• Korean Chemical Engineering Research
• /
• 제53권2호
• /
• pp.236-242
• /
• 2015

고분자전해질 연료전지 스택의 성능 및 주요 운전 변수를 예측하기 위해 부분최소자승법과 인공신경망의 두 가지 데이터 기반 모델링 기법을 제시한다. 30 kW급 고분자전해질 연료전지 스택 실험으로부터 확보한 데이터를 사용하여 부분최소자승 및 인공신경망 모델들을 구성한 후 각 모델의 예측 성능 및 계산 시간을 비교하였다. 모델의 복잡성을 줄이기 위해 부분최소자승법에 기초한 VIP(Variable Importance on PLS Projections) 선정기준을 모델링 절차에 포함하여, 초기 입력변수의 집합으로부터 모델링에 필요한 입력변수들을 선정하였다. 모델링 결과, 인공신경망이 스택의 평균 셀전압과 캐소드(cathode) 출구 온도를 예측하는데 있어서, 부분최소자승법 보다 우수한 성능을 보였다. 그러나 부분최소자승법 또한 입력변수와 출력변수 간에 선형적 상관관계만을 모델링 할 수 있음에도 불구하고 비교적 만족할 만한 예측 성능을 나타냈다. 모델의 정확도와 계산속도의 요구조건에 따라 두 모델링 기법은 고분자전해질 연료전지의 설계 및 운전 분야의 성능 예측, 온라인 및 오프라인 최적화, 제어 및 이상 진단을 위해 적용될 수 있을 것으로 판단된다.

• 콘크리트학회논문집
• /
• 제20권4호
• /
• pp.513-522
• /
• 2008

섬유복합재료의 우수한 인장 성능은 섬유가 매트릭스의 균열 면에서 가교작용을 함으로써 발현되기 때문에 섬유의 분포 특성이 복합재료의 성능에 결정적인 영향을 미치게 된다. 그러나 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 경우 PVA 섬유와 매트릭스 사이의 낮은 명암비와 PVA의 비전도성 특징으로 인하여 섬유의 위치 및 분포특성을 정량적으로 평가히는 방법은 연구가 미흡한 실정이다. 이 연구에서는 PVA 섬유를 보강 섬유로 사용하는 섬유복합재료의 섬유 분포 특성 등을 평가할 때 가장 중요한 과정인 섬유의 검출에 대하여 검출 성능을 향상 시킬 수 있는 알고리즘을 제시하였다. 제안한 알고리즘은 형광 현미경을 사용하여 얻은 섬유 이미지를 유형별로 분류하고, 분류된 분류된 섬유 이미지의 특성에 따라 분수령 알고리즘 (watershed algorithm)과 형태학적 재구성 (morphological reconstruction)을 이용하여 보다 정확히 섬유를 검출하는 과정으로 구성된다. 이 과정에서 섬유 이미지를 총 5가지 유형으로 분류하였으며, 인공신경회로망(ANN)을 분류기로 활용하기 위하여 형상 특성을 나타내는 5가지 특징값 즉, $F_s$, $F_c$, $F_p$, $F_l$과 $F_{rl}$을 추출하였다. 추출된 특징값에 대한 데이터베이스를 구축하여 ANN을 학습하여 분류기를 구축함으로써 섬유의 유형을 자동으로 분류할 수 있도록 하였다. 또한 5가지 섬유 이미지 유형 중에서 잘못 검출된 섬유이미지를 분수령 알고리즘과 형태학적 재구성을 통하여 섬유를 정확히 검출할 수 있는 기법을 제안하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2020년도 학술발표회
• /
• pp.39-39
• /
• 2020

Low-flow 하천에서의 최저수위를 나타내는 지표이다. 일반적으로 유황곡선의 갈수량(Q355)를 대표적으로 사용한다. Low-flow는 물 공급 관리 및 계획, 관개용수, 생태계등 다양한 분야에 영향을 미친다. 이러한 Low-flow를 산정하기 위해서는 충분한 기간의 유량자료가 필요하다. 하지만 국토의 70%가 산지지형으로 구성되어 있는 우리나라의 경우 국가하천과 1급하천을 제외한 산지유역은 수위관측소가 부재하거나 결측으로 인해 자료가 충분하지 않아 Low-flow분석에 한계가 있다. 이에 과거에는 미계측지역의 갈수량을 예측하기 위해서 다중회귀분석, ARIMA 모형 등 다양한 기법을 사용하였지만, 최근들어 머신러닝 모형의 수요가 증가하고 있다. 이에 본 연구에서는 새로운 패러다임에 맞는 머신러닝 기법인 DNN기법을 사용하고자 한다. DNN기법은 ANN기법의 단점인 학습과정에서 최적 매개변수값을 찾기 어렵고, 학습시간이 느린 단점을 보완한 방법이다. 따라서 본연구에서는 머신러닝 기법인 DNN기법을 통해 미계측지역에 적용 가능한 지역화 Low-flow indices를 산정하고자 한다. 먼저, Low-flow에 영향을 미치는 인자들을 수집하고 인자들간의 상관분석, 다중공선성 분석을 통해 통계적으로 유의한 변수를 선정하여, 머신러닝 모형에 입력자료를 구축하였다. 또한 기존의 갈수량 예측기법인 다중회귀분석 결과와 비교하여 머신러닝 기법의 효용성을 검토하였다.

• 비파괴검사학회지
• /
• 제29권5호
• /
• pp.466-472
• /
• 2009

고온, 고압의 원자력 배관 누설 판별을 위해 음향방출기법(AE)을 이용한 누설감지 시스템인 ALMS 기법이 적용되고 있다. 이 시스템은 단지 AE 센서로 전해진 신호의 RMS값을 이용하여 누설의 유무만을 판단할 뿐, 누설 발생시 누설부의 크기나 형태를 평가하는 것에는 어려움이 있었다. 따라서 본 논문에서는 이러한 문제를 해결하기 위하여 AE센서와 가속도센서를 동시에 이용한 이중 센서 시스템을 제안하였다. 빠른 학습 속도와 정확성을 위해 Levenberg-Marquardt 학습 알고리즘을 이용한 인공신경회로망을 적용시키고, 이를 통해 신뢰성 있는 분석 결과를 얻을 수 있다. 배관내 압력과 누설부의 크기와 모양에 따른 실험신호들을 학습시키고 그 판별 정확성을 확인하였다. 추가적으로 배관 두께에 따라 발생하는 파(wave)의 종류와 특성이 달라지는 것을 이론과 실험을 통하여 알아보았다.

• 조명전기설비학회논문지
• /
• 제23권1호
• /
• pp.116-124
• /
• 2009

본 논문은 이산웨이블렛 변환, 푸리에 변환 및 실효값의 연산 결과를 이용하여 전력품질을 진단하는 인공지능형 진단기법을 제안한다. 제안된 진단기법을 채택한 인공지능형 전력품질 진단기는 과도현상, 순간전압강하, 순간전압상승, 순간정전 및 전고조파 외형률의 진단 및 분류가 가능하다. 신호처리를 위한 데이터 샘플링주파수는 15.36[kHz]가 사용되었으며 샘플링된 이산데이터는 이산웨이블렛변환, 고속푸리에변환, 실효값의 연산에 사용되어진다. 효율적인 인공지능형 전력품질 진단을 위해서, 진단하고자 하는 전력품질 요소에 맞추어 간단한 다층구조의 인공신경망을 설계하였다. 제안된 인공신경망은 C++ 언어로 프로그램되어 PSIM 시뮬레이션 연구에 사용되었으며, TI DSP 320C6713 마이크로프로세서를 사용한 MP PQ+256 하드웨어에서 검증하였다.

• 한국식품과학회지
• /
• 제28권5호
• /
• pp.916-921
• /
• 1996

감자칩의 생산 공정에서 속슬렛 추출법에 의한 지방 함량의 측정은 측정 시간이 길어서 공정 제어에 이용하기에 적절하지 못하기 때문에, 근적외선 분광 분석법에 의한 감자칩의 지방 함량의 신속한 측정에 대한 연구를 수행하였다. 분쇄된 시료와 분쇄되지 않은 시료에 대한 스펙트럼과 지방 함량과의 상관 관계를 각각 분석하였고, 분석된 상관 관계를 토대로 하여 예측 모형을 개발하였으며, 개발된 예측 모형에 대해 검증하였다. 예측 모형의 개발에는 회귀 분석과 신경회로망 기법을 이용하였다. 분쇄된 시료에 대한 지방 함량의 예측 모형은 회귀모형과 신경 회로망 기법에 의해서, 결정 계수가 각각 093, 0.92, SEP는 각각 1.29%, 1.17%였다. 이와 같은 결과에 의해서, 근적외 분광 분석법에 의한 분쇄된 감자칩의 지방 함량의 예측 모형 개발이 가능하다고 판단되었다. 또한 SEP를 비교할 때, 회귀 모형보다는 신경 회로망 기법에 의한 예측 모형이 더 우수한 것으로 나타났다. 분쇄되지 않은 시료에 대한 흡광도와 지방 함량과의 상관 관계 분석 결과, 근적외 분광 분석법에 의한 지방 함량의 예측 모형의 개발은 적절하지 못하다고 판단되었다.

• 융합신호처리학회논문지
• /
• 제20권2호
• /
• pp.78-83
• /
• 2019

소리 기반 기계 고장 진단은 기계의 음향 방출 신호에서 비정상적인 소리를 자동으로 감지하는 것이다. 수학적 모델을 사용하는 기존의 방법은 기계 시스템의 복잡성과 잡음과 같은 비선형 요인이 존재하기 때문에 기계 고장 진단이 어려웠다. 따라서 기계 고장 진단의 문제를 패턴 인식 문제로 해결하고자 한다. 본 논문에서 DWT와 인공신경망 기반 패턴 인식 기법을 이용한 자동화 기계 고장 진단 기법을 제안한다. 기계의 결함을 효과적으로 탐지하기 위해 DWT를 이용해 대역별 분해 후 최상위 고주파 부대역과 최하위 저주파 부대역을 제외한 나머지 부대역의 PSD를 구하여 인공신경망 기반 분류기의 입력으로 사용한다. 그 결과 본 연구에서 제안한 방법은 효과적으로 결함을 탐지할 뿐만 아니라 소리 기반의 다양한 자동 진단 시스템에도 효과적으로 활용될 수 있음을 보여준다.

• 대한기계학회논문집A
• /
• 제38권2호
• /
• pp.205-210
• /
• 2014

기계시스템의 결함을 진단하기 위한 방법으로 패턴인식 기법이 널리 사용되고 있다. 진동신호의 변화를 감지하여 기계시스템의 건전성을 판단하는 방법이 패턴인식 기법이다. 대표적 패턴 인식기법으로 최근 은닉 마르코프 모델과 인공신경망이 여러 분야에서 사용되고 있다. 본 연구에서는 결함진단에 은닉 마르코프 모델과 인공신경망을 혼합한 방법이 제시되었으며 결함진단 대상 구조물로는 크랙을 가진 회전하는 풍력터빈 블레이드가 선정되었다. 본 연구에서는 크랙발생 여부뿐만 아니라 그 위치 및 크기도 동시에 진단하고자 하였다. 아울러서 본 연구에서는 일정 주파수들을 갖는 모멘트를 대상 구조물에 가함으로써 외부 잡음에도 불구하고 높은 결함진단 확률을 가질 수 있도록 하였다.

• 한국지반공학회논문집
• /
• 제30권5호
• /
• pp.47-54
• /
• 2014

전단파 속도는 내진설계시 중요한 설계인자이나 지반조사의 목적으로는 흔히 경제적, 시간적 제약 등으로 시험을 통한 측정이 널리 이루어지지 않고 있다. 본 연구에서는 인공신경망 기법을 이용하여 가장 일반적인 현장 지반조사시험인 표준관입시험 결과를 바탕으로 사질토 지반에서의 전단파 속도를 예측하는 연구를 수행하였다. 650개 데이터 세트를 이용해 표준관입시험 저항치 $N_{60}$, 함수비, 세립분함량, 비중을 입력변수로 하여 전단파속도를 추정하는 인공신경망 모델을 구축하고 입력변수별 전단파속도에 미치는 영향을 민감도 해석을 통해 조사하였다. 그리고, 기존의 국내 외 7개의 표준관입시험을 이용한 전단파속도 예측 경험식들과 인공신경망에 의한 결과를 비교하였다. 민감도 분석결과 표준관입시험 저항치의 영향이 월등히 큰 것으로 나타났으며, 모델효율계수와 평균제곱근오차를 사용하여 기존의 경험식들과 인공신경망 모델의 예측 능력을 비교한 결과 인공신경망 모델의 예측 결과가 가장 좋은 것으로 나타났다.

• 한국터널지하공간학회 논문집
• /
• 제4권4호
• /
• pp.277-286
• /
• 2002

터널을 설계함에 있어서 굴착방법이나 지보패턴을 결정할 때 어려움을 겪는 주된 요인은 현지 지반에 작용하는 응력조건 및 암반상태를 정확히 파악하는데 한계가 있기 때문이다. 현장 장비의 제약, 터널을 굴착 위치까지 접근성이 난이함 등의 기술적인 제약뿐만 아니라 최근에는 민원이나 각종 인허가 등으로 더욱 많은 제약요건이 존재한다. 그럼에도 불구하고 최근들어 대안설계나 턴키설계를 통하여 직접적인 시추에 의존하지 않더라도 미지의 산악터널구간에 대한 지반정보를 획득할 수 있는 고급화된 물리탐사기술이 눈부시게 발전하는 추세이며 이를 통하여 터널굴착구간의 암반에 대한 직 간접적인 지반정보를 입수할 수 있다. 인공신경망 (ANN)의 장점은 이러한 적은 양의 지반정보와 생물학적인 로직화 과정을 통하여 입력변수에 대한 보다 신뢰성있는 결과를 제공하여 준다는 것이다. 본 연구에서는 미지의 터널굴착구간에 대한 예비 지반정보를 입력항목으로 하여 인공신경망의 오류역전파 학습알고리즘기법에 의하여 학습된 패턴을 가지고 미지의 터널굴착구간에 대한 예비 암반분류 (RMR)를 수행하는데 그 목적을 두었다. 이를 위하여 연장 4km에 달하는 ${\triangle}{\triangle}$터널현장에 대한 인공신경망 모형적용시 입력자료에 대한 적정성을 사전 평가하였고, 그 이후에 물리탐사자료를 입력변수로 활용하여 미지의 터널구간에 대한 RMR을 예측하였다. 그 결과 자료의 일치성이나 예측 RMR에 대한 신뢰도가 높은 것으로 나타났으며, 향후에는 학습효과를 높이기 위한 입력변수의 민감도 분석 (sensitivity analysis)수행 및 모델과정에서 노출된 몇가지 문제점 보완등을 통하여 설계에 적극적으로 활용하고자 한다.