• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2022.06a
• /
• pp.110-110
• /
• 2022

본 연구는 자율운항 선박의 원격 고장 진단 기법 개발의 일부로 수행되었다. 특히, 엔진 연료 계통 장비로부터 계측된 시계열 데이터로부터 상태 진단을 위한 알고리즘 구현 결과를 제시하였다. 엔진 연료 펌프와 청정기를 가진 육상 실험 장비로부터 진동 시계열 데이터 계측하였으며, 이상 감지, 고장 분류 및 고장 예측이 가능한 심층 학습(Deep Learning) 및 기계 학습(Machine Learning) 알고리즘을 구현하였다. 육상 실험 장비에 고장 유형 별로 인위적인 고장을 발생시켜 특징적인 진동 신호를 계측하여, 인공 지능 학습에 이용하였다. 계측된 신호 데이터는 선행 발생한 사건의 신호가 후행 사건에 영향을 미치는 특성을 가지고 있으므로, 시계열에 내포된 고장 상태는 시간 간의 선후 종속성을 반영할 수 있는 학습 알고리즘을 제시하였다. 고장 사건의 시간 종속성을 반영할 수 있도록 순환(Recurrent) 계열의 RNN(Recurrent Neural Networks), LSTM(Long Short-Term Memory models)의 모델과 합성곱 연산 (Convolution Neural Network)을 기반으로 하는 Conv1D 모델을 적용하여 예측 정확성을 비교하였다. 특히, 합성곱 계열의 RNN LSTM 모델이 고차원의 순차적 자연어 언어 처리에 장점을 보이는 모델임을 착안하여, 신호의 시간 종속성을 학습에 반영할 수 있는 합성곱 계열의 Conv1 알고리즘을 고장 예측에 사용하였다. 또한 기계 학습 모델의 효율성을 감안하여 XGBoost를 추가로 적용하여 고장 예측을 시도하였다. 최종적으로 연료 펌프와 청정기의 진동 신호로부터 Conv1D 모델과 XGBoost 모델의 고장 예측 성능 결과를 비교하였다

• Journal of Korean Society of Transportation
• /
• v.22 no.3 s.74
• /
• pp.127-135
• /
• 2004

교차로 안전성 진단과 관련된 기존의 연구는 교차로 상에서 발생한 사고 자료에 기초하여 교차로 기하구조 요소, 교통량 및 신호운영방법 등과 관련된 요인을 변수로 사용하여 교통사고건수 예측모형 개발에 관한 연구가 대부분이다. 그러나, 분석하고자 하는 대상 교차로의 사고건수 예측모형을 개발하기 위해 필요한 교통사고 자료의 경우 단 기일에 걸쳐 획득되지 않으며 몇 년간의 사고 자료를 요구할 수도 있다. 이러한 자료를 이용하더라도 사고 발생 기간동안 교차로 사고에 영향을 미치는 요인(교차로 운영방법, 기하구조 등)이 변화될 수도 있다는 문제점을 지닌다. 이와 같은 이유로 교차로 안전성을 진단하는데 있어 기존 교통사고 자료는 언제나 절대적인 자료가 될 수 없다. 이에 대한 보완책으로, 3일에서 5일정도의 조사 자료만으로도 안전성 진단이 가능한 상충자료를 이용하여 교차로 안전성 진단을 할 수 있다. 본 연구는 기존사고 자료를 이용하여 사고 발생에 기인하는 여러 변수들을 교통사고심각도와의 상관관계를 분석하고, 상관관계가 높은 변수를 이용하여 신경망 사고심각도 예측모형을 개발하였으며, 모형 검증을 위해 다중회귀사고심각도 예측모형을 개발하여 비교 평가한 결과 신경망 사고심각도 예측모형의 예측력이 우수한 것으로 나타났다. 현장에서 조사된 상충자료를 신경망 사고심각도 예측모형에 적용하여 상충이 사고로 연결 될 경우 사고심각도를 예측하였으며, 예측된 사고심각도에 가중치를 부여하여 대상 교차로 위험우선순위를 결정한 결과 사고비용에 기초한 위험우선순위 결정법과 같은 순위의 결과를 도출하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.11a
• /
• pp.205-209
• /
• 2007

생산 현장에서 기기의 운영과 관리는 제품의 품질 및 기업의 수익성과 직결된다. 그러나 정상적인 작동을 하고 있는 시스템에서 고장의 시점과 고장의 종류를 예측하기 곤란하며 따라서 잔여 가동 시간이 얼마인지도 예측하기 힘들다. 본 논문에서는 산업용 기계, 공정과 의료기기 등 신뢰성이 요구되는 Brushless DC 모터의 상태 변화의 추이를 관찰하여 진단의 특징점으로 사용한다. 본 논문에서 제안한 상태천이 모텔은 고장의 시점과 고장의 종류를 예측할 수 있으며 유지보수의사결정에 도움을 줄 수 있다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.18 no.4
• /
• pp.80-95
• /
• 2019

Recently, with the development of sensor and communication technology, researchers at home and abroad have actively conducted research on methodologies for determining maintenance through diagnosis and prediction techniques by collecting information on the status of equipment or systems. Based on the status of vehicle parts at this point in time, this study presented a system framework for making maintenance decisions by predicting the change in vehicle part status to a future date based on the current state of vehicle parts. In addition, condition diagnosis and predictive data adjustment was configured through tracking the status of vehicle parts before and after maintenance activities. We hope that the application of the results of this study will contribute a little to the safety of citizens using public buses and to the activation of the condition-based maintenance system of vehicles.

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.37 no.8
• /
• pp.1021-1027
• /
• 2013

In this study, a prognostic technique for cavitation erosion that is applicable to centrifugal pumps is devised. To estimate the erosion states of pumps, damage rates are calculated based on cavitation noise measurements. The accumulated damage is predicted by using Miner's rule and the estimated damage undergone when coping with particular operating conditions. The remaining useful life (RUL) of the pump impellers is estimated according to the accumulated damage prediction and based on the assumption of future operating conditions. A Monte Carlo simulation is applied to obtain a prognostic uncertainty. The comparison of the prediction and the test results demonstrates that the developed method can be applied to predict cavitation erosion states and RUL estimates.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.225-226
• /
• 2015

뎅기 바이러스는 전 세계적으로 빠르게 확산되고 있는 모기 매개 바이러스이다. 현재까지 4가지의 혈청형이 알려져 있는 뎅기 바이러스는 뎅기열, 뎅기 출혈열과 뎅기 쇼크증후군 등을 유발한다. 현재 뎅기 바이러스가 전 세계적으로 확산되고 있음에도 불구하고 확실한 치료제나 백신이 없기 때문에 초기 진단이 매우 중요하다. 아열대기후로 진입하는 우리나라에서도 흰줄숲모기가 자주 발견되기 때문에 이 질병으로부터 결코 자유롭지가 않다. 바이러스 감염을 진단하기 위한 진단키트를 개발하기 위해서는 타깃 유전자 부위 선정이 매우 중요하기 때문에 본 연구에서는 먼저 생명정보학을 기반으로 뎅기 바이러스만을 특이적으로 검출할 수 있는 항월결정부위를 예측하고 진단키트에 적용하고자 하였다. 4가지 유형의 뎅기 바이러스 유전자들을 찾고, ProtScale Tool 프로그램으로 친수성(hydrophilicity), 접근성(acc -essibility), 유연성(flexibility), 회전(${\beta}-turns$) 등의 특성을 분석하여 항원결정부위를 선정하였다. 이 항원결정부위를 이용하여 단일클론항체를 제작하였으며 향후 진단키트로의 적용 가능성을 확인하였다.

• The Journal of Information Technology
• /
• v.2 no.2
• /
• pp.13-22
• /
• 1999

In this paper, we purpose automatic diagnosis in online, as the fundamental study to diagnose the partial discharge mechanism and to predict the lifetime by introduction a neural network. In the proposed method, we use AE(acoustic emission) sensing system and calculate a quantitative statistic parameter by pulse number and amplitude. Using statically parameters such as the center of gravity(G) and the gradient if the discharge distribute(C), we analyzed the early stage and the middle stage. the quantitative statistic parameters are learned by a neural network. The diagnosis of insulation degradation and a lifetime prediction by the early stage time are achieved. On the basis of revealed excellent diagnosis ability through the neural network learning for the patterns during degradation, it was proved that the neural network is appropriate for degradation diagnosis and lifetime prediction in partial discharge.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2007.05a
• /
• pp.291-295
• /
• 2007

강수진단모형을 이용하여 저수지 이수운영을 위한 실시간 유량예측기법을 개발하였다. 강수진단모형은 현재 기상청 현업에서 수행중인 강우수치예보를 기반으로 상세 지역의 지형 효과에 의한 강수를 예측하는 정량강수예측모형(QPM; Quantitative Precipitation Model)으로서 부경대학교 환경대기과학과에서 개발된 모형이다. QPM은 중규모 예측 모형으로부터 계산된 수평 바람, 고도, 기온, 강우 강도, 그리고 상대습도 등의 예측 자료를 이용하고, 소규모 상세지형 효과를 고려함으로써 중규모 예측 모형에서 생산된 강수량 예측 값을 상세 지역의 지형을 고려한 강수량 예측 값으로 재구성하여 결과적으로 3km 간격의 상세지역 강우산출과 지형에 따른 강수량의 분포 파악이 용이할 뿐만 아니라 계산 효율성을 개선된 모형이다. QPM 검증을 위하여 기상학적 평가와 수문학적 평가를 수행하였다. 호우 사례별 일강수량의 시공간 분포로 부터, QPM을 활용한 시스템에 의한 예측결과가 원시자료 RDAPS 보다 고해상도의 예측 및 지형효과의 반영도가 높았으며, AWS의 관측자료와 비교하여 보다 높은 예측성을 보여 주었다. 대상기간인 2006년 1월 1일부터 6월 20일까지 관측강우는 총 391.5mm 였으며 RQPM은 실적강우에 비하여 119.5mm 정도 과소산정하고 있으나 분위사상과정을 거치게 되면 351.7mm로서 실적강우에 불과 10.2% 못미치고 있다. 이는 고무적인 결과로 볼 수 있으며 현업에서의 활용성이 기대되는 수준이라 볼 수 있다. 강우-유출모의를 위한 QPM신뢰도를 높이기 위하여 분위사상법(Quantile Mapping)을 이용하여 QPM모의에 존재할 수 있는 계통오차에 대한 추가적인 보정을 수행하였다. 수문학적 평가를 위하여는 장기연속유출모형인 SSARR모형을 기반으로 개발된 RRFS(Rainfall-Runoff Forecast System)을 이용하여 2006년 1월${\sim}$9월까지의 용담댐 유입량에 대하여 모의예측결과와 관측유입량 비교를 통한 검증을 수행하였다. 위 기간중 예측유입량의 RMSE(Root Mean Squared Error), COE(Sutcliffe Coefficient of Efficiency), MAE(Mean Absolute Error), $R^2$값은 각각 7.50, 0.68, 2.59, 0.69 값을 보이고 있다. 본 연구에서는 QPM에 의한 예측성의 향상 및 구축된 시스템에 의한 일강수량의 장기예측 가능성을 확인하였고, 향후 시스템을 현업에 활용하기 위해서 생산된 예측자료의 보다 장기적인 검증을 통한 시스템의 안정화가 필요할 것으로 사료된다.

• Magazine of the Korea Institute for Structural Maintenance and Inspection
• /
• v.19 no.2
• /
• pp.28-31
• /
• 2015

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.13-18
• /
• 2004

최근 몇 년간 방사선 의학진단과 관련된 연구가 한층 높아진 가운데 유방암은 여성의 암 중에서 1위를 차지하고 조기에 진단하고 치료하기 위한 국가적인 노력이 필요한 시점이다. 이렇듯 여성들의 유방암 발생빈도수가 급증하면서 대두 되고 있는 것이 조기 진단방법인 Mammography와 초음파 진단이며 그로인하여 발생하는 오진률 역시 많은 연구가 진행 되고 있다. 먼저 Mammography 및 초음파 진단의 문제점 보면 첫째 촬영과정에서의 오차, 둘째 영상의 선명도 ,셋째 전문의의 판독에 대한오차, 넷째 의사의 경험으로 진단함으로 표준화가 존재하지 않는다는 공통적인 문제점을 가지고 있다. 본 연구에서는 CAD 시스템의 프레임웍 및 요소 기술을 제시하여 의사의 진단을 보조적 수행이 보다 수월하도록 하고자 한다. 본 연구에서는 CAD시스템의 기능은 Detection기능(Image enhancement, Morphology, segment detection)과 Diagnosis기능( Neural Natwork등을 이용하여 증상을 판단)이다. 또한 과거 자료를 이용한 변이 및 변화를 예측함으로써 향후 있을 위험요소에 대비가 가능한 모듈과 전문의사가 대화형으로 빠르게 진단지식을 구축할 수 있는 지능형, 대화형 온라인 진단기능을 추가함으로써 외국의 CAD시스템과는 많은 차이가 있다고 볼 수 있다.