• 제목/요약/키워드: Vehicle Radar

검색결과 242건 처리시간 0.017초

쿼드콥터의 음향 특성을 활용한 다수의 드론 위치 추정법 (A method for localization of multiple drones using the acoustic characteristic of the quadcopter)

  • 정인지;조완호;이정권
    • 한국음향학회지
    • /
    • 제43권3호
    • /
    • pp.351-360
    • /
    • 2024
  • 드론 기술의 발전으로 인해서 최근 다양한 분야에서 무인항공기가 활용되고 있으며, 이와 더불어 드론 사용 증가에 따르는 여러 가지 문제들이 발생하고 있다. 드론은 크기가 매우 작아서 레이더나 광학장비로 탐지하기 어려운 문제가 있으며, 따라서 최근에는 음향학적인 방법을 이용한 추적 방식이 적용되고 있다. 본 논문은 쿼드콥터 드론의 음향 특성을 활용하여 다수의 드론 위치를 추정하는 방법을 다루었다. 드론의 종류와 드론의 움직임 상태에 따라 각 로터로부터 유발되는 음향 특성이 구별되므로, 블레이드 통과 주파수 및 이에 대한 고조파 음원에 대한 위치 추정을 수행한 결과를 공간 군집화하여 드론의 음원을 재현하였다. 재현된 음원은, 위치 추정 알고리즘을 적용하여 최종적으로 다수의 드론 음원에 대한 위치를 결정하는데 사용된다. 쿼드콥터 드론의 음향 특성을 분석하기 위한 실험을 수행하였으며, 이때 측정한 음향 신호를 기반으로 서로 다른 세 종류의 드론에 대한 음원 위치 추정 시뮬레이션을 수행하였다. 이를 통해 드론의 음향 특성을 활용하여 다수의 드론 위치를 추정할 수 있음을 확인하였고, 분리된 드론 음원의 명확성과 음원 추정 알고리즘이 다수의 드론 위치 추정 정확도에 영향을 주는 것을 관찰하였다.

데이터 마이닝 기법을 이용한 차량용 반도체의 불량률 예측 연구 (Prediction of field failure rate using data mining in the Automotive semiconductor)

  • 윤경식;정희운;박승범
    • 기술혁신연구
    • /
    • 제26권3호
    • /
    • pp.37-68
    • /
    • 2018
  • 본 논문에서는 차량용 반도체가 제품 출하 후 사용 환경에 따라 발생되는 불량률을 데이터 마이닝 기법을 이용하여 분석하였다. 20세기 이후 가장 보편적인 이동수단인 자동차는 전자 컨트롤 장치와 자동차용 반도체의 사용량이 급격히 증가하면서 매우 빠른 속도로 진화하고 있다. 자동차용 반도체는 차량용 전자 컨트롤 장치 중 핵심 부품으로 소비자들에게 안정성, 연료 사용의 효율성, 운전의 안정감을 제공하기 위해 사용되고 있다. 자동차용 반도체는 가솔린엔진, 디젤 엔진, 전기 모터를 컨트롤하는 기술, 헤드업 디스플레이, 차선 유지 시스템 등 많은 부분에 적용되고 있다. 이와 같이 반도체는 자동차를 구성하는 거의 모든 전자 컨트롤 장치에 적용되고 있으며 기계적인 장치를 단순히 조합한 이상의 효과를 만들어 내고 있다. 자동차용 반도체는 10년 이상의 자동차 사용 기간을 고려하여 높은 신뢰성, 내구성, 장기공급 등의 특성을 요구하고 있다. 자동차용 반도체의 신뢰성은 자동차의 안전성과 직접적으로 연결되기 때문이다. 반도체업계에서는 JEDEC과 AEC 등의 산업 표준 규격을 이용하여 자동차용 반도체의 신뢰성을 평가하고 있다. 또한 자동차 산업에서 표준으로 제시한 신뢰성 실험 방법과 그 결과를 이용하여 개발 초기 단계 및 제품 양산 초기단계에서 제품의 수명을 예측 하고 있다. 하지만 고객의 다양한 사용 조건 및 사용 시간 등 여러 변수들에 의해 발생되는 불량률을 예측하는 데는 한계가 있다. 이러한 한계점을 극복하기 위하여 학계와 산업계에서 많은 연구가 있어왔다. 그 중 데이터 마이닝 기법을 이용한 연구가 다수의 반도체 분야에서 진행되고 있지만, 아직 자동차용 반도체에 대한 적용 및 연구는 미비한 상태이다. 이러한 관점에서 본 연구는 데이터 마이닝 기법을 이용하여 반도체 조립(Assembly)과 패키지 테스트(Package test) 공정 중 발생 된 데이터들간의 연관성을 규명하고, 고객 불량 데이터를 이용하여 잠재 불량률 예측에 적합한 데이터 마이닝 기법을 검증하였다.