• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.130-135
• /
• 2004

본 논문에서는 데이터 마이닝을 이용한 단기 전력 부하 예측 시스템의 새로운 설계 기법을 제안한다. 제안된 단기 부하 예측시스템은 Takagj-Sugeno (T-S) 퍼지 모델 기반 예측기와 분류기로 구성된다. 또한, 제안된 T-S 퍼지 모델 기반 분류기는 전반부 가우시안 집합과 후반부 선형화된 베이지안 분류기로 구성된다 분류기의 파라미터들은 주어진 훈련 집합의 통계적 수치로 쉽게 얻어진다. 제안된 T-S 퍼지 모델 기반 예측기는 한 가지 입력에 대한 선형 시계열 예측기의 볼록 조합 형태를 가진다. 후반부 파라미터 추정 문제는 실제 전력 부하와 예측 전력 부하의 놈(norm)을 최소화하는 볼록 최적화 문제로 간주한다. 그 문제는 선형 행렬 부등식으로 설정됨으로써 후반부 파라미터는 추정된다. 전반부 파라미터 추정문제는 선형 시계열 예측기들이 모여진 전체 T-S 퍼지 시스템의 출력과 실제 전력 부하 사이의 에러를 최소화하는 문제이다. 이 문제는 경사치 하향 기법이 적용하여 해결되었다 제안된 기법의 유용성을 검증하기 위해 본 논문은 하루 후 24시간 전력 부하 예측과 하루 후 최고 전력부하를 예측 실험을 제공한다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(2)
• /
• pp.217-220
• /
• 2001

Modified Materka-Kacprzak 대신호 MODFET(modulation-doped field-effect transistor) model을 사용하여 GaN(gallium nitride) MODFET 대신호 모델링을 수행하였다. Dambrine(3)이 제안한 방법에 따라 45㎒에서 40㎒의 주파수 범위에 걸쳐 S-parameter 및 DC특성을 측정하였으며, 측정결과를 토대로 cold FET 방법［4］에 의해 측정된 기생성분들을 de-embedding 함으로써 소신호 파라미터를 추출하였고, 추출된 소신호 파라미터는 함수를 사용하여 측정결과를 재현하는 맞춤함수 모델의 일종인 modified Materka 모델을 사용하여 모델링하였다. 수행된 대신호 모델링을 검증하기 위하여 모델링된 GaN MODFET의 DC 및 S-파라미터, 전력특성을 측정값과 각각 비교해 보았을 때 비교적 일치하고 있음을 보여서 GaN 대신호 모델링을 검증하였으며, modified Materka 모델이 GaN MODFET 대신호 모델링에 유용하게 사용될 수 있음을 보였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2017년도 전력전자학술대회
• /
• pp.453-454
• /
• 2017

본 논문에서는 환경 시험 중 한가지 방법인 진동 시험(Vibration test) 프로파일을 적용하여 고출력 리튬이온18650 셀(cell)에 물리적인 진동을 가하고 진동 시험 전 후 고출력 리튬이온 18650 셀의 전기적 특성 기반 내부 파라미터를 추출하였다. 통계적 기법인 상관 관계 및 대응 표본 t 검정을 적용하여 내부 파라미터인 방전 용량(discharged capacity), 방전 저항(discharged resistance), OCV(open circuit voltage) 간의 관계 및 변화를 비교 분석하였다.

• 한국지능시스템학회논문지
• /
• 제15권2호
• /
• pp.270-275
• /
• 2005

본 논문은 퍼지 모델을 이용한 불확실한 카오스 시스템의 적응 동기화 기법을 제안한다. 카오스 동기화 시스템은 마스터 시스템과 슬레이브 시스템으로 구성되며 각각의 시스템은 Takagi-Sugeno (T-S) 퍼지 모델을 통해 표현된다. 마스터 시스템은 파라미터가 미리 알려지지 않은 불확실한 모델로 가정되므로 불확실한 파라미터를 추정하기 위해 적응 기법을 적용하여 슬레이브 시스템을 설계한다. 동기화 오차 시스템을 안정화하고 불확실한 파라미터를 추정하는 적응 규칙을 이용한 제어기를 설계하며 Lyapunov 이론을 통해 안정도를 해석한다. 제안된 퍼지 적응 동기화 기법의 효과를 확인하기 위해서 Duffing 시스템과 Lorenz 시스템에 대해 모의 실험을 수행한다.

• 전자공학회논문지
• /
• 제52권4호
• /
• pp.125-132
• /
• 2015

PCI Express는 고속 차동신호를 사용한 점대점(point-to-point) 프로토콜로 시스템 설계 시 Eye Diagram을 통한 신호의 손실(Loss)과 지터(Jitter) 분석이 필요하다. 특히 PCI Express Gen3 물리 신호는 8Gbps의 고속 직렬신호로 고속신호분석에 의한 시스템 설계가 반드시 요구된다. 본 논문은 PCI Express Gen3 서버 연결망 스위치카드 시스템 제작을 통하여 고속 직렬신호의 토폴로지 추출, 채널분석, 채널의 S-파라미터 추출 및 송수신 버퍼를 포함한 시스템의 신호분석 시뮬레이션을 다룬다. 채널의 손실을 보안하기 위해 수신단 Eye diagram 분석을 통하여 송신 버퍼의 이퀄라이저 파라미터를 조정하여 송신단 최적의 De-emphasis와 Preshoot 파라미터 값을 시뮬레이션을 통하여 찾고 있다.

• 한국자기학회지
• /
• 제25권3호
• /
• pp.92-100
• /
• 2015

전기자동차는 구동방식에 따라 인휠(in-wheel) 방식과 인라인(in-line) 방식으로 구분될 수 있다. 인휠 방식 전기자동차는 기존의 자동차에서 사용하였던 변속기, 축, 차동기어 등을 제거 할 수 있기 때문에 구조가 간단해지고 차체를 경량화하여 효율을 증대시킬 수 있는 장점이 있다. 본 논문에서는 파라미터 맵(parameter map)을 이용한 차량용 인휠 전동기의 설계 방법을 제시하고, 연속정격 5 kW급 전동기를 설계하여 제작 및 성능 검증을 한다. 우선 차량의 요구 성능을 만족하는 인휠 전동기의 용량을 결정하기 위해 차량의 총무게, 기어 효율, 바퀴의 등가반경, 등판각도 등을 고려한 차량동특성해석을 수행한다. 이것을 통해 전동기 용량을 결정하고, 전동기 형상 및 치수를 결정하기 위한 초기설계를 진행한다. 그리고 요구 성능을 만족하는 전동기 파라미터를 결정하기 위해 파라미터 맵을 이용한 파라미터 설계를 수행한다. 파라미터 맵을 통해 전동기 파라미터를 결정한 후 마지막으로 무부하역기전력의 왜형율(Total Harmonic Distortion, 이하 THD), 코깅토크(cogging torque), 토크리플(torque ripple) 등의 개선을 위해 최적설계를 수행한다. 최종 설계 모델에 대해 제작을 하였으며, 성능 검증 및 제시한 설계방법의 신뢰도 검증을 위해 부하시험을 진행한다.

• 비파괴검사학회지
• /
• 제34권3호
• /
• pp.220-225
• /
• 2014

초음파 비선형 특성은 일반적으로 재료 내부를 전파한 초음파의 기본주파수 및 2차 고조파 성분 크기에 의해 결정되는 비선형 파라미터 ${\beta}$로 측정되며, 재료의 미세한 변질을 평가하는데 효과적인 인자로 알려져 있다. 이에 본 연구에서는 인공시효된 Al6061-T6의 열처리 시간에 따른 초음파 비선형 특성을 평가하였다. 초음파가 시편을 투과하여 수신되는 신호를 분석하여 비선형 파라미터 ${\beta}$를 구하였고, 비선형 파라미터 측정 후 마이크로 비커스 경도를 측정하였다. 비선형 파라미터 측정 결과로부터 열처리 시간에 따른 재료 내 미세 구조적인 변화를 추정하였으며, 경도 측정 결과로부터 이러한 추정이 합당함을 증명하였다. 측정 결과 비선형 파라미터는 석출거동 메커니즘에 의한 재료 미세조직 변화와 매우 밀접한 상관관계를 나타냈다. 이로부터 초음파 비선형 파라미터를 이용하여 인공시효에 의한 재료 내 미세구조 및 상태 변화를 초음파 비선형 파라미터로 평가할 수 있음을 확인하였다.

• 인지과학
• /
• 제31권1호
• /
• pp.1-23
• /
• 2020

이 논문에서는 지난 40여 년 동안 인지심리학에서 가장 중요한 모형 가운데 하나이며 근래에는 인지신경과학에서도 중요한 자리를 차지하고 있는 Ratcliff의 확산(diffusion)모형을 분석하는 도구 SNUDM을 소개한다. SNUDM은 확산과정을 Ratcliff & Tuerlinckx(2002)에 소개된 방식으로 단순 무작위걷기(random walk)를 묘사했다. 구체적으로, 모형이 생성하는 반응시간 분포는 주어진 파라미터 값들에서 작은 걸음으로 무작위걷기를 하여 일정 수준에 다다를 때까지 걸린 시간들로 이루어졌고, 모형의 파라미터 추정치는 단순도형(Simplex) 방식을 이용하여 실험 자료와 생성된 분포를 비교하기 위해 계산된 카이제곱값을 최소화하는 파라미터의 값을 사용한다. 사용의 간편함을 위해, 입력 파일은 반응시간의 분위수(quantile), 시행수와 기타 정보를 담은 파일로 간단하게 했고, 프로그램 작동에 필요한 피험자 수와 조건 수 등은 질문에 답을 하는 방식으로 입력하도록 했으며, 조건에 따라 비교할 파라미터와 그렇지 않고 고정할 파라미터도 미리 지정하도록 했다. 분석도구 SNUDM이 파라미터 값을 제대로 찾아내는지를 알아보기 위해 Ratcliff, Gomez, & McKoon(2004)의 실험1 자료를 써서 검토한 결과, 그들이 보고한 실험 조건들 사이에서 보인 상대적인 표집율의 크기에서 동일한 패턴을 얻었다. 또한 SNUDM으로 생성된 자료를 DMAT과 fast-dm의 자료와 비교해 보았을 때 SNUDM은 시행수가 적을 경우에는 경계 파라미터를 fast-dm과는 비슷한 값을 추정하였고 DMAT보다는 작은 값으로 추정했으나 시행수가 많은 경우에는 세 도구 모두 비슷하게 파라미터를 추정하는 것을 확인하였다.

• 한국해안·해양공학회논문집
• /
• 제35권4호
• /
• pp.67-74
• /
• 2023

열대성 저기압으로 인한 높은 파도와 폭풍해일은 해안지역에 큰 피해를 준다. 따라서 태풍이 내습하기 전에 정확하게 예측해야 하는데, 기상 강제력은 예측에 중요한 요소이다. 본 연구는 정확한 폭풍해일 및 파랑예측에 요구되는 기상 강제력을 위한 개선방안을 제시한다. 2016년 남해안을 강타한 태풍 차바를 사례연구로 하여, 기상예측모델(MPAS)로 태풍 트랙 및 기상 강제력, 즉, 기상장을 예측했다. 예측된 MPAS 태풍 트랙 정보를 기반으로 한 태풍의 대칭형 및 비대칭형 파라미터 와류 모델을 이용하여 기상 강제력을 생성하는 한편, 베스트 트랙 기반 동일 한 파라미터 모델을 이용하여 기상 강제력을 생성하여, 둘을 비교했다. 또한, MPAS 예측 태풍 트랙 정보 기반 대칭형/비대칭형 와류 파라미터 모델에서 생성된 기상장은 MPAS에서 예측한 기상장과 블렌딩하여 예측기상장을 만들었다. 이렇게 제작된 MPAS 기반 forecast 기상장 4종 및 베스트 트랙 기반 hindcast 기상장 2종을 ADCIRC+SWAN ADCIRC+SWAN에 입력하여 남해안의 파랑 및 폭풍해일을 예측/재현하고 관측치와 비교·검증했다. MPAS 기반 forecast 기상장을 이용하여 예측된 폭풍해일과 파랑은 관측치와 거의 일치했으며, 베스트 트랙을 사용하여 재현한 결과와도 견줄 만했다. 유의파고는, 6종의 기상장을 이용한 실험에서 MPAS 예측 태풍 트랙 기반 대칭형 와류 파라미터 모델로 생성된 기상장과 MPAS 예측 기상장을 블렌딩한 실험이 예측 정확도가 높았으나, 비대칭형 와류 파라미터 모델과 블렌딩을 사용한 경우보다 약간 높은 정도였다. 폭풍해일은, MPAS 예측 태풍 트랙을 이용한 비대칭형 와류 파라미터 모델에서 생성된 기상장을 이용한 실험이 예측 정확도가 높았다. 폭풍해일과 파랑을 정확하게 예측하기 위해서는, 정확한 태풍 트랙 정보와 이 정보가 반영된 비대칭형 와류가 고려된 기상장, 이 태풍 트랙을 생산한 기상장이 필요한 것을 볼 수 있다.

• 터널과지하공간
• /
• 제34권3호
• /
• pp.218-230
• /
• 2024

최근 건설현장의 안전사고 문제를 해결하기 위해 컴퓨터 비전 기술을 활용한 안전관리에 관한 연구를 많이 수행하고 있다. 최근 딥러닝 기반 객체 인식 및 영역 분할 연구에서 앵커 박스 파라미터를 사용하고 있다. 일관적인 정확도를 확보하기 위하여 학습 과정에서 앵커 박스 파라미터의 최적화가 중요하다. 앵커 박스 관련 파라미터는 일반적으로 학습자의 휴리스틱 방법으로 모양과 크기를 고정하여 학습을 수행하고 있고, 파라미터는 단일로 구성된다. 하지만 파라미터는 객체 종류와 객체 크기에 따라 민감하고 수가 증가하면 단일 파라미터로 데이터의 모든 특성을 반영하는데 한계가 발생한다. 따라서 본 논문은 분할 학습을 통해 최적화된 다중 파라미터를 적용하는 방법을 제안하여 단일 파라미터로 모든 객체의 특성을 반영하기 어려운 문제를 해결하고자 한다. 통합 데이터를 객체 크기, 객체 수, 객체의 형상에 따라 효율적으로 분할하는 기준을 정립하였으며, 최종으로 통합 학습과 분할 학습 방법의 성능 비교를 통해 제안한 학습 방법의 효과를 검증하였다.