• Proceedings of the KIPE Conference
• /
• 2019.07a
• /
• pp.378-379
• /
• 2019

본 논문은 LCL 필터를 사용하는 3상 계통연계 인버터의 그리드 전류 오차를 개선하고 고조파 왜곡 현상을 억제하기 위해 다중 공진제어 기법을 슬라이딩 평면에 적용한 슬라이딩 제어기(SMC)를 제시한다. 일반적으로 시스템 파라미터가 변경되거나 계통에 외란이 발생할 경우 슬라이딩 평면이 표류하는 현상이 나타나며 이러한 표류 현상은 시스템 정상상태 오차와 시스템에 고조파 왜곡 현상을 일으키고 계통연계 인버터의 전류 품질에 심각한 영향을 미치게 된다. 이러한 현상을 해결하기 위해 적분 함수가 추가된 SMC가 제안되었으나 해당 제어기는 효과적으로 정상상태 오차를 제거하는 반면 슬라이딩 평면의 표류현상을 충분히 줄여주지 못하는 한계를 가지고 있다. 이러한 정상상태 오차와 표류현상을 제거하기 위해 다중 공진제어 조건을 슬라이딩 평면 함수에 추가한 제어기를 제시한다.

• Journal of Practical Engineering Education
• /
• v.13 no.3
• /
• pp.559-566
• /
• 2021

The aggregate gradation analysis is a study that evaluates the accuracy of a specific purpose for the aggregate gradation analysis results essential for construction-related major education. This study is to evaluate the effect of aggregate moisture content on aggregate gradation analysis. The change in the moisture content of the aggregate stored in the asphalt plant cold bin and stock piles was monitored for one year, and based on the results, a sample of aggregate with different moisture content was produced. The gradation curve for each aggregate sample was analyzed to evaluate the effect of aggregate moisture content on aggregate gradation analysis. As a result of the gradation evaluation, it was confirmed that as the moisture content increased, the particle size error for particles less than 5 mm increased in the gradation analysis of the oven-dried aggregate, and this error increased as the particle size decreased. In addition, for aggregate particles of 5 mm or more, it was confirmed that the error in gradation analysis rapidly decreased due to the increase in the moisture content. An analysis was performed on the effect of the error in gradation analysis on the management of hot-bin aggregates in asphalt plants. As a result of the analysis, it was found that the minimum aggregate size of the first hot-bin in a general asphalt plant was 2.38 mm or more, so the maximum gradation error due to the non oven-dry aggregate was less than 2%. Therefore, it seems possible to use the results of the gradation analysis of cold bin non oven-dry aggregate for quality management of asphalt mixture production.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2006.05a
• /
• pp.1721-1725
• /
• 2006

유한요소법으로 공학적 문제를 해결할 때에는 적절한 모델링을 통하여 가장 빠르고 정확한 해를 얻도록 해야 한다. 유체 흐름의 기본 변수인 속도는 그 공간 도함수가 요소간에 불연속을 이루게 된다. 속도의 공간 도함수는 기본적으로 유체에서의 응력, 압력, 및 와도 등과 밀접한 관련이 있다. 또한 이러한 요소간의 속도의 공간 도함수에서 발생하는 불연속의 크기는 요소망이 세분화되어 감에 따라 감소하면서 정확한 해에 수렴하게 된다. 즉 속도의 공간 도함수를 대상으로 오차에 정도를 판단하는 것이 기존의 유한요소 모델의 타당성을 판단하는 기준으로 적합함을 알 수 있다.

• The Korean Journal of Applied Statistics
• /
• v.29 no.1
• /
• pp.267-277
• /
• 2016

This paper considers we consider the estimation of copula parameters based on residuals in stochastic regression models. We prove that a semiparametric estimator using residual empirical distributions is consistent under some conditions and apply the results to the copula-ARMA model. We provide simulation results for illustration.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.10 no.6
• /
• pp.575-583
• /
• 2000

본 논문에서 임의의 데이터가 입력되면 기준 영상 중에서 가장 유사도가 큰 영상을 찾아 국부 승리자로 선택하고, 그 국부 승리자 중에서 전체 승리자를 선택하여 최종 출력값을 얻는 계층적 FGNN(Fuzzy Genetic Neural Network)을 제안하고, 이에 하이브리드 퍼지 소속함수와 유전자 알고리즘을 적용하였다. 하이브리드 퍼지 소속함수는 입력 값을 0~1 사이의 값으로 함으로써 시스템의 속도를 빠르게 하고 유전자 알고리즘을 입력값을 일정한 오차 이내로 하여 최적의 영상을 얻도록 하였다. 위의 계층적 FGNN 알고리즘을 회로 설계 및 검증하였다. 또한 제안한 FGNN을 이용하여 영상에 포함된 잡음을 제거하고, 이와 유사한 구조를 가진 FDNN(Fuzzy Decision Neural Network) 성능보다 FGNN의 성능이 우수함을 여러 가지 영상을 통하여 확인하였다. 또한 모의 실험 결과 영상에 대한 평균자승오차(MSE : Mean Square Error)를 비교하였으며, 그 결과 하이브리드 퍼지 함수와 유전자 알고리즘을 적용한 FGNN이 메디안 필터, OC, CO, FDNN 등에 비해 우수함을 확인하였다. FGNN 알고리즘을 Top-Down 방식으로 VHDL(VHSIC Hardware description Language)을 이용하여 코딩(Coding)하고, Synopsys 툴을 이용하여 하드웨어를 설계하였다. 이 알고리즘의 하드웨어는 총 5개의 블록으로 가지고 있고 각각의 블록은 파이프라인 형태로 구성하고, 이는 Synopsys 툴을 이용하여 동작 및 성능을 검증하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2022.06a
• /
• pp.217-220
• /
• 2022

본 논문에서는 CCTV 영상 화질을 향상하고 해상도를 높이기 위해 딥 러닝(Deep Learning)을 이용하여 잡음 제거(Denoising) 와 초해상도(Super-resolution) 작업을 수행한다. 데이터 증강(Data Augmentation)을 통한 초해상도 성능 향상을 위해서 잡음 제거 네트워크의 출력 영상을 초해상도 네트워크의 입력으로 사용하는 순차적 작업을 사용한다. 또한 딥 러닝을 이용한 영상처리에서 발생하는 평균 밝기 오차 문제를 해결하기 위한 손실함수(Loss Function)와 두 가지 이상의 순차적인 딥 러닝 작업에서 발생하는 문제점을 극복하기 위한 손실함수를 제안한다. 제안하는 손실함수는 네트워크의 출력 영상과 타겟 영상의 밝기 오차를 줄이는 것이 가능하고, 순차적 작업에서 보다 정확한 모델 성능 판단이 가능하다.

• Communications for Statistical Applications and Methods
• /
• v.5 no.3
• /
• pp.685-694
• /
• 1998

임상실험이나 신뢰성공학 분야에서 임의 중단자료를 이용한 비모수적 신뢰도 추정량으로 Kaplan-Meier 추정량과 Nelson형 추정량이 많이 사용되고 있다. 그러나 Nelson형 추정량은 평균제곱오차의 관점에서 Kaplan-Meier 추정량보다 추정능력이 우수한 반면 편의는 신뢰도가 감소함에 따라 양의 방향으로 점증하는 소표본 특성을 갖는다. Nelson형 추정량의 이러한 특성 때문에 신뢰도의 함수로 표현되는 잔여수명 분위수함수 등의 추정시에는 평균제곱오차의 관점에서 Kaplan-Meier 추정량보다 추정능력이 떨어짐을 볼 수 있다. 이러한 점을 고려하여 이 두 추정량을 가중평균으로 통합한 새로운 비모수적 신뢰도 추정량을 제안하고 추정량의 특성을 비교 분석하였다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• spring
• /
• pp.117-120
• /
• 1999

본 논문은 희소어레이의 패턴을 원하는 패턴과 실제 희소어레이의 패턴간의 오차의 계수적 자승치를 최소화하여 최적화하는 방법을 제시한다 센서의 간격이 어레이 중심에 관하여 대칭인 경우와 비대칭인 경우에 대하여 성능을 점검하며, 어레이 공간의 주어진 영역의 오차함수에 성능 향상을 위하여 계수를 적용한다. 주빔 부근의 측면롭의 효과적인 제어를 위하여 지수 함수적인 계수를 제안하였으며 그 결과 측면롭의 수준이 전체적으로 균등하게 분포되는 패턴을 얻을 수 있었다. 이 결과는 입력잡음신호가 어레이 공간상에 균등하게 입사될 때 효과적으로 사용될 수 있다.

• Proceedings of the Acoustical Society of Korea Conference
• /
• 1996.06a
• /
• pp.29-32
• /
• 1996

본 논문에서는 시변 주파수를 추정하기 위한 방법으로 기존의 시간 가중 칼만 추정기법에 변형된 Huber함수를 적용하여 충격성 잡음환경 하에서도 강인한 칼만추정기법을 제안하였다. 기존의 시간 가중 칼만 추정기법은 오차가 정규분포를 가진다고 가정된 상태에서는 적합한 파라메타 추정을 할 수 있지만 충격성 잡음이 존재하는 경우에는 수렴속도나 시변적응능력에서의 성능저하가 나타난다. 제안된 알고리듬은 영향함수 측면에서 충격성 잡음에 의해 생기는 오차의 크기를 제한함으로써 기포나 인위적인 충격성 잡음환경 하에서도 시변 주파수 추정을 할 수 있으며 알고리듬의 타당성은 모의실험을 통해 보였다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2010.05a
• /
• pp.1164-1168
• /
• 2010

수자원이 우리 생활의 전반적으로 중요한 역할을 차지하면서 댐의 효율적인 운영과 안정적인 용수공급에 대한 연구는 지속적으로 수행되어지고 있다. 1990년대 이후 비선형적인 특성을 잘 모의하는 장점을 가진 인공신경망(ANN)을 이용하여 유입량 예측에 대한 많은 연구가 수행되었다. 하지만 ANN 모형을 포함한 회귀모형은 월 강우 및 유입량의 예측에 대해 간편하게 사용을 할 수 있지만, 예측의 정확성에 한계를 가지고 있다. 본 연구에서는 ANN 모형과 회귀모형의 예측오차를 후처리 과정을 통하여 오차를 줄임으로써 예측모형의 성과를 향상시키는 방법을 제안하였다. 연구지역은 금강수계의 대청댐 유역으로, 1982년 9월부터 2005년 12월에 해당하는 유역 내 11개 지점의 강우관측소에서 관측한 월 강우와 댐 유입량을 수집하여 모형을 구축하였다. 강우량과 유입량 자료에 대해 자기상관함수와 교차상관함수를 이용하여 입력변수를 결정하였고, 정규화를 통한 전처리 과정을 거쳐 ANN 모형과 회귀모형을 이용한 예측모형을 구축하였으며, 예측성과의 향상을 위하여 군집 분석을 이용하여 오차를 재조정하였다. 이러한 오차 후처리 과정을 포함한 모형은 RMSE와 상관계수를 이용하여 비교 평가한 결과, 예측성과를 약 40% 정도 향상시켰다.