으로서 활발히 적용되고 있는 철골 끼움가새골조보강을 위한 내진선능평가 시 실무에서는 일부 제한된 조건에서 안전측의 내진성능평가 결과를 도출할 것으로 판단하여 기존 RC 부재에 철골가새만을 직접연결하여 해석모델을 구성하고 있다. 그러나 철골 끼움가새골조의 해석모델에서 프레임을 제거할 경우 강성감소로 인한 보강 부근의 기존 RC부재에 발생하는 하중감소는 매우 클 것으로 사료되며 이는 보강부위 기초보강 유무 검토에도 영향을 미칠 것으로 판단된다. 따라서 본 연구에서는 철골 끼움가새골조를 이용하여 저층 RC 학교건물 내진보강 시 성능평가를 위한 해석모델에 대하여 철골 프레임 고려 유무, 프레임 링크방식 등을 변수로 한 예비해석과 실제 3층 학교 건물에 대한 비선형 정적해석에 따른 내진성능평가 를 수행하였으며, 변수별 예비해석 및 푸쉬오버 해석결과를 비교함으로써 합리적인 해석모델 설정을 위한 기초자료를 제시하였다.

기계학습에 의한 후두 장애음성 식별기의 성능 비교 (Performance comparison on vocal cords disordered voice discrimination via machine learning methods)

  • 조철우;왕수건;권익환
    • 말소리와 음성과학
    • /
    • 제14권4호
    • /
    • pp.35-43
    • /
    • 2022
  • 본 논문은 후두 장애음성 데이터의 식별률을 CNN과 기계학습 앙상블 학습 방법에 의해 개선하는 방법에 대한 연구이다. 일반적으로 후두 장애음성 데이터는 그 수가 적으므로 통계적 방법에 의해 식별기가 구성되더라도, 훈련 방식에 따라 과적합으로 인해 일어나는 현상으로 인해 외부 데이터에 노출될 시 식별률의 저하가 발생할 수 있다. 본 연구에서는 다양한 정확도를 갖도록 훈련된 CNN 모델과 기계학습 모델로부터 도출된 결과를 다중 투표 방식으로 결합하여 원래의 훈련된 모델에 비해 향상된 분류 효율을 갖도록 하는 방법과 함께, 기존의 기계학습 중 앙상블 방법을 적용해 보고 그 결과를 확인하였다. 알고리즘을 훈련하고 검증하기 위해 PNUH(Pusan National University Hospital) 데이터셋을 이용하였다. 데이터셋에는 정상음성과 양성종양 및 악성 종양의 음성 데이터가 포함되어 있다. 실험에서는 정상 및 양성 종양과 악성종양을 구분하는 시도를 하였다. 실험결과 random forest 방법이 가장 우수한 앙상블 방법으로 나타났으며 85%의 식별률을 보였다.