• 조명전기설비학회논문지
• /
• 제24권5호
• /
• pp.16-28
• /
• 2010

본 논문은 AIPI 및 ANN에 의한 SynRM 드라이브의 최대토크 제어를 제시한다. 본 논문은 인버터의 정격 전압과 전류의 한계 조건을 고려하여 전 속도영역에서 최대토크제어를 제시한다. 속도에 따라 각 제어모드에서 최대토크를 발생하기 위한 최적의 전류값을 계산하고. 계산된 최적전류를 이용하여 최대토크 제어를 수행한다. 제시된 최대토크 제어 알고리즘은 AIPI와 ANN 제어기와 함께 SynRM 드라이브에 적용하여 동작특성을 분석하고 그 타당성을 제시한다.

• 한국추진공학회지
• /
• 제11권1호
• /
• pp.43-50
• /
• 2007

본 논문에서는 고도 변화만을 고려한 탈설계 영역에서 항공기용 터보 축 엔진의 결함 진단을 위해 지지 벡터 장치(SVM)과 인공신경망(ANN)을 Hybrid로 사용한 분할 학습 알고리즘을 사용하였다. 지상 정지 상태에서보다 학습 데이터와 테스트 데이터 수가 크게 증가하지만, 분할 학습 알고리즘을 이용한 가스터빈 엔진의 결함 진단이 고도 변화를 고려한 탈설계 영역에서도 높은 결함 예측 정확성을 가짐을 확인하였다.

• 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.

• 한국통신학회논문지
• /
• 제35권11B호
• /
• pp.1607-1617
• /
• 2010

본 논문에서는 무선 메쉬 네트워크의 특성에 맞게 수정한 라우팅 프로토콜인 MA-CBRP를 제안한다. MA-CBRP는 애드 혹 네트워크의 여러 계층적 라우팅 프로토콜 중에서도 CBRP 프로토콜 구조를 기반으로 하는 프로토콜이다. MA-CBRP에서, 메쉬 라우터는 CBRP의 Hello 메시지와 유사한 ANN 메시지를 주기적으로 전송한다. ANN 메시지는 메쉬 네트워크 내의 모든 클라이언트가 자신의 캐시에 메쉬 라우터로의 경로를 저장하고 주기적으로 갱신하도록 하며, 오버헤드를 줄이기 위해 CBRP의 Hello 메시지와는 다르게 응답을 요구하지 않는다. 메쉬 클라이언트는 ANN 메시지를 수신한 후에 메쉬 라우터에서 자신까지의 경로가 바뀐 경우에만 메쉬 라우터에게 ANN으로 얻은 경로의 역순으로 JOIN 메시지를 보내어 경로정보를 메쉬 라우터에게 등록하여 경로 관리에 따른 부하를 줄이고 경로를 더 빠르게 찾을 수 있다. 결과적으로, 네트워크에 이동하는 클라이언트의 수에 상관없이 CBRP보다 평균적으로 7%정도 낮은 오버헤드를 보여주며, 경로를 찾는데 걸리는 시간은 거의 동일한 수준을 보여주었다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2018년도 추계학술대회
• /
• pp.129-130
• /
• 2018

리튬 이온 배터리가 전기 자동차 및 다양한 어플리케이션에 적용됨에 따라 배터리 관리 시스템(BMS)의 중요도가 높아지고 있다. 리튬 이온 배터리의 SOC(State of Charge) 및 단자전압 추정은 BMS에서 필수적이며 다양한 알고리즘을 통해 연구되고 있다. 본 논문에서는 비지도 학습 알고리즘인 뉴럴 네트워크의 학습을 위해 특성 파라미터(Characterstic Parmeter)를 선정하였으며, 특성 파라미터의 학습을 통해 리튬 이온배터리의 단자 전압 및 SOC를 추정하였다.

• 조명전기설비학회논문지
• /
• 제21권5호
• /
• pp.32-43
• /
• 2007

IPMSM은 하중에 비하여 고출력으로 인하여 전기자동차에 널리 보급되고 있다. 본 논문은 적응 학습 퍼지-신경회로망과 ANN을 이용한 IPMSM드라이브의 최대토크 제어를 제시한다. 이러한 제어 방법은 인버터의 정격전류 및 전압값의 범위를 고려한 전속도 영역에 적용 된다. 본 논문은 적응학습 퍼지-신경회로망을 이용하여 IPMSM의 속도제어와 ANN을 이용하여 속도를 추정을 제시한다. 신경회로망의 역전파 알고리즘은 전동기 속도의 실시간 추정을 제시하는데 사용된다. 제시된 제어 알고리즘은 적응학습 퍼지-신경회로망과 ANN 제어기를 IPMSM 드라이브에 적용된다. 최대토크에 의해 제어된 동작 특성은 세부적으로 실험한다. 또한 본 논문은 적응 학습 퍼지 신경회로망과 ANN의 효과를 결과 분석을 통해 제시한다.

• 터널과지하공간
• /
• 제24권4호
• /
• pp.282-288
• /
• 2014

스토핑 채광법은 현재 가장 보편적으로 이용되고 있는 지하 금속광 채광법 중 하나이다. 그러나 채광과정에서 발생하는 확정선외 혼입은 광산 전반의 생산성을 떨어뜨리며 때때로 폐광의 주요 원인을 제공하기도 하여 그 예측과 관리가 시급한 실정이다. 이를 위해 본 연구는 서 호주의 한 지하광산에서 조사한 자료를 바탕으로 인공 신경망(ANN)을 이용하여 보다 신뢰성 있는 확정선외 혼입 예측모델을 제시하였다. 또한, 연결가중 알고리즘(CWA)에 의한 요인분석을 통해 확정선외 혼입의 영향인자에 대한 기여도 분석을 실시하였다. 제안된 확정선 외 혼입 예측 ANN 모델의 학습과 시험 단계의 상관계수는 0.9641과 0.7933으로 강한 상관관계를 보였으며, CWA분석결과 발파공 길이(BHL)과 절리 방향 안전계수(SFJ)의 기여도가 18.78%와 17.99%로 다른 인자에 비해 비교적 중요한 영향인자 임을 확인할 수 있었다.

• 한국정밀공학회지
• /
• 제22권4호
• /
• pp.37-43
• /
• 2005

Real time monitoring of exit burr formation is critical in manufacturing automation. In this paper, acoustic emission (AE) was used to detect the burr formation during drilling. By using wavelet transform (WT), AE data were compressed without unnecessary details. Then the transformed data were used as selected features (inputs) of a back-propagation artificial neural net (ANN). In order to validate the in process AE monitoring system, both WT-based ANN and cutting condition (cutting speed, feed, drill diameter, etc.) based ANN outputs were compared with experimental data.

• 지능정보연구
• /
• 제10권1호
• /
• pp.109-123
• /
• 2004

기업부도예측은 재무와 경영의사결정문제에서의 주된 인공신경망 응용분야라 할 수 있다. 일반적으로 인공신경망은 이 분야에서 매우 좋은 성과를 보이는 것으로 알려져 있지만 종종 잡음이 심한 데이터에 대해서는 일관성 있고 예측가능한 성과를 보이지 못하는 경우가 있다. 특히 학습용 자료가 매우 많아서 학습시간과 자료수집비용이 과대한 경우에는 적절한 자료의 축소가 되지 않고는 인공신경망을 학습시키는 것이 불가능한 경우도 있다. 사례선택기법은 자료의 차원을 축약시켜 주며 직접적으로 자료를 축소시켜 주는 방법이다. 사례기반 학습기법에서는 이미 몇 연구가 사례선택기법의 필요성을 주장한 바 있으나 인공신경망 모형에서 사례선택기법의 필요성을 주장한 연구는 거의 없다. 본 연구에서는 기업부도예측을 위한 인공신경망 모형에서 유전자 알고리즘을 이용한 사례선택기법을 제안한다. 본 연구에서 유전자 알고리즘은 다층 인공신경망에서의 계층별 연결강도를 최적화하고, 동시에 학습에 적합한 사례를 선택한다. 유전자 알고리즘에 의해 결정된 계층별 연결강도는 역전파오류 학습기법에서 종종 발생하는 국부 최적해에 수렴하는 현상을 최소화해 줄 것으로 기대되고, 선택된 학습용 사례는 학습시간의 단축과 예측성과를 향상시켜 줄 것으로 기대된다. 본 연구에서는 제안한 모형과 주요 데이터 마이닝 기법들의 성과를 비교 연구한다. 실험결과, 제안된 방법이 인공신경망에서의 사례선택기법으로 유용한 것으로 나타났다.

• 환경영향평가
• /
• 제12권4호
• /
• pp.271-279
• /
• 2003

Temperature and humidity forecasting have been performed using artificial neural networks model(ANN). We composed ANN with multi-layer perceptron which is 2 input layers, 2 hidden layers and 1 output layer. Back propagation algorithm was used to train the ANN. 6 nodes and 12 nodes in the middle layers were appropriate to the temperature model for training. And 9 nodes and 6 nodes were also appropriate to the humidity model respectively. 90% of the all data was used learning set, and the extra 10% was used to model verification. In the case of temperature, average temperature before 15 minute and humidity at present constituted input layer, and temperature at present constituted out-layer and humidity model was vice versa. The sensitivity analysis revealed that previous value data contributed to forecasting target value than the other variable. Temperature was pseudo-linearly related to the previous 15 minute average value. We confirmed that ANN with multi-layer perceptron could support pollutant dispersion model by computing meterological data at real time.