• 정보처리학회 논문지
• /
• 제13권3호
• /
• pp.130-139
• /
• 2024

제조 분야 설비 예지보전을 위해서 진동, 전류, 온도 등 물리 데이터를 기반으로 설비 이상을 탐지하는 인공지능 학습 모델이 활용되고 있다. 설비 결함, 고장 등 설비 이상 유형은 매우 다양하므로, 주로 오토인코더 기반 비지도 학습 모델을 이용한 이상 탐지 방법이 적용되고 있다. 설비 상태의 정상, 비정상 여부는 오토인코더의 재구성 오차를 이용해 효과적으로 분류할 수 있지만, 설비 이상의 구체적인 상태를 식별하는 데 한계가 있다. 설비 불균형, 정렬 불량, 고정 불량 등 설비 이상 상황 발생 시, 설비 진동 주파수는 특정 영역에서 정상 상태와 다른 패턴을 나타낸다. 본 논문에서는 전체 진동 주파수 범위를 N개 영역으로 나누어 이상 탐지를 수행하는 N 분할 이상 탐지 방법을 제시하였다. 압축기의 진동 데이터를 이용해 주파수와 강도를 달리한 9종의 이상 데이터를 대상으로 실험한 결과, N 분할을 적용하였을 때 더 높은 이상 탐지 성능을 나타냈다. 제안 방법은 설비 이상 탐지 이후, 설비 이상 구체화에 활용될 수 있다.

• 한국지능시스템학회논문지
• /
• 제22권3호
• /
• pp.328-333
• /
• 2012

현재 운영 중인 위성항법보정시스템(Differential GPS)은 기준국(Reference Station), 감시국(Integrity Monitor), 그리고 제어국(Control Station)으로 구성되어 있다. 기준국(RS)에서는 의사거리 보정정보(Pseudorange Correction)를 계산하고 RTCM 국제표준 메시지를 생성하여 사용자에게 방송한다. 감시국(IM)에서는 기준국으로부터 보정정보를 수신하여 보정정보가 허용치 이내인지를 검사한다. 그리고 제어국(CS)에서는 기준국과 감시국의 기능 및 성능 파라미터 제어, 상태 감시를 수행한다. DGPS 무결성 감시국의 핵심 기능은 보정정보의 검사와 기준국으로 피드백 메시지를 전송하는 것이다. 하지만 무결성 감시를 위한 현재의 알고리즘은 위성 이상이 발생할 경우 그 무결성 기능에 한계가 있다. 그러므로 본 논문에서는 해상 DGPS RSIM을 위한 위성 이상 검출 및 식별기법에 중점을 둔다. 먼저 현재 운영 중인 DGPS RSIM의 기능 분석을 토대로 DGPS RSIM을 위한 무결성 기능의 한계를 분석하고, 다음으로 위성시계 이상을 검출하고 이상위성을 식별하기 위한 기법을 제안한다. 위성이상 검출 및 식별 기법을 실제 위성시계 이상사례에 적용하여 그 실험 결과를 제시한다.

• 한국항해항만학회지
• /
• 제37권1호
• /
• pp.41-48
• /
• 2013

개선된 정확도 성능을 확보하기 위하여 보강 시스템을 이용한 많은 연구가 진행되고 있다. 네트워크 RTK는 다중 기준국의 반송파 측정치 보정정보를 이용하여 시공간 오차를 보강한 측위성능을 얻기 위한 기법으로 현재에도 꾸준히 연구되고 있다. 그러나 성능개선을 목적으로 한 알고리즘 개선안에 대한 연구는 지속적으로 연구되었지만, 무결성 확보를 위한 연구는 아직 미비하다. 본 논문에서는 네트워크 RTK에서의 무결성 확보를 위한 기초연구로 위성이상이 발생한 경우에 이상을 검출하고 이상 위성을 식별할 수 있는 알고리즘을 제안하였다. 그리고 GSS7700 모델의 상용 시뮬레이터를 사용하여 오차 시나리오가 인가된 위성 신호를 생성하고, DL-V3 모델의 이중주파수용 상용 수신기를 사용하여 수신한 데이터를 사용하여 제안한 알고리즘의 이상 검출 성능을 검증하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1301-1316
• /
• 2024

In modern warfare, missiles play a pivotal role but typically spend the majority of their lifecycle in long-term storage or standby mode, making it difficult to detect failures. Preemptive detection of missiles that will fail is crucial to preventing severe consequences, including safety hazards and mission failures. This study proposes a contamination-based stacking ensemble model, employing the local outlier factor (LOF), to detect such missiles. The proposed model creates multiple base LOF models with different contamination values and combines their anomaly scores to achieve a robust anomaly detection. A comparative performance analysis was conducted between the proposed model and the traditional single LOF model, using production-related inspection data from missiles deployed in the military. The experimental results showed that, with the contamination parameter set to 0.1, the proposed model exhibited an increase of approximately 22 percentage points in accuracy and 71 percentage points in F1-score compared to the single LOF model. This approach enables the preemptive identification of potential failures, undetectable through traditional statistical quality control methods. Consequently, it contributes to lower missile failure rates in real battlefield scenarios, leading to significant time and cost savings in the military industry.

• Annals of Clinical Neurophysiology
• /
• 제10권2호
• /
• pp.104-108
• /
• 2008

Background: The compression of 7th cranial nerve by arteries is one of the various causes of hemifacial spasm (HFS). A few previous studies were revealed the relation between the compression of 7th cranial nerve and common trunk anomaly. We evaluated the common trunk anomalies in patients with HFS using MRI and MRA. Methods: From January 2001 to December 2005, 41 consecutive patients (9 men, mean age $54.5{\pm}12.6$) with HFS underwent MRI and MRA. T2 axial images and time-of-flight angiographies were reviewed for identification of the compression at root exit zone by two neuroradiologists and one neurologist. Results: Thirty-seven patients showed neurovascular compression on the lesion side. Twenty patients of them were shown the compression of 7th cranial nerve by anterior inferior cerebellar artery (AICA), and seventeen patients of them were shown the compression by posterior inferior cerebellar artery (PICA). Twenty-four patients of the thirty-seven patients had common trunk anomaly. In control, twelve of twenty-one subjects had common trunk anomaly, that the frequencies of common trunk anomaly of two groups were 58.8% in HFS and 57.1% in controls. In the twenty-four patients with common trunk anomaly, eighteen patients had dominant-AICA, and six patients had dominant-PICA. The rate of nerve compression by common trunk anomaly in the HFS with unilateral common trunk, dominant-AICA was 76.5% and dominant-PICA was 100%. Conclusions: This study also revealed that AICA was most common compressive artery. There was no difference between the HFS groups and control groups in frequency of common trunk anomaly. Thus, we could not demonstrate the relationship between common trunk anomaly and HFS.

• International Journal of Computer Science & Network Security
• /
• 제21권4호
• /
• pp.131-139
• /
• 2021

In current time, anomaly detection is the primary concern of the administrative authorities. Suspicious activity identification is shifting from a human operator to a machine-assisted monitoring in order to assist the human operator and react to an unexpected incident quickly. These automatic surveillance systems face many challenges due to the intrinsic complex characteristics of video sequences and foreground human motion patterns. In this paper, we propose a novel approach to detect anomalous human activity using a hybrid approach of statistical model and Genetic Programming. The feature-set of local motion patterns is generated by a statistical model from the video data in an unsupervised way. This features set is inserted to an enhanced Genetic Programming based classifier to classify normal and abnormal patterns. The experiments are performed using publicly available benchmark datasets under different real-life scenarios. Results show that the proposed methodology is capable to detect and locate the anomalous activity in the real time. The accuracy of the proposed scheme exceeds those of the existing state of the art in term of anomalous activity detection.

• 사물인터넷융복합논문지
• /
• 제7권3호
• /
• pp.69-74
• /
• 2021

최근 생체 인증 기술이 발전함에 따라 생체 인증을 이용한 사용자 인증 기법들이 많아지고 있다. 기존에 존재하는 ID/PW 등 다양한 인증 기법에는 다양한 문제점이 제시되고 있다. 따라서 최근에는 2차 인증을 도입하여 보안성을 높이는 방식을 채택하여 사용하고 있다. 본 논문에서는 근거리 무선 장치(Beacon)와 다양한 생체 인증방식 중 심장의 전기적 생체신호를 이용하여 위·변조가 매우 어려운 특징을 가진 ECG를 이용하여 사용자의 신원 인증과 이상징후를 탐지할 수 있는 사용자 인증 시스템을 제안하고자 한다. 이 시스템은 손목에 장착 가능한 웨어러블 디바이스 형태의 ECG 측정 도구를 통해 기록한 ECG 데이터와 데이터베이스에 블록체인 형태로 저장된 신원 정보 및 생체데이터를 비교하여 일차적으로 신원을 확인하고 비콘(Beacon)을 활용하여 사용자의 위치를 파악함으로써 사용자의 이상징후를 탐지하고자 한다.

• 한국산업정보학회논문지
• /
• 제25권6호
• /
• pp.1-13
• /
• 2020

본 논문에서는 원전 비상 상황 발생 시 다수의 신호 오류가 발생했을 때 어떤 신호에 오류가 발생했는지를 추정하는 신호 오류 식별 (Fault identification) 방법론을 개발하였다. 변분 오토인 코더 (Variational autoencoder; VAE) 기반 모델은 기존의 이상 탐지 방법론과 같이 정상 신호 데이터만을 이용하여 훈련이 진행되며, 이후 각 신호에 대한 복원 오차 (Reconstruction error)와 복원 오차를 입력의 특정 부분으로 미분한 값을 이용하여 어떤 부분에 오류가 포함되어 있는지를 예측한다. 데이터 취득을 위하여 시뮬레이션을 수행하였으며, 일련의 실험으로부터 제시한 신호 오류 식별 방법이 적절한 오차 범위 내에서 오류가 발생한 신호를 특정할 수 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.505-510
• /
• 2013

본 논문에서는 현재 운영 중인 DGPS 기준국 환경에서 위성시계 이상 발생시 실시간으로 이상현상을 검출하고 식별하기 위하여, 기준국 수신기의 측정잡음을 최소화하는 기법에 대해 다룬다. 기준국 수신기의 측정잡음을 최소화하기 위하여, 의사거리 측정치에 포함된 오차항목을 제거하여 순수 측정잡음 만을 추정한다. 먼저 두 대의 기준국 수신기의 출력을 이용하여 비공통 성분 오차를 제거한 다음, 해당 보정치를 적용하여 측정잡음을 최소화시킨다. 측정잡음 최소화를 기반으로 위성시계 이상발생시 이상신호를 검출하고 이상위성을 식별하여 DGPS 기준국 시스템의 가용성을 증대시키고자 한다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.181-193
• /
• 2022

Data-driven structural health monitoring (SHM) of civil infrastructure can be used to continuously assess the state of a structure, allowing preemptive safety measures to be carried out. Long-term monitoring of large-scale civil infrastructure often involves data-collection using a network of numerous sensors of various types. Malfunctioning sensors in the network are common, which can disrupt the condition assessment and even lead to false-negative indications of damage. The overwhelming size of the data collected renders manual approaches to ensure data quality intractable. The task of detecting and classifying an anomaly in the raw data is non-trivial. We propose an approach to automate this task, improving upon the previously developed technique of image-based pre-processing on one-dimensional (1D) data by enriching the features of the neural network input data with multiple channels. In particular, feature engineering is employed to convert the measured time histories into a 3-channel image comprised of (i) the time history, (ii) the spectrogram, and (iii) the probability density function representation of the signal. To demonstrate this approach, a CNN model is designed and trained on a dataset consisting of acceleration records of sensors installed on a long-span bridge, with the goal of fault detection and classification. The effect of imbalance in anomaly patterns observed is studied to better account for unseen test cases. The proposed framework achieves high overall accuracy and recall even when tested on an unseen dataset that is much larger than the samples used for training, offering a viable solution for implementation on full-scale structures where limited labeled-training data is available.