• 한국정보통신학회논문지
• /
• 제10권3호
• /
• pp.459-466
• /
• 2006

열성능 평가를 위한 수치해석에서는 온도, 압력, 건도, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 이러한 성질들을 포함하고 있는 증기표를 그대로 사용할 수 없기 때문에, 효과적으로 모델링하여야 한다. 이러한 관점에서 함수근사 특성을 가진 신경회로망을 하나의 대안으로 검토하였다. 신경 회로망은 포화증기 영역과 과열증기 영역에 대해서 따로 구성하였다. 포화증기 영역에 대해서는 하나의 입력으로 7개의 출력을 얻을 수 있도록 하였으며, 각각 10개와 20개의 노드를 가진 은닉층을 구성 하였다. 과열증기 영역에 대해서는 2개의 입력으로 3개의 출력을 얻을 수 있도록 하였으며, 각각 15개와 25개의 노드를 가진 은닉층을 구성하였다. 제안된 모델은 온도, 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}0.005%$, 압력이나 비체적의 백분율오차도 대부분 ${\pm}0.025%$ 범위 내로 수렴시킬 수 있었다. 이 성공적인 결과로부터 증기 표를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제10권11호
• /
• pp.2008-2013
• /
• 2006

열장치의 열성능 평가를 위한 수치 해석에서는 온도, 압력, 체적, 엔탈피, 엔트로피 등의 열 역학적 성질들의 수치 값이 필요하다. 그러나 열역학적 성질들 사이의 관계를 나타내는 증기표는 그대로 이용할 수는 없기 때문에 모델링하여 사용하여야 한다. 본 연구에서는 스플라인 보간법과 비교함으로써, 습포화증기의 모델링에 신경회로망의 적용 가능성을 검토하였다. 다층신경 회로망을 구성하기 위하여 입력층으로 온도에 대한 1개의 노드, 두 개의 은닉층은 각각 10개와 20개의 노드, 출력층은 포화액과 건포화증기에 대한 비체적, 엔탈피, 엔트로피 등의 6개의 노드로 구성하였으며, 스플라인 보간법은 2차 다항식과 3차 다항식을 사용하였다. 소구간으로 구성 된 스플라인 보간법과 비교하여 신경회로망 모델링은 비슷한 백분율 오차를 보여주었으며, 이 결과로부터 넓은 온도 범위의 증기표 모델링에 신경회로망이 아주 강력한 방법임을 확인하였다.

• 한국정보통신학회논문지
• /
• 제15권2호
• /
• pp.413-418
• /
• 2011

증기표의 상태량들은 실험을 통하여 얻어진 값이거나 적절한 가정하에서 근사적으로 계산된 값이다. 따라서 증기표의 상태량들은 기본적으로 오차를 가지고 있다. 또한 이러한 상태량을 수치해석에서 사용하기 위하여는 함수 근사를 통하여 모델링하여야 한다. 본 연구에서는 포화증기표에 대해 난수를 적절한 크기로 조절한 다음 원래의 성질들에 더하여 인위적으로 노이즈가 포함된 데이터를 만들어 측정오차를 포함하는 상태량의 대용으로 사용했다. 이 데이터의 모델링에는 신경회로망과 2차 스플라인 보간법을 사용되었다. 해석 결과 양단에서는 스플라인 보간법이 신경회로망보다 훨씬 더 적은 상대오차를 보였으며, 양단을 제외하면 신경회로망은 대체로 ${\pm}0.2%$, 스플라인 보간법은 ${\pm}0.5$~1.5%의 오차를 보였다. 이것은 사용 범위에서는 신경회로망이 스플라인 보간법보다 훨씬 더 적은 상대오차를 가진다는 것을 의미한다. 이 결과로부터 신경회로망이 스플라인 보간법보다 원래의 값은 더 잘 추적할 수 있으며, 신경회로망이 포화증기표의 모델링에 더 적절한 방법이라는 사실을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 춘계종합학술대회 A
• /
• pp.205-208
• /
• 2008

수치해석에서는 온도, 압력, 비체적, 엔탈피, 엔트로피 등의 수치값이 필요하다. 그런데 증기표의 대부분의 열역학적 성질들은 측정된 값이기 때문에 기본적으로 측정 오차를 가지고 있다. 본 연구에서는 압력 기준의 물의 포화 상태에 대해, 난수를 발생시켜 적절한 크기로 조절한 다음 원래의 성질들에 더하여 인위적으로 노이즈가 포함된 데이터를 만들었다. 이 데이터를 신경회로망과 스플라인 보간법으로 함수 근사를 하였다. 해석 결과 신경회로망이 2차 스플라인 보간법보다 훨씬 더 적은 백분율 오차를 보였으며 이로부터 신경회로망이 측정 오차의 영향을 적게 받는 함수 근사에 적절한 방법임을 확인하였다.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 2003년도 춘계학술발표대회 요약집
• /
• pp.128.1-128.1
• /
• 2003

• 한국에너지공학회:학술대회논문집
• /
• 한국에너지공학회 1999년도 추계 학술발표회 논문집
• /
• pp.165-170
• /
• 1999

기계적 증기재압축(Mechanical Vapor Recompression) 시스템은 증기를 압축하여 압력을 올리면 온도가 상승하는 원리를 이용한 것으로서 시스템의 최종 증발관에서 발생한 저온의 증발증기를 전량 증기압축기로 압축ㆍ승온하여 자신의 최초 증발관의 가열 열원으로 재사용 하는 방식이다. 따라서 이 사이클에 필요한 보충열원은 가열측과 증발측과의 온도상승분 만큼만 증기의 포화온도를 올리면 되므로 에너지절약 효과가 매우 크다.(중략)

• 한국기계기술학회지
• /
• 제20권6호
• /
• pp.872-878
• /
• 2018

Steam tables including superheated, saturated and compressed region were simultaneously modeled using the neural networks. Pressure and temperature were used as two inputs for superheated and compressed region. On the other hand Pressure and dryness fraction were two inputs for saturated region. The outputs were specific volume, specific enthalpy and specific entropy. The neural network model were compared with the linear interpolation model in terms of the percentage relative errors. The criterion of judgement was selected with the percentage relative error of 1%. In conclusion the neural networks showed better results than the interpolation method for all data of superheated and compressed region and specific volume of saturated region, but similar for specific enthalpy and entropy of saturated region.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2007년도 추계종합학술대회
• /
• pp.246-249
• /
• 2007

상변화 물질을 취급하는 수치해석에서는 온도, 압력, 체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값이 필요하다. 그러나 열역학적 성질들은 증기표나 선도 등의 형태로 주어지기 때문에 그대로 이용할 수는 없고 모델링하여 사용하여야 한다. 본 연구에서는 2차 스플라인 보간법과 비교함으로써, 과열증기의 모델링에 신경회로망의 적용 가능성을 검토하였다. 신경회로망은 온도와 압력, 2개의 입력에 대하여 비체적, 엔탈피 및 엔트로피, 3개의 출력을 얻을 수 있도록 입력층, 은닉층 및 출력층으로 구성되었다. 스플라인 보간법은 2차 다항식을 사용하였으며, 주어진 압력에 대한 소구간의 온도에 적용하였다. 신경회로망 모델링은 많은 출력 범위에서 2차 스플라인 보간법보다 우수한 백분율 오차를 보였으며, 이 결과로부터 과열증기 모델링에 신경회로망이 아주 강력한 방법임을 확인하였다.

• 한국정보통신학회논문지
• /
• 제12권4호
• /
• pp.685-690
• /
• 2008

수치해석적으로 열교환기의 열성능 평가를 하기 위하여는 온도, 압력, 비체적, 엔탈피, 엔트로피 등의 열역학적 성질들의 수치값을 필요로 한다. 그러나 열역학적 성질들 사이의 관계를 나타내는 증기표나 선도를 수치 해석에 직접적으로 이용할 수는 없기 때문에 모델링하여야 한다. 본 연구에서는 2차 스플라인 보간법과 비교함으로써, 물의 과열증기 모델링에 신경회로망의 적용 가능성을 검토하였다. 신경회로망은 온도와 압력 2개의 노드로 구성된 입력층, 각각 15개와 25개의 노드로 구성된 2개의 은닉층, 비체적, 엔탈피, 엔트로피 등 3개의 노드로 구성된 출력층으로 이루어 진다. 스플라인 보간법에는 2차 다항식을 사용하였다. 소구간으로 구성된 스플라인 보간법과 비교하여 신경회로망은 훨씬 더 많은 데이터에 대하여 작은 백분율 오차를 보여 주었으며, 이 결과로부터 신경회로망이 과열증기의 열역학적 성질들을 모델링하는데 아주 강력한 방법이 될 수 있음을 확인하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2005년도 추계종합학술대회
• /
• pp.677-680
• /
• 2005

유체의 상변화를 이용하는 냉난방장치 등의 열장치에 대한 열역학적인 성능평가는 열역학적 성질들에 대한 구체적인 수치값을 필요로 한다. 그러나 이러한 열역학적 성질들을 제공하는 증기표를 그대로는 사용할 수 없기 때문에 효과적인 모델링이 필요하다. 본 연구에서는 신경회로망의 함수근사 특성을 이용하여 냉방장치의 매질로 사용되는 냉매(R12)의 포화증기 영역을 모델링하였다. 냉매 R12의 포화증기 영역의 함수근사 해석을 위하여 1개의 노드를 가진 입력층에 대하여 7개의 노드를 가진 출력층을 기본으로 하여, 각각 10개와 20개의 노드를 가진 두 개의 은닉층을 가진 회로망을 구성하였다. 또한 입력이 온도와 압력 두 가지의 경우에 대하여 검토하였다. 제안된 신경회로망을 사용한 결과 엔탈피, 엔트로피의 백분율오차가 대부분 ${\pm}$0.005%, 비체적은 ${\pm}$0.02%, 압력과 온도는 특별한 몇 개를 제외하고는 ${\pm}$0.02% 범위 내로 수렴되었다. 이 결과로부터 냉매를 함수근사하는데 있어서 신경회로망이 아주 강력한 수단이 될 수 있음을 확인하였다.