• 인지과학
• /
• 제13권1호
• /
• pp.53-59
• /
• 2002

본 논문은 퍼지 인지 맵과 퍼지 연상 메모리를 사용하여 열과 온도에 관한 학생들의 과학개념 이해에서 발생되는 오인을 진단할 수 있는 오인 진단 모델을 제시한다. 오인 진단 모델에서 퍼지 인지 맵은 과학현상에 대한 학생들이 가지는 선입개념들과 오인들을 인과관계로 표현할 수 있다. 또한 개념간의 인과관계를 기억할 수 있는 퍼지 연상 메모리를 통하여 오인의 원인들을 진단한다. 본 연구는 기존의 학습 오인을 진단하는 규칙기반 전문가 시스템의 한계성을 극복할 수 있는 새로운 방법을 제공하며, 교육분야의 다양한 영역에서 학습자들의 학습 진단을 위한 지능형 개인교수 시스템으로 적용될 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1104-1107
• /
• 2011

경동맥 내중막 두께는 심혈관계 질환의 위험인자와 상관성이 높으므로 경동맥 내중막 영상 분석을 통해 심혈관계 질환의 1차 검진 방법으로 사용이 가능하다. 이 논문에서는 내중막 영상에서 이상지질혈증의 진단지표가 될 수 있는 특징벡터 추출 방법을 제안하였으며, 패턴기반, 함수기반의 분류모델 생성과 평가를 통해 추출된 진단 지표가 이상지질혈증 분류에 적합함을 검증하였다.

• 대한기계학회논문집A
• /
• 제41권10호
• /
• pp.931-940
• /
• 2017

본 논문은 슬라이딩 모드 관측기를 이용한 기구학 모델 기반 자율주행 자동차의 예견 고장진단 알고리즘에 관한 연구이다. 자율주행 자동차는 안전한 주행을 위해 신뢰성이 확보된 주행 환경 정보와 차량의 동적상태 정보가 필요하다. 센서 정보의 신뢰성 판단을 위해 본 연구에서는 종방향 기구학 모델기반 슬라이딩모드 관측기를 이용하여 종방향 환경정보와 차량 가속도 정보를 실시간으로 상호 보완적 고장진단이 가능한 예견 알고리즘을 제안하였다. 적용된 슬라이딩 모드 관측기는 종방향 환경정보의 고장신호에도 강건한 입력신호 재건성능을 보이면서 알고리즘의 신뢰성을 확보할 수 있었다. 예견 고장진단 알고리즘의 합리적 성능평가를 위해 네 가지 조건에 대한 실제 주행 데이터 기반 선행차량 추종시나리오를 적용하였다. 성능평가 결과 본 연구에서 제안된 예견 고장진단 알고리즘은 모든 평가조건과 주행 시나리오에 대해 합리적인 고장진단 성능을 보여주었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2009년도 제40회 하계학술대회
• /
• pp.2079_2080
• /
• 2009

MEMS 기술을 이용한 다양한 센서의 개발과정에서 신뢰성 확보는 매우 중요한 문제이며, 여러 가지 신뢰성 항목 가운데 낙하시험은 가장 기본이 되는 항목이다. 단시간 내에 낙하에 대한 내충격성을 확보하는 MEMS 센서를 개발하기 위해 본 논문에서는 FEA와 high-level 모델을 결합한 낙하시험 모의진단법을 제안하였다. 제안된 모의진단법을 통해 MEMS 소자에서의 최대응력과 응력분포, 최대변위, 그리고 낙하시의 과도응답과 오신호 등의 결과를 확보할 수 있으며 이들을 토대로 MEMS 소자에서의 취약부위를 파악하고 이를 보완할 수 있으며 낙하시의 오동작을 제거하도록 신호처리 회로 등을 보완할 수도 있을 것이며 이를 통해 단시간 내에 최소의 비용으로 내충격성을 확보한 MEMS 센서를 개발하는 것이 가능해질 것이다.

• 전기전자학회논문지
• /
• 제27권4호
• /
• pp.518-523
• /
• 2023

고정자 권선단락은 미세한 턴이 단락되어 급격히 고장이 심각해짐에 따라 ITSC의 진단이 중요시되고 있다. 그러나, 3상 유도전동기의 노이즈 및 손실등과 유사한 특징을 가짐에 따라 ITSC진단에 많은 어려움이 있다. 이를 효율적으로 진단하기 위해서 인공지능 기법으로 연구되고 있으나, 현장에서는 모델기반 기법이 두루 활용되고 있음에 따라 모델기반 기법에 대한 진단 성능개선 연구가 필요한 실정이다. 이에 본 논문에서는 회전하고 있는 자속에 변화를 무시하며, 전류 성분만을 이용할 수 있도록 Clarke변환 방법을 응용하여 진단방법을 제안하였다. 이에 30분간의 정상 및 ITSC 상태의 측정 결과, 정상상태를 ITSC 상태로 오인식하는 경우 0.2[%], ITSC상태를 정상상태로 오거부하는 경우 0.26[%]로 효율적인 진단 방법임을 실험을 통해 알 수 있었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제8권3호
• /
• pp.235-242
• /
• 2004

현재의 교량유지관리시스템에서는 교량들의 사용수명 동안에 좀 더 객관적인 상태평가를 필요로 한다. 따라서, 본 연구에서는 이러한 점을 해결하기 위한 단면저항능력에 대한 정량적평가법이 개발되었다. 이 기법은 차량하중 및 염해나 중성화 같은 환경인자의 영향을 받는 콘크리트 교량의 손상 메카니즘에 기초를 두고 있다. 또한, 하중 및 극심한 환경조건하에 있는 슬래브 교량에 적용하였는데, 제안된 정량화 모델은 두 가지 인자를 잘 고려하여 교량의 열화를 잘 모사하였다.

• 정보처리학회논문지A
• /
• 제19A권3호
• /
• pp.147-154
• /
• 2012

창의력이나 문제해결력과 같은 고차원적인 사고 능력은 주어진 문제의 정 오답만으로는 진단이 어려우며, 진단을 위해서는 교수자가 학습자의 문제 해결 과정을 지켜보거나 해결 과정에 대한 학습자의 보고 과정이 요구된다. 더구나 교수자의 학습자에 대한 관찰이 불가능한 온라인 학습이나 버추얼 클래스와 같은 환경에서는 학습자의 문제 해결 과정을 평가하거나 학습자 스스로 자신의 부족한 부분을 진단하는 것은 더욱 어려워진다. 이러한 문제를 해결하는 최선의 방법은 학습자가 문제를 해결하는 동안을 추적하여 그 과정을 보고해 주는 것이라 할 수 있다. 본 연구에서는 MS 오피스군의 소프트웨어를 활용하여 주어진 문제를 해결하는 동안 학습자의 작업 내역을 트레이싱하여 최종적으로 학습자에게 자신의 부족한 부분을 진단해 주고 자신의 능숙도와 소프트웨어를 응용하여 주어진 문제를 해결하는 과정에 대한 평가를 해주는 모듈을 개발하였으며, 본 진단 모듈의 효용성 평가를 위하여 실제 MOS 시험을 준비하는 학습자 81명에 대한 적용 및 만족도 조사를 통하여 통계적으로도 유의미한 효과가 있음을 확인하였다.

• 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.

• KNOM Review
• /
• 제24권1호
• /
• pp.13-19
• /
• 2021

최근 산업 분야에서는 공장 자동화 뿐만 아니라 장애 진단/예측을 통해 고장/사고를 사전에 방지하여 생산량을 극대화하기 위한 연구가 진행되고 있으며, 이를 구성하기 위해 많은 양의 데이터 축적을 위한 클라우드 기술, 데이터 처리를 위한 빅 데이터 기술, 그리고 데이터 분석을 쉽게 진행하기 위한 AI(Artificial Intelligence)기술이 도입되고 있다. 또한 최근에는 장애 진단/예측의 발전으로 인해 설비 유지보수(PM: Productive Maintenance) 방식도 정기적으로 설비를 유지보수 하는 방식인 TBM(Time Based Maintenance)에서 설비 상태에 따라 유지보수 하는 방식인 CBM(Condition Based Maintenance)을 조합하는 방식으로 발전하고 있다. CBM 기반 유지보수를 수행하기 위하여 설비의 상태(condition)의 정의와 분석이 필요하다. 따라서 본 논문에서는 머신 러닝(Machine Learning) 기반의 장애 진단을 위한 시스템 및 데이터 모델(Data Model)을 제안하며, 이를 기반으로 장애를 사전 예측한 사례를 제시하고자 한다.

• 융합보안논문지
• /
• 제21권2호
• /
• pp.57-66
• /
• 2021

딥뉴럴네트워크는 이미지 인식, 음성 인식, 패턴 인식 등에 좋은 성능을 보여주고 있는 대표적인 딥러닝모델 중에 하나이다. 하지만 이러한 딥뉴럴네트워크는 적대적 샘플을 오인식하는 취약점이 있다. 적대적 샘플은 원본 데이터에 최소한의 노이즈를 추가하여 사람이 보기에는 이상이 없지만 딥뉴럴네트워크가 잘못 인식 하게 하는 샘플을 의미한다. 이러한 적대적 샘플은 딥뉴럴네트워크를 활용하는 자율주행차량이나 의료사업에서 차량 표지판 오인식이나 환자 진단의 오인식을 일으키면 큰 사고가 일어나기 때문에 적대적 샘플 공격에 대한 방어연구가 요구된다. 본 논문에서는 여러 가지 파라미터를 조절하여 적대적 샘플에 대한 앙상블 방어방법을 실험적으로 분석하였다. 적대적 샘플의 생성방법으로 fast gradient sign method, DeepFool method, Carlini & Wanger method을 이용하여 앙상블 방어방법의 성능을 분석하였다. 실험 데이터로 MNIST 데이터셋을 사용하였으며, 머신러닝 라이브러리로는 텐서플로우를 사용하였다. 실험방법의 각 파라미터들로 3가지 적대적 샘플 공격방법, 적정기준선, 모델 수, 랜덤노이즈에 따른 성능을 분석하였다. 실험결과로 앙상블 방어방법은 모델수가 7이고 적정기준선이 1일 때, 적대적 샘플에 대한 탐지 성공률 98.3%이고 원본샘플의 99.2% 정확도를 유지하는 성능을 보였다.