• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권10호
• /
• pp.4883-4901
• /
• 2016

Energy efficiency in Wireless Sensor Networks (WSNs) is very appealing research area due to serious constrains on resources like storage, processing, and communication power of the sensor nodes. Due to limited capabilities of sensing nodes, such networks are composed of a large number of nodes. The higher number of nodes increases the overall performance in data collection from environment and transmission of packets among nodes. In such networks the nodes sense data and ultimately forward the information to a Base Station (BS). The main issues in WSNs revolve around energy consumption and delay in relaying of data. A lot of research work has been published in this area of achieving energy efficiency in the network. Various techniques have been proposed to divide such networks; like grid division of network, group based division, clustering, making logical layers of network, variable size clusters or groups and so on. In this paper a new technique of group based WSNs is proposed by using some features from recent published protocols i.e. "Energy-Efficient Multi-level and Distance Aware Clustering (EEMDC)" and "Energy-Efficient Multi-level and Distance Aware Clustering (EEUC)". The proposed work is not only energy-efficient but also minimizes the delay in relaying of data from the sensor nodes to BS. Simulation results show, that it outperforms LEACH protocol by 38%, EEMDC by 10% and EEUC by 13%.

• 전력전자학회논문지
• /
• 제13권6호
• /
• pp.430-438
• /
• 2008

최근 영구자석 동기전동기는 여러 장점으로 인해 많은 응용 분야에서 적용이 확대되고 있다. 특히 전기 자동차, 항공기 분야, 의료 및 군사 분야에 그 적용이 활발히 진행되고 있어 상대적으로 고 신뢰 운전이 매우 중요한 과제로 대두되고 있으며, 특히 전압 원 인버터의 고장 감지 및 진단 등에 관한 많은 연구가 진행되고 있다. 본 논문에서는 영구자석 동기전동기의 개방 고장을 감지하고 진단하는 방법을 제안하였고, 모의해석 및 실험을 통해 제안된 방법이 실제 적용이 가능성을 확인하였다. 제안된 방법은 기존의 개방 고장 감지 방법과 달리 별도의 하드웨어를 요구하지 않으며, 또한 빠른 개방 고장 감지 특성을 가지고 있다.

• 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.

• 한국자동차공학회논문집
• /
• 제1권2호
• /
• pp.49-59
• /
• 1993

A new signal processing technique is applied to four-cylinder spark and compression ignition engines for the diagnosis of power faults inside the cylinders. This technique utilizes two-sided directional power spectra(예S) of complex vibration signals measured from engine blocks as the patterns for engine cylinder power faults. The dPSs feature that they give not only the frequency contents but also the directivity of the engine block motion. For the automatic detection/diagnosis of cylinder power faults, pattern recognition method using multi-layer neural networks is employed. Experimental results show that the sucess rate for diagnosis of cylinder power faults using dPSs is higher than that using the conventional one-sided power spectra. The proposed technique is also tested to check the robustness to the sensor position and the engine rotational speed.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2009년도 제38회 동계학술대회 초록집
• /
• pp.413-413
• /
• 2010

In semiconductor manufacturing field, all equipments have various sensors to diagnosis the situations of processes. For increasing the accuracy of diagnosis, hundreds of sensors are emplyed. As sensors provide millions of data, the process diagnosis from them are unrealistic. Besides, in some cases, the results from some data which have same conditions are different. We want to find some information, such as data and knowledge, from the data. Nowadays, fault detection and classification (FDC) has been concerned to increasing the yield. Certain faults and no-faults can be classified by various FDC tools. The uncertainty in semiconductor manufacturing, no-faulty in faulty and faulty in no-faulty, has been caused the productivity to decreased. From the uncertainty, the rough set theory is a viable approach for extraction of meaningful knowledge and making predictions. Reduction of data sets, finding hidden data patterns, and generation of decision rules contrasts other approaches such as regression analysis and neural networks. In this research, a RGB sensor was used for diagnosis plasma instead of optical emission spectroscopy (OES). RGB data has just three variables (red, green and blue), while OES data has thousands of variables. RGB data, however, is difficult to analyze by human's eyes. Same outputs in a variable show different outcomes. In other words, RGB data includes the uncertainty. In this research, by rough set theory, decision rules were generated. In decision rules, we could find the hidden data patterns from the uncertainty. RGB sensor can diagnosis the change of plasma condition as over 90% accuracy by the rough set theory. Although we only present a preliminary research result, in this paper, we will continuously develop uncertainty problem solving data mining algorithm for the application of semiconductor process diagnosis.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 춘계학술대회 및 임시총회
• /
• pp.153-157
• /
• 2002

자기 진단 센서는 자신의 상태를 스스로 진단하는 기능을 갖는 센서를 말한다. 이러한 기능을 갖기 위해서 자신의 상태를 판단 할 수 있는 정보를 얻는 것이 가장 중요하다. 본 연구에서는 자신의 노이즈 신호만으로 상태를 판단할 수 있는 자기 진단센서의 설계하는 방법을 제안하였다. 웨이브렛 및 ICA 분석기법을 이용하여 자신의 출력 신호로부터 대상목표의 측정물리량을 나타내는 신호성분을 제외한, 센서 자신으로부터 발생하는 특징 노이즈 신호만을 분류한 다음에, 이 신호를 PDS로 정량화하여 특징 데이터를 생성하였다. 실험을 통해 그 타당성을 입증하였다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2012년도 전력전자학술대회 논문집
• /
• pp.470-471
• /
• 2012

본 논문은 루엔버거 관측기를 이용하여 직류링크 전압을 추정하고 추정치와 측정치를 비교하여 전압센서의 고장을 진단하는 방법을 제안한다. 또한 전압센서 고장 시에 추정치를 이용하여 제어함으로써 전압센서 고장 허용제어가 가능함을 보인다. 제안된 알고리즘은 시뮬레이션을 통해 그 타당성이 검증된다.

• Journal of Electrical Engineering and Technology
• /
• 제8권2호
• /
• pp.288-294
• /
• 2013

The diagnosis of motor failures using an on-line method has been the aim of many researchers and studies. Several spectral analysis techniques have been developed and are used to facilitate on-line diagnosis methods in industry. This paper discusses the first application of a motor flux spectral analysis to the identification of broken rotor bar (BRB) faults in induction motors using a multiple signal classification (MUSIC) technique as an on-line diagnosis method. The proposed method measures the leakage flux in the radial direction using a radial flux sensor which is designed as a search coil and is installed between stator slots. The MUSIC technique, which requires fewer number of data samples and has a higher detection accuracy than the traditional fast Fourier transform (FFT) method, then calculates the motor load condition and extracts any abnormal signals related to motor failures in order to identify BRB faults. Experimental results clearly demonstrate that the proposed method is a promising candidate for an on-line diagnosis method to detect motor failures.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.175-189
• /
• 2023

자율주행 차량의 무결성과 내결함성을 보장하기 위한 환경 인식 센서의 결함 감지 및 격리(FDI) 알고리즘이 중요한 연구 주제로 다루어지고 있다. 본 논문에서는 자율주행 차량의 안전성 보장을 위한 레이다, 카메라, 라이다로 구성된 다중 인지 시스템 결함 검출 알고리즘을 제시하였다. 제안된 결함 감지 알고리즘은 FIR(Finite Impulse Response) 필터 추정치에 기반한 레지듀얼의 생성 및 분석으로 고장의 감지 및 격리를 수행한다. 알고리즘의 성능 검증을 위해 가상환경에서의 수치 시뮬레이션을 수행하여 알고리즘을 기존의 칼만 필터 기반 알고리즘과 비교 및 고찰하였다. 결과적으로 제안된 알고리즘은 인지 시스템의 강건성을 확보할 수 있음을 검증하였다. 본 연구는 자율주행 차량의 안전성과 신뢰성을 확보하기 위한 필수적인 연구로, 자율주행 차량의 환경 인지 센서의 무결성을 향상 시킬 것으로 판단된다.

• 한국기계가공학회지
• /
• 제20권9호
• /
• pp.28-34
• /
• 2021

The Fourth Industrial Revolution has led to the development of drones for commercial and private applications. Therefore, the malfunction of drones has become a prominent problem. Failure mode and effect analysis was used in this study to analyze the primary cause of drone failure, and blade breakage was observed to have the highest frequency of failure. This was tested using a vibration sensor placed on drones along the breakage length of the blades. The data exhibited a significant increase in vibration within the drone body for blade fracture length. Principal component analysis was used to reduce the data dimension and classify the state with machine learning algorithms such as support vector machine, k-nearest neighbor, Gaussian naive Bayes, and random forest. The performance of machine learning was higher than 0.95 for the four algorithms in terms of accuracy, precision, recall, and f1-score. A follow-up study on failure prediction will be conducted based on the results of fault diagnosis.