• 한국강구조학회 논문집
• /
• 제18권6호
• /
• pp.769-782
• /
• 2006

상시 운행 열차는 운행 속도 대역폭이 한정되어 있기 때문에 속도에 따른 교량의 동적응답 특성 파악에는 한계가 있다. 따라서 본 연구에서는 교량상을 통과하는 열차 속도와 교량의 동적응답의 상관관계를 파악하기 위하여 실운행 디젤 기관차 1량에 의한 증속실험을 실시하였다. 가속도 응답특성 분석을 위하여 지점부를 제외한 전구간에 걸쳐 등간격으로 7개의 수직가속도와 중앙부에 1개의 수평가속도계를 부착하였다. 교량의 중앙부에는 연직방향과 횡방향 거동특성 파악을 위하여 수직 변위계, 수평 변위계, 휨변형률계를 각각 1개씩 설치하였다. 실험 차량을 대상 교량의 중앙부와 지점부에 정적재하 후 5km/h부터 90km/h까지 10km/h씩 증속하였고, 각 속도 대역별로 2회씩 반복하여 실험을 실시하였다. 실측 데이터의 필터링 방법에 따른 진동 평가 방법의 적절성을 검토하였고, 연직방향 진동가속도 대비 횡방향 진동수준을 평가하였으며, 속도에 따른 처짐, 변형률 및 윤중변동 특성을 검토하였다.

• 전기학회논문지P
• /
• 제58권4호
• /
• pp.385-390
• /
• 2009

This paper presents a novel active noise control (ANC) system using least mean square (LMS) algorithm and neural network approach for decreasing acoustic noise signals inside high-speed trains. We construct a LMS framework as a nominal ANC system and additionally design an artificial single-layered perceptron model as an auxiliary ANC which is aimed to reduce real-time residuary noise due to its nonstationary and uncertain nature. Parameter vector of the hybrid ANC is determined through online estimation to realize an adaptive ANC configuration by means of the steepest descent algorithm. We achieve simulation experiment to demonstrate the proposed ANC system employing realistic acoustic noise signals measured in Korea Train eXpress (KTX).

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 ICEIC The International Conference on Electronics Informations and Communications
• /
• pp.371-375
• /
• 2004

Fault diagnosis is one of the most studied problems in process engineering. Recently, great research interest has been devoted to approaches that use classification methods to detect faults. This paper presents an application of a newly developed classification method - support vector machines - for fault diagnosis in an industrial case. A real set of operation data of a motor pump was used to train and test the support vector machines. The experiment results show that the support vector machines give higher correct detection rate of faults in comparison to rule-based diagnostics. In addition, the studied method can work with fewer training instances, what is important for online diagnostics.

• 한국시뮬레이션학회:학술대회논문집
• /
• 한국시뮬레이션학회 2002년도 추계학술대회 논문집
• /
• pp.101-105
• /
• 2002

In a traditional hierarchical inventory system, direct orders are the only information for inventory management that is exchanged between the firms involved. But due to the rapid development of modern information technology, it becomes possible for the firms to share more information in real time, e.g. demand and inventory status data. And so the term Supply Chain has emerged because it is seen as an important source of competitive advantage. Now it is possible to challenge traditional approaches to inventory management. In the past, one of the de-facto assumptions for inventory management was that the demand pattern follows a specific distribution function. However, it is undesirable to apply this assumption in real situations because the demand information in the supply chain tends to be distorted due to the bullwhip effect in a supply chain. To overcome this weakness, we propose a new solution method using NN (Neural Network). Our method proceeds in three steps. First, we find the patterns of optimal reorder points by analyzing past data. Second. train the NN using these pattern data and finally decide the reorder point. Using simulation experiment, we show that the proposed solution method gives better result than that of traditional research.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2009년도 IWAIT
• /
• pp.803-807
• /
• 2009

The bobsleigh is a winter sport which use a sled to slide down an ice-covered course. There is a big expectation for having a training environment and being able to train year round. At present, training is very limited due to the season or course facilities. A variety of VR (Virtual Reality) equipment has been developed in recent years, and it is beginning to spread. We have also made our contribution in bobsleigh simulation. The reactive force applied in our bobsleigh simulation is much smaller than that of a real bobsleigh. This paper proposes a method to enhance reactive force of bobsleigh simulation in real time. The reactive force is magnified instantly in the physically-based simulation. The Laplacian filter is applied to the sequence of reactive force, this technique is often used in the field of image processing. The simulation is comprised of four large scale surround screens and a 6-D.O.F. (Degree Of Freedom) motion system. We also conducted an experiment with several motion patterns to evaluate the effectiveness of enhancement. The experimental results proved useful in some cases.

• Current Optics and Photonics
• /
• 제1권3호
• /
• pp.196-202
• /
• 2017

Corona discharge is always a sign of failure processes of high-voltage electrical apparatus, including those utilized in electric railway systems. Solar-blind ultraviolet (UV) cameras are effective tools for corona inspection. In this work, we present an automatic railway corona-discharge detection system based on solar-blind ultraviolet detection. The UV camera, mounted on top of a train, inspects the electrical apparatus, including transmission lines and insulators, along the railway during fast cruising of the train. An algorithm based on the Hough transform is proposed for distinguishing the emitting objects (corona discharge) from the noise. The detection system can report the suspected corona discharge in real time during fast cruises. An experiment was carried out during a routine inspection of railway apparatus in Xinjiang Province, China. Several corona-discharge points were found along the railway. The false-alarm rate was controlled to less than one time per hour during this inspection.

• 한국멀티미디어학회논문지
• /
• 제22권12호
• /
• pp.1447-1456
• /
• 2019

As artificial intelligence technology is actively used in image processing, it is possible to generate high-quality fake images based on deep learning. Fake images generated using GAN(Generative Adversarial Network), one of unsupervised learning algorithms, have reached levels that are hard to discriminate from the naked eye. Detecting these fake images is required as they can be abused for crimes such as illegal content production, identity fraud and defamation. In this paper, we develop a deep-learning model based on CNN(Convolutional Neural Network) for the detection of StyleGAN fake images. StyleGAN is one of GAN algorithms and has an excellent performance in generating face images. We experiment with 48 number of experimental scenarios developed by combining parameters of the proposed model. We train and test each scenario with 300,000 number of real and fake face images in order to present a model parameter that improves performance in the detection of fake faces.

• 대한기계학회논문집A
• /
• 제41권6호
• /
• pp.567-573
• /
• 2017

자동차 부품 중 드라이브 샤프트는 엔진에서 발생하는 토크를 바퀴에 전달하는 동력 전달장치의 핵심 부품이다. 엔진에서 입력되는 비틀림 하중과 주행 중 발생하는 실동하중에 의한 부품의 파손을 방지하기 위해, 고주파 열처리로 강도 및 피로수명이 개선되고 있다. 본 연구에서는 고주파 열처리에 따른 드라이브 샤프트의 피로수명을 정량적으로 평가할 수 있는 피로수명 평가기법을 구축하였다. 드라이브 샤프트의 소재인 SAE10B38M2 강재로 모재 및 경화깊이가 서로 다른 고주파 열처리 시편 두 종을 제작하여 비틀림 하중 하에서의 전단 변형률 제어 피로시험을 진행하였고, 변형률-수명 피로수명 평가에 필요한 피로 물성값을 구하였다. 얻어진 피로 물성값을 이용하여 드라이브 샤프트의 변형률 기반 피로해석을 진행하였으며, 얻어진 피로수명 결과를 시제품 피로시험 결과와 비교하여 해석기법의 타당성을 검증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.55-67
• /
• 2022

센서 데이터를 활용하여 설비의 이상 진단이 가능해졌다. 하지만 설비 이상에 대한 원인 분석은 미비한 실정이다. 본 연구에서는 센서 기반 시계열 데이터 분류 모델을 위한 해석가능한 합성곱 신경망 프레임워크를 제안한다. 연구에서 사용된 센서 기반 시계열 데이터는 실제 차량에 부착된 센서를 통해 수집되었고, 반도체의 웨이퍼 데이터는 공정 과정에서 수집되었다. 추가로 실제 기계 설비에서 수집된 주기 신호 데이터를 이용 하였으며, 충분한 학습을 위해 Data augmentation 방법론인 Scaling과 Jittering을 적용하였다. 또한, 본 연구에서는 3가지 합성곱 신경망 기반 모델들을 제안하고 각각의 성능을 비교하였다. 본 연구에서는 ResNet에 Jittering을 적용한 결과 정확도 95%, F1 점수 95%로 가장 뛰어난 성능을 보였으며, 기존 연구 대비 3%의 성능 향상을 보였다. 더 나아가 결과의 해석을 위한 XAI 방법론으로 Class Activation Map과 Layer Visualization을 제안하였으며, 센서 데이터 분류에 중요 영향을 끼치는 시계열 구간을 시각적으로 확인하였다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.302-313
• /
• 2023

본 연구는 과학기술정보통신부가 2017년부터 1조원 이상을 투자한 'AI Hub 댐' 사업에서 구축된 인공지능 모델 학습데이터의 품질관리를 자동화할 수 있는 프레임워크의 개발을 목표로 한다. 자율주행 개발에 사용되는 AI 모델 학습에는 다량의 고품질의 데이터가 필요하며, 가공된 데이터를 검수자가 데이터 자체의 이상을 검수하고 유효함을 증명하는 데는 여전히 어려움이 있으며 오류가 있는 데이터로 학습된 모델은 실제 상황에서 큰 문제를 야기할 수 있다. 본 논문에서는 이상 데이터를 제거하는 신뢰할 수 있는 데이터셋 정제 프레임워크를 통해 모델의 인식 성능을 향상시키는 전략을 소개한다. 제안하는 방법은 인공지능 학습용 데이터 품질관리 가이드라인의 지표를 기반으로 설계되었다. 한국정보화진흥원의 AI Hub을 통해 공개된 자율주행 데이터셋에 대한 실험을 통해 프레임워크의 유효성을 증명하였고, 이상 데이터가 제거된 신뢰할 수 있는 데이터셋으로 재구축될 수 있음을 확인하였다.