• 한국정보전자통신기술학회논문지
• /
• 제12권3호
• /
• pp.242-250
• /
• 2019

본 논문에서는 인공신경망(Artificial Neural Network) 모델 중, 시계열 데이터의 변환을 위한 모델인 Seq2Seq(Sequence to Sequence) 모델을 이용한 산업용 로봇 고장 예지 기술에 대하여 제안한다. 제안 방법은 고장 예지를 위한 추가적인 센서의 부착 없이 로봇 자체적으로 측정 가능한 관절 별 전류와 각도 값을 데이터로 사용하였고, 측정된 데이터를 모델이 학습할 수 있도록 전처리한 후, Seq2Seq 모델을 통해 전류를 각도로 변환하도록 지도 학습 하였다. 고장 진단을 위한 이상 정도(Abnormal degree)는 예측 각도와 실제 각도 간의 단위시간 동안의 RMSE(Root Mean Squared Error)를 사용하였다. 제안 방법의 성능평가는 로봇의 정상 및 결함 조건을 달리한 상태에서 측정한 테스트 데이터를 이용하여 수행되었고 이상 정도가 임계값 넘어가면 고장으로 분류하게 하여, 실험으로부터 96.67% 고장 진단 정확도를 보였다. 제안 방법은 별도의 추가적인 센서 없이 고장 예지 수행이 가능하다는 장점이 있으며, 로봇에 대한 깊은 전문지식을 요구하지 않으면서 수행할 수 있는 방법으로 높은 진단 성능과 효용성을 실험으로부터 확인하였다.

• 센서학회지
• /
• 제1권2호
• /
• pp.155-163
• /
• 1992

위상배열 안테나 레이다에서는 기계적 관성에 관계없이 레이다 빔의 신속한 조향이 가능하기 때문에 측정을 원하는 목표와 그 목표에 대한 측정시간, 측정표본속도를 선택적으로 취할 수 있게 된다. 이 논문에서는 주어진 측정 파라미터에 대해 이러한 위상배열 레이다 시스템을 위한 3차원 가변 포본화 빈도 추적 필터를 설계했다. 이 추적 필터는 추적목표의 탐지확률을 적정한 값 이상으로 유지하기 위해서 목표의 각도 예측오차를 안테나 빔 폭의 일정한 비율이내로 줄일 수 있어야 한다. 여기서 설계한 추적 필터는 이러한 요구를 만족하는 범위에서 표본화 빈도를 낮출 수 있도록 목표까지의 거리와 기동에 따라 표본화 빈도를 선택하게 된다. 이 추적 필터설계의 타당성은 여러가지 기동목표에 대한 수치실험을 통해 확인했다.

• 한국항행학회논문지
• /
• 제28권3호
• /
• pp.262-271
• /
• 2024

본 논문에서는 관측소에서 위성을 관측할 때 나오는 광학 관측 데이터인 각도 정보를 통해 A.I 기법 중 하나인 심층 학습을 적용하여 관측소에서 위성까지의 거리 정보를 학습시켜 거리 정보를 예측하게 만들어 위성의 궤도결정 정밀도를 높였다. 이를 위해 GMAT에서 관측 데이터를 생성하고, 생성된 관측 데이터를 전처리 과정을 통해 심층 학습의 학습 데이터 오차를 줄였으며, MATLAB을 통해 심층 학습을 진행하였다. 학습을 통해 나온 예측된 거리 정보를 토대로 궤도결정의 필터링 기법 중 하나인 확장 칼만 필터를 GMAT을 통해 사용하여 궤도결정을 실시 하였다. 거리 정보가 없는 각도 정보를 가지고 한 궤도결정과 모델을 통해 나온 예측된 거리 정보가 있는 궤도결정 결과를 비교 분석하여 모델의 신뢰성을 검증하였으며, 실제 관측 데이터를 기반으로 결과를 비교 분석하여 궤도결정의 정밀도가 향상됨을 보여준다.