• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2000년도 하계학술대회 논문집
• /
• pp.763-766
• /
• 2000

In this paper, stator form-winding sample coils based on silicone resin and polyimide were made for fault prediction and reliability estimation on the 200 Class insulation system of traction motors. The complex accelerative degradation was performed by periods during 10 cycles, which was composed of thermal stress, fast rising surge voltage, vibration, water immersion and overvoltage applying. After aging of 10 cycles, condition diagnosis test such as insulation resistance & polarization index, capacitance & dielectric loss and partial discharge properties were investigated in the temperature range of 20∼160$^{\circ}C$. Relationship among condition diagnosis test was analyzed to find an dominative degradation factor and an insulation state at end-life point.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2009년도 춘계학술대회 논문집
• /
• pp.37-38
• /
• 2009

• 한국산학기술학회논문지
• /
• 제15권2호
• /
• pp.1036-1043
• /
• 2014

환경오염과 에너지위기 문제를 해결하기 위하여 세계적으로 태양광전원의 설치가 매년 증가하고 있다. 하지만, 설치된 태양광모듈은 경년열화로 인한 성능저하와 운용상의 다양한 장애요소로 발전량 손실이 발생하여, 태양광모듈의 효율적인 운용을 위한 발전량예측과 상태진단 기술이 요구되고 있다. 기존의 발전량 예측 방법은 많은 파라미터를 고려해야하기 때문에 계산이 복잡하며, 표준시험 조건의 모듈 특성데이터를 사용하기 때문에 오차가 크게 발생한다. 따라서 본 논문에서는 태양광모듈에서 발생하고 있는 문제점을 분석하고 이에 대한 대책을 제시하기 위하여, 선형회귀분석법을 이용한 발전량 예측 알고리즘과 태양광모듈의 상태를 진단하는 알고리즘을 제안하였다. 또한, 이를 바탕으로 태양광모듈의 상태진단 평가시스템을 구현하여 시뮬레이션을 수행한 결과, 기존의 방법에 비하여 제안한 방법이 계산하기 편리하고 예측 오차도 감소함을 확인하였으며, 이상모듈의 상태와 위치를 신속하게 파악할 수 있어, 태양광모듈의 운용효율 향상에 유용함을 확인하였다.

• 정보학연구
• /
• 제2권2호
• /
• pp.13-22
• /
• 1999

본 논문에서, 부분방전 메카니즘을 진단하고 그리고 신경망을 도입하여 수명을 예측하기 위한 기초연구로서, 온라인상에서 자동진단을 제안했다. 제안한 방법에서 우리는 음향방출 감지시스템과 그리고 펄스 수와 펄스진폭에 의해서 정량적인 통계파라메타를 사용하였다. 통계적인 파라메타인 가령, 무게중심(G)와 방전분포 경도(C)를 이용하였고 그리고 초기단계와 중기단계에 대해서 분석하였다. 정량적인 통계파라메타들은 신경망에 의해서 학습되어졌다. 초기단계에 의해서 수명예측과 절연열화의 진단이 이루어졌다. 열화가 진행하는 동안 신경망 학습을 통한 휼륭한 진단능력이 있음이 근본적으로 드러났고, 신경망이 부분방전에 있어서 절연진단 및 수명예측을 위해서 적절하다는 것이 증명되었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2007년도 한국지능정보시스템학회
• /
• pp.389-398
• /
• 2007

Case-based reasoning (CBR) is one of the most popular prediction techniques for medical diagnosis because it is easy to apply, has no possibility of overfitting, and provides a good explanation for the output. However, it has a critical limitation - its prediction performance is generally lower than other artificial intelligence techniques like artificial neural networks (ANNs). In order to obtain accurate results from CBR, effective retrieval and matching of useful prior cases for the problem is essential, but it is still a controversial issue to design a good matching and retrieval mechanism for CBR systems. In this study, we propose a novel approach to enhance the prediction performance of CBR. Our suggestion is the simultaneous optimization of feature weights, instance selection, and the number of neighbors that combine using genetic algorithms (GAs). Our model improves the prediction performance in three ways - (1) measuring similarity between cases more accurately by considering relative importance of each feature, (2) eliminating redundant or erroneous reference cases, and (3) combining several similar cases represent significant patterns. To validate the usefulness of our model, this study applied it to a real-world case for evaluating cytological features derived directly from a digital scan of breast fine needle aspirate (FNA) slides. Experimental results showed that the prediction accuracy of conventional CBR may be improved significantly by using our model. We also found that our proposed model outperformed all the other optimized models for CBR using GA.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권9호
• /
• pp.2904-2926
• /
• 2022

Currently, diabetes is the most common chronic disease in the world, affecting 23.7% of the population in the Kingdom of Saudi Arabia. Diabetes may be the cause of lower-limb amputations, kidney failure and blindness among adults. Therefore, diagnosing the disease in its early stages is essential in order to save human lives. With the revolution in technology, Artificial Intelligence (AI) could play a central role in the early prediction of diabetes by employing Machine Learning (ML) technology. In this paper, we developed a diagnosis system using machine learning models for the detection of type 2 diabetes among adults, through the adoption of two different diabetes datasets: one for training and the other for the testing, to analyze and enhance the prediction accuracy. This work offers an enhanced classification accuracy as a result of employing several pre-processing methods before applying the ML models. According to the obtained results, the implemented Random Forest (RF) classifier offers the best classification accuracy with a classification score of 98.95%.

• 한국한의학연구원논문집
• /
• 제14권2호
• /
• pp.41-46
• /
• 2008

The study was to investigate the agreement rate between the statistical diagnosis of pattern identification by discriminant analysis and the clinical diagnosis of pattern identification by medical specialist in obese patients with BMI$\geqq$23. The agreement rate of deficiency of the spleen, phlegm-retention, deficiency of Yang, retention of undigested food, stagnation of liver Gi, and blood stagnation are 0.40, 0.33, 0.52, 0.76, 0.71, and 0.66, respectively and accuracy rate and prediction rate using linear discriminant function are 0.59 and 0.61, respectively. Therefore, the complementary management in CRF questionnaires and/or consultation from experts will improve the accuracy and prediction rate, which will be helpful for pattern identification of obesity by clinical experts.

• 한국전자통신학회논문지
• /
• 제13권6호
• /
• pp.1249-1256
• /
• 2018

최근 인공지능에 대한 연구가 진단과 예측 분야에서 활발하게 진행되고 있다. 본 논문에서는 산업 현장에 설치되어 있는 모터와 펌프에서 발생하는 진동, 회전 수, 전류 데이터 취득한다. 취득한 데이터로부터 k-최근접 이웃(k-nearest neighbors) 알고리즘을 적용하여 이들 데이터를 학습하고, 학습한 데이터를 이용하여 펌프와 모터의 이상상태와 건전 상태를 판단하는 상태진단법을 제안한다. 제안 결과 정상상태와 이상상태가 잘 구분됨을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제16권3호
• /
• pp.141-147
• /
• 2011

본 논문은 유도전동기의 고장검출 및 진단을 위한 효율적인 2-단계 고장예측 알고리즘을 제안한다. 첫 번째 단계에서는 고장 패턴 추출을 위해 선형 예측 부호화 (Linear Predictive Coding: LPC) 기법을 사용하고, 두 번째 단계에서는 고장 패턴 매칭을 위해 동적시간교정법 (Dynamic Time Warping: DTW)을 사용한다. 유도전동기에서 정상 및 각종 이상 상태의 조건을 발생시켜 추출한 샘플링 주파수 8kHz, 샘플링 시간 2.2초의 정상상태 및 비정상 상태의 진동데이터 8개를 사용하여 모의 실험한 결과, 제안한 고장예측 알고리즘은 기존의 고장진단 알고리즘보다 약 45%의 정확도 향상을 보였다. 또한 TI사의 TMS320F2812 DSP를 내장한 테스트베드 시스템을 제작하여 제안한 고장예측 알고리즘을 구현하고 검증하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제30권2호
• /
• pp.253-259
• /
• 2006

There is few study which automatically diagnoses the fault from ship's monitored data. The bigger control and monitoring system is. the more important fault diagnosis and maintenance is to reduce damage caused by system fault. This paper proposes fault diagnosis system using a correlation analysis algorithm which is able to diagnose and forecast the fault from monitored data and is composed of fault detection knowledge base and fault diagnosis knowledge base. For all kinds of ship's engine room monitored data are classified with combustion subsystem, heat exchange subsystem and electric motor and pump subsystem, To verify capability of fault detection, diagnosis and prediction, FMS(Fault Management System) is developed by C++. Simulation by FMS is carried out with population data set made by the log book data of 2 months duration from a large full container ship of H shipping company.