• 한국항공우주학회지
• /
• 제32권7호
• /
• pp.51-59
• /
• 2004

저속충격에 의한 복합재의 파손 모드를 규명하기 위하여 PVDF 센서를 이용한 신호취득 방법과 측정된 PVDF 센서 신호를 시간-주파수 분석법 (time-frequency analysis)인 국소 퓨 리에 변환 및 웨이블렛 변환을 적용하여 분석할 수 있는 실험적 전차에 대하여 고찰하였다. 고분자 암전센서를 이용하여 저속충격시 발생할 수 있는 여러 충격손상 형태 모재균열, 층간분리, 섬유파단에 의한 응력파 측정 가능성을 고찰하기 위하여 일련의 저속충격 시험을 수행하였다. 충격 시험 후, 저속 충격을 받은 적층판에 대하여 C-scan 과 단면 검사를 통하여 센서 신호, 손상 모드 및 크기에 대한 상관관계를 고찰하였다. 센서신호의 취득과 신호분석을 통하여 저속충격의 발생/진행과정을 알 수 있는 많은 중요한 정보가 PVDF 센서신호에도 내재되어 있음을 알 수 있으며 PVDF 센서 신호를 주의 깊게 분석함으로써 저속 충격에 의한 복합재료의 손상 모드 규명이 가능하며 저속충격 위협에 대한 복합재 구조물의 건전성 모니터링에 활용할 수 있는 가능성을 제시하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2015년도 학술발표회
• /
• pp.225-225
• /
• 2015

Drought events usually evolve slowly in time and their impacts generally span a long period of time. This indicates that the sequence of drought is not completely random. The Hidden Markov Model (HMM) is a probabilistic model used to represent dependences between invisible hidden states which finally result in observations. Drought characteristics are dependent on the underlying generating mechanism, which can be well modelled by the HMM. This study employed a HMM with Gaussian emissions to fit the Standardized Precipitation Index (SPI) series and make multi-step prediction to check the drought characteristics in the future. To estimate the parameters of the HMM, we employed a Bayesian model computed via Markov Chain Monte Carlo (MCMC). Since the true number of hidden states is unknown, we fit the model with varying number of hidden states and used reversible jump to allow for transdimensional moves between models with different numbers of states. We applied the HMM to several stations SPI data in South Korea. The monthly SPI data from January 1973 to December 2012 was divided into two parts, the first 30-year SPI data (January 1973 to December 2002) was used for model calibration and the last 10-year SPI data (January 2003 to December 2012) for model validation. All the SPI data was preprocessed through the wavelet denoising and applied as the visible output in the HMM. Different lead time (T= 1, 3, 6, 12 months) forecasting performances were compared with conventional forecasting techniques (e.g., ANN and ARMA). Based on statistical evaluation performance, the HMM exhibited significant preferable results compared to conventional models with much larger forecasting skill score (about 0.3-0.6) and lower Root Mean Square Error (RMSE) values (about 0.5-0.9).

• 한국습지학회지
• /
• 제23권2호
• /
• pp.144-153
• /
• 2021

최근 반복되고 있는 녹조는 수질관리에 가장 큰 과제로서 대두되고 있다. 현재 환경부에서는 7일 단위의 선행수질예측을 통한 수질예보를 수행하고 있으나, 선제적인 조치를 위해서 좀 더 장기간의 수질예측이 필요한 시점이다. 이에 본 연구에서는 수질예보의 보완자료로서 대청호의 Chl-a 농도를 3개월 선행예측하기 위한 방법론을 제안하고 그 적용성을 검토하고자 한다. 이를 위하여 대청호의 수질자동측정망 자료와 ECMWF의 수문기상예측자료를 수집하였으며 각 시계열 자료의 특성을 분석하였다. 대청호의 Chl-a 농도와의 상관 및 웨이블릿 분석을 바탕으로 수문기상입력인자를 결정하고 지연시간을 가지는 NARX모형을 이용하여 대청호의 Chl-a에 대한 3개월 선행예측 모형을 구축하였으며, 결과에 대한 비교분석을 통하여 모형의 적용성을 제시하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권5호
• /
• pp.1610-1629
• /
• 2021

Failures frequently occurred in manufacturing machines due to complex and changeable manufacturing environments, increasing the downtime and maintenance costs. This manuscript develops a novel deep learning-based method named Multi-Domain Convolutional Neural Network (MDCNN) to deal with this challenging task with vibration signals. The proposed MDCNN consists of time-domain, frequency-domain, and statistical-domain feature channels. The Time-domain channel is to model the hidden patterns of signals in the time domain. The frequency-domain channel uses Discrete Wavelet Transformation (DWT) to obtain the rich feature representations of signals in the frequency domain. The statistic-domain channel contains six statistical variables, which is to reflect the signals' macro statistical-domain features, respectively. Firstly, in the proposed MDCNN, time-domain and frequency-domain channels are processed by CNN individually with various filters. Secondly, the CNN extracted features from time, and frequency domains are merged as time-frequency features. Lastly, time-frequency domain features are fused with six statistical variables as the comprehensive features for identifying the fault. Thereby, the proposed method could make full use of those three domain-features for fault diagnosis while keeping high distinguishability due to CNN's utilization. The authors designed massive experiments with 10-folder cross-validation technology to validate the proposed method's effectiveness on the CWRU bearing data set. The experimental results are calculated by ten-time averaged accuracy. They have confirmed that the proposed MDCNN could intelligently, accurately, and timely detect the fault under the complex manufacturing environments, whose accuracy is nearly 100%.

• 한국해양학회지:바다
• /
• 제19권2호
• /
• pp.99-108
• /
• 2014

동해 울릉도 북부의 우산해곡 사면역 2개 정점 K1, K2에서 2006년 9월부터 2007년 9월까지 시계열 해류 자료를 획득하였다. 자료 분석 결과 정점 K1과 K2 모두 심층에서 해저면 유속강화가 관측되었으며, 이 심층 유속장은 20일 주기의 변동성이 강하여 조사해역의 심층 흐름은 지형의 영향을 받은 topographic Rossby wave 현상에 지배되었을 가능성이 크다. 정점 K1의 상층에서 2007년 2월 이후부터 관측된 강한 흐름은 인공위성 관측 해수면온도 자료와 유속 자료상 변화를 비교한 결과 관측 해역에 소용돌이의 통과에 의한 것으로 보이며, 이 기간 동안에 중층과 심층에서의 유속장은 상층 유속장과 상관성이 낮아 소용돌이가 심층의 유동까지 영향을 미치지 않는 것으로 나타났다. 각 정점 유향의 수직구조는 정점 K1 상층을 제외하고 수심이 깊어질수록 유향이 시계방향으로 회전하는 것으로 나타났다. 이러한 유속장의 수직구조 특성은 심층 유동이 정확하게 등심선을 따르지 않고 하향의 수직 유속 성분이 있음을 의미한다. 한편, 우산해곡을 통해 일본분지에서 울릉분지로의 심층 해수 유입의 직접적인 증거는 관측되지 않았다.

• 전자공학회논문지
• /
• 제50권9호
• /
• pp.144-155
• /
• 2013

본 논문에서는 안드로이드 앱과 TI 320F28335 MCU를 활용한 마이크로그리드용 저가형 원격 전원품질이상 감시 시스템(Remote Power-quality-failure Monitoring System : RPMS)을 제안한다. 설계한 RPMS 테스트 베드는 스마트 노드와 서버 그리고 안드로이드 앱으로 구성된다. 특별히 RPMS 스마트 노드는 기존 감시 시스템과는 달리 C2000 계열 MCU를 이용한 저가형으로 설계되며 전력신호처리를 위한 신호처리 기능과 함께 전원품질 모니터링 정보 전송을 위한 데이터 전송 기능을 포함한다. 전력신호처리 기능은 순시전압강하, 순시전압상승 혹은 순시정전에 대한 웨이브렛 기반 검출 알고리즘과 고조파에 대한 FFT 기반 검출 알고리즘을 구현하며, 이를 이용 신뢰성 있는 실시간 전원품질 감시를 가능하게 한다. 데이터 전송 기능은 전원품질 원격 감시를 위한 저 복잡도의 전용 전송 프로토콜 알고리즘을 구현하며, 품질이상 검출 메시지 전송을 위한 간단한 데이터 포맷 (msg_Diag)을 정의 사용한다. 스마트 노드 측정 결과는 서버는 물론 WiFi (혹은 WAN) 망에 연동되는 안드로이드 폰으로 전송되어 실시간 원격 모니터링을 가능하게 한다. RPMS 테스트 베드의 서버와 노드 간 통신에는 RS-232 혹은 블루투스의 유 무선통신을 이용하며, 노드에 구현된 전원품질이상 검출 알고리즘은 CCS (Code Composer Studio) 3.3 환경하에 C 언어로 구현한다.