• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2007.10a
• /
• pp.377-382
• /
• 2007

본 논문에서는 애견 질병에 대한 전문적인 지식이 부족한 일반인들을 대상으로 자신의 애견 건강상태를 파악 할 수 있는 진단 시스템을 제안한다. 제안된 진단 시스템은 105가지 질병과 각 질병의 증상을 데이터베이스에 구축하여 입력된 증상을 통해서 애견의 질병을 도출한다. 본 논문에서는 신경망의 자율 학습 방법인 ART2 알고리즘을 적용하여 질병을 클러스터링 하고 그 결과 값인 클러스터의 출력값과 연결강도를 데이터베이스에 저장한다. 각 질병의 증상과 관련된 질의 결과를 입력 벡터로 제시하여 학습된 질병 정보와 비교하여 애견의 건강 상태를 진단한다. 애견의 건강 상태를 진단하는데 있어서 질병과 증상의 정확한 정보는 매우 중요하다. 따라서 본 논문에서는 질병과 증상의 정보를 데이터베이스로 구축하고 질병과 증상 정보를 효율적으로 관리할 수 있도록 하였다. 제안된 진단 시스템을 구현하여 수의학 전문의가 분석한 결과, 본 논문에서 제안한 시스템이 애견 질병의 보조 진단 시스템으로서의 가능성을 확인하였다.

• Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology
• /
• v.8 no.3
• /
• pp.571-578
• /
• 2018

The deteriorated pipline often causes the unexpected leakage and crack. Negligence and late maintenance leads the enormous damage for gas and water resource. This paper proposes early fault detection and diagnosis algorithm for pipeline using acoustic emission (AE) signals. Early fault detection method for pipeline compares the frequency amplitude of the spectrum to that of the spectrum in normal condition. Larger amplitude of the spectrum indicates abnormal condition. Early fault diagnosis algorithm uses support vector machines (SVM), which is trained for normal and abnormal conditions to diagnose the measured AE signal from the target pipeline. In the experiment, a pipeline testbed is constructed similarly to real industrial pipeline. Normal, 5mm cracked, 10mm holed pipelines are installed and tested in this study. The proposed fault detection and diagnosis technique is validated as an efficient approach to detect early faulty condition of pipeline.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.301-301
• /
• 2022

본 연구는 운영 조건이 달라짐에 따라 회전수가 변하는 기기의 정상적 가동 여부와 고장 종류를 판별하기 위한 인공지능 알고리즘의 적용을 다루고 있다. 회전수가 변하는 장비로부터 계측된 상태 모니터링 센서의 신호는 비정상(non-stationary)적 특성이 있으므로, 상태 신호의 한계치가 고장 판별의 기준이 되기 어렵다는 점을 해결하고자 하였다. 정상 가동 여부는 이상 감지에 효율적인 오토인코더 및 기계학습 알고리즘을 적용하였으며, 고장 종류 판별에는 기계학습법과 합성곱 기반의 심층학습 방법을 적용하였다. 변하는 회전수와 연계된 주파수의 비정상적 시계열도 적절한 고장 특징 (Feature)로 대변될 수 있도록 시간 및 주파수 영역에서 특징 벡터를 구성할 수 있음을 예제로 설명하였다. 차원 축소 및 카이 제곱 기법을 적용하여 최적의 특징 벡터를 추출하여 기계학습의 분류 알고리즘이 비정상적 회전 신호를 가진 장비의 고장 예측에 활용될 수 있음을 보였다. 이 과정에서 k-NN(k-Nearest Neighbor), SVM(Support Vector Machine), Random Forest의 기계학습 알고리즘을 적용하였다. 또한 시계열 기반의 오토인코더 및 CNN (Convolution Neural Network) 적용하여 이상 감지와 고장진단을 수행한 결과를 비교하여 제시하였다.

• Journal of the Korean Society of Propulsion Engineers
• /
• v.17 no.2
• /
• pp.71-83
• /
• 2013

Recently, the advanced condition monitoring methods such as the model-based method and the artificial intelligent method have been applied to maximize the availability as well as to minimize the maintenance cost of the aircraft gas turbines. Among them the non-linear GPA(Gas Path Analysis) method and the GA(Genetic Algorithms) have lots of advantages to diagnose the engines compared to other advanced condition monitoring methods such as the linear GPA, fuzzy logic and neural networks. Therefore this work applies both the non-linear GPA and the GA to diagnose AE3007 turbofan engine for an aircraft, and in case of having sensor noise and bias it is confirmed that the GA is better than the GPA through the comparison of two methods.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.200-204
• /
• 2007

최근 유비쿼터스 환경의 발달로 인해 사용자 중심의 유비쿼터스 기술이 활발히 연구되고 있다. 이에 따른 각종 응용 분야가 활발히 연구 중이며, 그 중에서 특히 U-Health 기술이 주목받고 있다. U-Health 기술은 질병의 치료라는 전통적인 관점의 의료 서비스에서 벗어나 건강한 상태의 지속적인 관리와 질병의 예방이라는 적극적이고 확장된 개념으로 발전해가고 있다. 건강상태를 관리하고 진단하기 위해서는 기존의 진단데이터를 효율적으로 관리하고, 그것을 토대로 하여 유용한 정보를 얻어 낼 수 있는 방법이 필요하다. 지금까지는 데이터를 처리하기 위하여 통계적인 수치나 전문가에 의한 전문지식을 토대로 하는 방법을 사용하고 있다. 그러나, 건강상태를 관리하고 진단을 목적으로 하는 시스템에서는 높은 정확성이 보장되어야 한다. 또한 유비쿼터스 환경의 특성상 적은 메모리의 사용과 빠른 마이닝 속도가 수반되어야 한다. 본 논문에서는 튜플기반의 진단데이터들을 마이닝하여 진단패턴을 뽑아내는 의료 진단 마이닝 알고리즘을 제안한다. 본 알고리즘은 진단패턴정보의 정확성을 높일 수 있는 장점을 가지며, 튜플기반의 데이터들을 트리 구조로 구성함으로써 마이닝 속도를 향상시킨다. 더 나아가 트리 구조의 컴팩트한 데이터 구조로 메모리 적재가 용이하다. 이는 센서가 부착된 개별 사용자로부터 실시간으로 들어오는 건강상태와 진단패턴과의 비교, 분석을 가능하게 함으로써 보다 정확하고 빠른 진단결과를 내려줄 수 있는 의사결정시스템의 사용에 적합하다.

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.11a
• /
• pp.265-267
• /
• 2022

선박 기관시스템이 효율적이고 안이정적인 운용을 위해서는 실시간 상태 모니터링 기반의 이상탐지, 고장진단 더 나아가 고장예측에 따른 대응조치를 할 수 있는 기술이 필요하며 이를 상태기반 유지관리(Condition Based Maintenance, CBM)이라 지칭한다. 해당 기술을 개발 및 확보하기 위해서는 가장 우선적으로 기관시스템에 대한 다양한 고장 데이터가 확보되어야 하며 이후, 확보된 데이터에 대한 특징추출 등 전처리 알고리즘, 고장 진단 및 예측 알고리즘 등을 개발하여야 한다. 본 연구에서는 선박 추진용 엔진 및 발전기 엔진에 대한 상태기반 유지관리 기술의 개발현황과 향후 지속적인 연구 추진방향을 소개하고자 한다.

• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• 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.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.17 no.5
• /
• pp.113-121
• /
• 2013

The road icing forecast and snow detection system using state evaluation algorithm of multi sensor optimizes snow melting system to control spread time and amount of chemical spread application This system operates integrated of contact/non-contact sensor and infrared camera. The state evaluation algorithm of the system evaluates road freezing danger condition and snowfall condition (snowfall intensity also) using acquired data such as temperature/humidity, moisture detection and result of image signal processing from field video footage. In the field experiment, it proved excellent and reliable evaluated result of snowfall state detection rate of 89% and wet state detection rate of 94%.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.13 no.6
• /
• pp.1249-1256
• /
• 2018

Recently the research on artificial intelligence is actively processing in the fields of diagnosis and prediction. In this paper, we acquire the data of electrical current, revolution per minute (RPM) and vibration that is occurred in the motor and pump where hey are installed in the industrial fields. We train the acquired data by using the k-nearest neighbors. Also, we propose the status diagnosis methods that judges normal and abnormal status of motor and pump by using the trained data. As a proposed result, we confirm that normal status and abnormal status are well judged.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2011.02a
• /
• pp.31-31
• /
• 2011

식각, 증착 등의 플라즈마 활용 공정에서 공정 결과들이 예상치 못한 편차를 보이거나 시간에 따른 공정 결과의 드리프트가 발생하는 등의 문제는 공정 수율 향상 뿐 아니라 공정 결과 생산하게 되는 제품의 성능을 결정짓는다는 점에서 중요하다. 그 결과 공정의 이상이 발생 되는 것을 감지하기 위한 다양한 장치 및 알고리즘들이 등장하고 있으나, 현재 공정 상태 변화를 진단하는 것은 공정 장치에서 발생된 신호 변동을 통계적으로 처리하는 수준에 머무르거나 플라즈마 인자들의 값 자체를 진단하는 정도에 그치고 있다. 본 연구에서는, 향후 물리적 해석을 기반으로 한 공정 진단을 위한 알고리즘을 세우는 것을 목표로 하여 공정 결과에 민감하게 영향을 주는 플라즈마 내부 전자의 열평형 상태의 미세한 변동을 감지하고 이를 통하여 공정 결과에 영향을 주게 되는 장치 내 물리적, 화학적 반응들의 변동 메커니즘을 이해하고자 하였다. 외부에서 감지하기 힘들기 때문에 장치 상태에 변동이 없는 것으로 보이지만 실제로는 변동하고 있는 플라즈마의 미세한 상태 변화를 보여줄 수 있는 물리 인자로는 잦은 충돌로 인하여 빠르게 변동에 대응할 수 있는 전자들의 열평형 특성을 살펴보는 것이 적합하다고 판단하여 광신호를 통해 전자 에너지 분포함수를 진단할 수 있는 모델을 수립하였다. 이 모델의 적용 결과를 활용하면 전자들의 열평형이 주변 가스 종의 반응율 변동에 주게 되는 영향을 해석할 수 있다. 실제로 ICP-Oxide Etcher 장치에서 장치 내벽 오염물질 유입 및 공정 부산물의 장치 내 잔여로 인하여 식각율로 표현되는 공정 결과에 최대 6%의 편차가 발생하게 되는 메커니즘을 해석할 수 있었다.