• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.186-188
• /
• 2021

본 아키텍처(IDPS)는 현 해군 수상함 전투체계의 함정별 소프트웨어 진단 도구를 통합하여 진단 방식의 일관성과 효율성, 진단 소요 시간의 감소를 달성하기 위한 웹기반의 플랫폼을 구축하는 구조적 방법이다. 함형 별 구분된 독립적인 진단 방식으로 인하여 수명주기지원(LTS) 시 인력 운용 측면의 비효율성과 진단자의 숙련도 등에 따른 진단 품질의 차이가 발생하기 때문에, 함정 SW 상태를 진단하는 방식을 함형에 구분없이 일원화하고 진단자에 따른 진단 결과의 편향과 오차가 발생하지 않도록 진단데이터를 플랫폼에 내재된 상태결정알고리즘(SDA)에 의해 판정하도록 지능화하였다. 장기적으로 수상함 전투체계 소프트웨어의 진단에 있어 진단 품질의 하락없는 사람 개입이 최소화된 지능화된 시스템 구축을 추구하며, 이를 통해 진단 소요 시간을 단축하고 진단 결과의 활용에 더 많은 자원을 투입할 수 있을 것으로 기대된다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2017년도 제48회 춘계학술대회논문집
• /
• pp.218-223
• /
• 2017

본 논문은 75톤급 액체로켓엔진의 상태진단을 위해 칼만 필터를 이용한 고장진단 연구를 수행하였다. 칼만 필터 설계를 위해 75톤급 액체로켓엔진 비선형 시뮬레이션 모델을 공칭 작동점에서 선형화하였으며, 정상 모델의 상태량 변수 4가지를 이용하여 측정값과 추정값 비교를 통해 칼만 필터의 성능을 확인하였다. 이를 이용한 고장진단 알고리즘의 성능을 확인하기 위하여 터보펌프 고장을 모사하였으며 정상 모델의 잔차 변화를 비교하여 칼만 필터를 이용한 고장진단이 가능함을 확인하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2031-2033
• /
• 2003

본 논문에서는 25%, 50%, 75%, 100% 정격 부하 아래에서 b유도전동기의 회전자 고장을 검출하기 위한 효과적인 FFT 기반 알고리즘을 제안하였다. 제안한 방법은 고정자 전류 스펙트럼 성분 중에서 회전자 고장에 큰 영향을 주는 주파수 성분에서 미리 결정한 기준벡터와 특정벡터 사이의 평균 절대치 차이(Mean Absolute Difference)를 이용하였다. 기준벡터는 정상 상태의 고정자 전류 스펙트럼 성분 중에서 기본 주파수 상, 하의 두개의 측파대 주변의 좁은 영역에서 추출하였고 특징벡터는 정상상태와 회전자 바 고장상태의 고정자 전류 스펙트럼 성분 중에서 또한 기준벡터와 동일한 영역에서 추출하였다. 부하실험을 통하여 제안한 알고리즘의 적용 결과는 각각의 정격 부하에서 유도전동기의 회전자 바 고장을 효과적으로 검출할 수 있음을 입증하였다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 2009년도 추계학술대회 논문집
• /
• pp.213-214
• /
• 2009

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 추계학술대회
• /
• pp.224-226
• /
• 2022

다양한 소스로부터 수집되고 연동되는 데이터를 모델링하는 기술로 그래프 데이터베이스를 활용한 분석 기법이 각광받고 있다. 이 연구에서는 항로표지에서 관측되는 상태 및 주변 정보를 모델링하고, 고장진단 및 예측에 적용할 수 있는 기계학습 기법을 소개한다.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2007년도 제29회 추계학술대회논문집
• /
• pp.350-353
• /
• 2007

본 연구에서는 항공기용 가스터빈 엔진의 운용에 있어 실시간 결함 진단을 위해 유전 알고리즘을 사용하였다. 탈 설계 영역에서 성능 저하를 고려한 가스터빈 엔진의 구성요소는 압축기, 가스발생기 터빈, 동력 터빈이다. 지상정지 상태인 설계점에 비해 고도, 비행 마하수, 연료유량에 대한 탈 설계 진단의 경우 학습 데이터는 약 200배 이상으로 증가하였으며, 요구 수렴도를 만족시키기 위해 방대한 학습시간이 요구된다. 탈 설계 영역에서 단일결함에 관한 진단오차를 만족시키고 학습시간을 단축시키기 위해 최적분할을 사용하였고 그 결과, 오차범위 5% 이내로 진단됨을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제25권4호
• /
• pp.19-27
• /
• 2020

본 논문에서는 정압기의 이상 상태 진단을 위한 기계학습 방법을 제안한다. 일반적으로 설비의 이상 상태 탐지를 위한 기계학습 모델 구현에는 관련 센서의 설치와 데이터 수집 과정이 동반되나, 정압기는 설비 특성상 안전문제에 매우 민감하여 추가적인 센서 설치가 매우 까다롭다. 이에 본 논문에서는 센서의 추가 설치 없이 정압기 설비에서 자체 수집되는 유량과 유압 데이터만을 가지고 정압기의 이상 상태를 조기에 판단하는 기계학습 모델을 제안한다. 본 논문에서는 정압기의 비정상데이터가 충분하지 않은 관계로, 모델 학습 시 오버 샘플링(Over-Sampling)을 적용하여 모델이 모든 클래스에 균형적으로 학습하도록 하였다. 또한, 그레이디언트 부스팅(Gradient Boosting), 1차원 합성곱 신경망(1D Convolutional Neural Networks), LSTM(Long Short-Term Memory) 등의 기계학습 알고리즘을 적용하여 정압기의 이상 상태를 판단하는 분류모델을 구현하였고, 실험 결과 그레이디언트 부스팅 알고리즘이 정확도 99.975%로 가장 성능이 우수함을 확인하였다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.504-509
• /
• 1995

컴퓨터에 의한 생산시스템의 통합체계화와 온-라인화에 따라 자동화된 설비진단 방법이 요구되어지고 있다. 이에 따라 기계설비에 각종 센서를 부착하여 실시간으로 수집된 출력신호를 이용하여 기계설비를 온-라인으로 감시하는 여러가지 기법들이 제시되고 있다. 본 연구에서는 진동센서로부터의 신호를 radial 함수에 근거한 다단계 뉴럴 네트워크(Neural Network)로 모형화하여 기계설비 상태를 감시하는 방법을 제시한다. 또한 다단계 모델링 분석을 통하여 신호를 예측하고 설비고장 원인을 분류하며, 다른 모형과의 비교를 통하여 효율성 평가와 최적 단계수를 결정하였다. 온라인 학습 알고리즘은 recursive least squares와 clustering 방법을 이용한다.

• 한국정보통신설비학회:학술대회논문집
• /
• 한국정보통신설비학회 2003년도 하계학술대회
• /
• pp.336-339
• /
• 2003

본 논문에서는 운전중인 주상 변압기의 상태 진단을 위하여 이동통신망의 SMS(Short Message Service)방식을 적용함으로써 진단 자료 전송시 무손실로 전달할 수 있는 기법에 관하여 연구한다. 최소한의 데이터전송으로 최적의 진단을 할 수 있도록 무선통신에 적합한 알고리즘 및 프로토콜을 설계한다. 주상변압기의 절연유 온도와 부하전류의 가변 실험을 통하여 데이터를 취득한다. 센서의 자료 취득부에서는 SMS 문자서비스를 이용하여 자료전달에 최적화가 되도록 센서 출력 결과의 필터링을 수행한다. 이러한 진단기법은 서버 1대에서 많은 수의 변압기를 관리 제어, 모니터링이 가능하며 변전기기 이외에 다른 모든 기기에 적용이 가능하다.

• 소음진동
• /
• 제8권4호
• /
• pp.723-732
• /
• 1998

원자력 발전소에서 운전되고 있는 원자로 냉각재 펌프는 대형 수직 펌프로서 증기 발생기로부터 원자로에 냉각재를 순환시키는 중요한 역할을 담당하고 있다. 원자로 냉각재 펌프는 운전 조건 및 각종 결함에 따라 진동, 열적 변형, 마모 등의 비정상 상태에서 운전될 수 있으며, 이로 인한 발전소 신뢰성 저하의 원인이 된다. 따라서 이 펌프의 감시 및 진단에 대한 연구가 계속되어 왔으며 각종 시스템이 설치 운용되고 있다. 그러나 미국내의 거의 모든 냉각재 펌프 감시 시스템은 펌프의 고진동 여부만을 나타내며 진동의 원인을 진단하기 어렵다. 본 연구에서는 최근까지 주로 발생되었던 미국내 원자로 냉각재 펌프의 문제점을 분석하고 이들의 원인별 진동 특성을 지식베이스화 하였으며, 진단시스템 개발을 위한 알고리즘을 제안하였다.