• 한국가스학회지
• /
• 제28권2호
• /
• pp.38-46
• /
• 2024

도시가스 배관망은 넓은 지역에 분포되며, 계층적으로 복잡하게 연결되어 있는 것을 특징으로 한다. 넓은 지역에 분포된 배관망의 압력 상태를 정밀하게 감시하기 위하여 PCA 기반의 센서 고장탐지 및 진단 기법을 적용하였다. 도시가스 배관망은 센서의 수가 많기 때문에 상호 연관성이 높은 센서들을 하나의 블록으로 묶어 블록 차원에서 전체 센서를 다루는 다중블록 PCA(MBPCA)가 추천된다. 그런데 MBPCA는 고장센서 식별 성능이 우수한 장점이 있지만, 센서의 개수가 증가할수록 고장탐지 성능이 나빠지는 경우가 많고, 지엽적인 변화에도 모델 전체를 갱신해야 하는 문제점이 있다. 이러한 이유로 모든 센서에 대해 MBPCA를 적용하는 것보다 선택적으로 MBPCA를 적용하는 것이 필요하다. 본 연구에서는 고장탐지 성능(fault detectability) 지수와 고장진단 성능(fault identificability) 지수를 제안하였으며, 이를 통해 블록별로 MBPCA와 PCA의 성능을 비교할 수 있도록 하였다. 이 지수를 기준으로 MBPCA와 PCA 블록을 구분하여 (주)해양에너지의 도시가스 배관망의 고장 탐지 및 진단 시스템을 개발하였으며, 센서의 개수가 많은 경우에 발생하는 문제점을 해결할 수 있었다.

• 제어로봇시스템학회논문지
• /
• 제4권6호
• /
• pp.765-771
• /
• 1998

An artificial neural network(NN) technique is developed for hardware redundant sensor validation. Since the measurement space is a continuous space with many operating regions, it is difficult to train a NN to correctly detect failure in an accurate measurement system. A conventional backpropagation NN is modified to include an additional preprocessing layer that extracts classification features from scalar measurements. This feature extraction means transform the measurement space to parity space. The NN is independent of the state variable being measured, the instrument range, and the signal tolerance. This NN resembles the parity space approach to signal validation, except that analytical parity equations are unneeded and the NN pattern recognition capability is utilized for decision making.

• Korean Chemical Engineering Research
• /
• 제46권2호
• /
• pp.233-247
• /
• 2008

공정 모니터링 기술은 공정 내에서 일어나는 예상치 못한 조업변화 및 이상을 조기에 감지하고 조업 이상에 영향을 끼친 근본 원인을 밝혀내어 제거해 줌으로써 공정의 안정적인 조업과 양질의 제품생산의 기반을 제공하여 준다. 데이터에 기반한 통계적 공정 모니터링 방법은 양질의 공정 데이터만 주어진다면 통계적 처리를 접목하여 비교적 쉽게 모니터링을 할 수 있고 공정의 데이터 분석에 이용할 수 있는 도구를 얻을 수 있다는 장점이 있다. 그러나 실제 공정에서는 비선형성, non-Gaussianity, 다중 운전모드, 공정상태변화로 인해 기존의 다변량 통계적 방법을 이용한 공정 모니터링 기법은 비효율적이거나, 공정 감시 성능의 저하, 종종 신뢰할 수 없는 결과를 야기한다. 이러한 경우 기존의 방법으로는 더이상 공정을 정확히 감시할 수 없기 때문에 최근에 많은 새로운 방법들이 개발 되었다. 본 총설에서는 이러한 단점을 보안하기 위해 최근 주목할 만한 연구결과인 공정 비선형성을 고려한 커널주성분분석(kernel principle component analysis) 모니터링 기법, 주성분분석 모델 조합을 이용한 다중모델(mixture model) 모니터링 기법, 공정 변화를 고려한 적응모델(adaptive model) 모니터링 기법, 그리고 센서 이상진단과 보정의 이론과 응용결과에 대하여 소개한다.

• Nuclear Engineering and Technology
• /
• 제55권2호
• /
• pp.493-505
• /
• 2023

Comprehensive condition monitoring of large industry systems such as nuclear power plants (NPPs) is essential for safety and maintenance. In this study, we developed novel system-scale diagnostic technology based on deep-learning and IR thermography that can efficiently and cost-effectively classify system conditions using compact Raspberry Pi and IR sensors. This diagnostic technology can identify the presence of an abnormality or accident in whole system, and when an accident occurs, the type of accident and the location of the abnormality can be identified in real-time. For technology development, the experiment for the thermal image measurement and performance validation of major components at each accident condition of NPPs was conducted using a thermal-hydraulic integral effect test facility with compact infrared sensor modules. These thermal images were used for training of deep-learning model, convolutional neural networks (CNN), which is effective for image processing. As a result, a proposed novel diagnostic was developed that can perform diagnosis of components, whole system and accident classification using thermal images. The optimal model was derived based on the modern CNN model and performed prompt and accurate condition monitoring of component and whole system diagnosis, and accident classification. This diagnostic technology is expected to be applied to comprehensive condition monitoring of nuclear power plants for safety.