• Nuclear Engineering and Technology
• /
• 제55권3호
• /
• pp.827-838
• /
• 2023

Centrifugal pump is a key part of nuclear power plant systems, and its health status is critical to the safety and reliability of nuclear power plants. Therefore, fault diagnosis is required for centrifugal pump. Traditional fault diagnosis methods have difficulty extracting fault features from nonlinear and non-stationary signals, resulting in low diagnostic accuracy. In this paper, a new fault diagnosis method is proposed based on the improved particle swarm optimization (IPSO) algorithm-based variational modal decomposition (VMD) and relevance vector machine (RVM). Firstly, a simulation test bench for rotor faults is built, in which vibration displacement signals of the rotor are also collected by eddy current sensors. Then, the improved particle swarm algorithm is used to optimize the VMD to achieve adaptive decomposition of vibration displacement signals. Meanwhile, a screening criterion based on the minimum Kullback-Leibler (K-L) divergence value is established to extract the primary intrinsic modal function (IMF) component. Eventually, the factors are obtained from the primary IMF component to form a fault feature vector, and fault patterns are recognized using the RVM model. The results show that the extraction of the fault information and fault diagnosis classification have been improved, and the average accuracy could reach 97.87%.

• 한국안전학회지
• /
• 제38권6호
• /
• pp.72-78
• /
• 2023

The purpose of this paper is to derive a quantified approach for Operator Manual Actions (OMAs) based on the existing fire Human Reliability Analysis (HRA) methodology developed by the Korea Atomic Energy Research Institute (KAERI). The existing fire HRA method was reviewed, and supplementary considerations for OMA quantification were established through a comparative analysis with NUREG-1852 criteria and the review of the existing literature. The OMA quantification approach involves a timeline that considers the occurrence of Multiple Spurious Operations (MSOs) during a Main Control Room Abandonment (MCRA) determination and movement towards the Remote Shutdown Panel (RSP) in the event of a Main Control Room (MCR) fire. The derived failure probability of an OMA from the approach proposed in this paper is expected to enhance the understanding of its reliability. Therefore, it allows moving beyond the deterministic classification of "reliable" or "unreliable" in NUREG-1852. Also, in the event of a nuclear power plant fire where multiple OMAs are required within a critical time range, it is anticipated that the OMA failure probability could serve as a criterion for prioritizing OMAs and determining their order of importance.

• 전자공학회논문지CI
• /
• 제42권4호
• /
• pp.33-42
• /
• 2005

본 논문에서는 소속 함수와 신경망을 이용한 유전자 발현 정보의 분류 기법을 제안한다. 유전자 발현은 유전자가 mRNA와 생체의 기능을 일으키게 하는 단백질을 만들어내는 과정이다. 유전자 발현에 대한 정보는 유전자의 기능을 밝히고 유전자간의 상관 관계를 알아내는데 중요한 역할을 한다. 이러한 유전자 발현 연구를 위한 정보를 대량으로 신속하게 얻을 수 있는 도구가 DNA 칩이다. DNA 칩으로 얻은 수백$\~$수천개의 데이터는 그 데이터만으로는 의미를 갖지 못한다. 따라서 유전자 발현정도에 따라 수치적으로 획득된 데이터에서 의미적인 특성을 찾아내기 위해서는 클러스터링 방법이 필요하다. 본 논문에서는 수많은 유전자 데이터 중에서 주요 정보를 포함한 것으로 판단되는 유전자 데이터를 피셔 기준에 의하여 선택한다. 이때 선택된 데이터들이 클러스터링에 효과적인 데이터라고 보장할 수 없으므로, 클러스터링 성능을 저해하는 유전자 데이터의 영향력을 감소시키기 위해서 소속 함수를 이용하여 특징값을 계산하고, 계산된 특징값으로 얻은 특징 벡터들을 적용하여 역전파 신경망 학습을 수행한다. 본 논문에서 제안한 유전자 발현 정보의 분류 결과로 얻은 클러스터링의 성능은 기존의 연구 결과와 비교했을 때 다양한 유전자 데이터에 대하여 향상된 인식율을 보이는 것을 확인할 수 있었다.

• 수산해양기술연구
• /
• 제32권1호
• /
• pp.33-41
• /
• 1996

In order to obtain the most favourable classification system for fishing gears, the problems in the existing systems were investigated and a new system in which the fishing method was adopted as the criterion of classification and the kinds of fishing gears were obtained by exchanging the word method into gear in the fishing methods classified newly for eliminating the problems was established. The new system to which the actual gears are arranged is as follows ; (1)Harvesting gear \circled1Plucking gears : Clamp, Tong, Wrench, etc. \circled2Sweeping gears : Push net, Coral sweep net, etc. \circled3Dredging gears : Hand dredge net, Boat dredge net, etc. (2)Sticking gears \circled1Shot sticking gears : Spear, Sharp plummet, Harpoon, etc. \circled2Pulled sticking gears : Gaff, Comb, Rake, Hook harrow, Jerking hook, etc. \circled3Left sticking gears : Rip - hook set line. (3)Angling gears \circled1Jerky angling gears (a)Single - jerky angling gears : Hand line, Pole line, etc. (b)Multiple - jerky angling gears : squid hook. \circled2Idly angling gears (a)Set angling gears : Set long line. (b)Drifted angling gears : Drift long line, Drift vertical line, etc. \circled3Dragged angling gears : Troll line. (4)Shelter gears : Eel tube, Webfoot - octopus pot, Octopus pot, etc. (5)Attracting gears : Fishing basket. (6)Cutoff gears : Wall, Screen net, Window net, etc. (7)Guiding gears \circled1Horizontally guiding gears : Triangular set net, Elliptic set net, Rectangular set net, Fish weir, etc. \circled2Vertically guiding gears : Pound net. \circled3Deeply guiding gears : Funnel net. (8)Receiving gears \circled1Jumping - fish receiving gears : Fish - receiving scoop net, Fish - receiving raft, etc. \circled2Drifting - fish receiving gears (a)Set drifting - fish receiving gears : Bamboo screen, Pillar stow net, Long stow net, etc. (b)Movable drifting - fish receiving gears : Stow net. (9)Bagging gears \circled1Drag - bagging gears (a)Bottom - drag bagging gears : Bottom otter trawl, Bottom beam trawl, Bottom pair trawl, etc. (b)Midwater - drag gagging gears : Midwater otter trawl, Midwater pair trawl, etc. (c)Surface - drag gagging gears : Anchovy drag net. \circled2Seine - bagging gears (a)Beach - seine bagging gears : Skimming scoop net, Beach seine, etc. (b)Boat - seine bagging gears : Boat seine, Danish seine, etc. \circled3Drive - bagging gears : Drive - in dustpan net, Inner drive - in net, etc. (10)Surrounding gears \circled1Incomplete surrounding gears : Lampara net, Ring net, etc. \circled2Complete surrounding gears : Purse seine, Round haul net, etc. (11)Covering gears \circled1Drop - type covering gears : Wooden cover, Lantern net, etc. \circled2Spread - type covering gears : Cast net. (12)Lifting gears \circled1Wait - lifting gears : Scoop net, Scrape net, etc. \circled2Gatherable lifting gears : Saury lift net, Anchovy lift net, etc. (13)Adherent gears \circled1Gilling gears (a)Set gilling gears : Bottom gill net, Floating gill net. (b)Drifted gilling gears : Drift gill net. (c)Encircled gilling gears : Encircled gill net. (d)Seine - gilling gears : Seining gill net. (e)Dragged gilling gears : Dragged gill net. \circled2Tangling gears (a)Set tangling gears : Double trammel net, Triple trammel net, etc. (b)Encircled tangling gears : Encircled tangle net. (c)Dragged tangling gears : Dragged tangle net. \circled3Restrainting gears (a)Drifted restrainting gears : Pocket net(Gen - type net). (b)Dragged restrainting gears : Dragged pocket net. (14)Sucking gears : Fish pumps.

• 전자공학회논문지
• /
• 제51권6호
• /
• pp.201-208
• /
• 2014

본 논문은 DTW 결과를 이용하여 분류기 구조를 설계하는 알고리즘을 제안한다. 제안된 알고리즘은 다수 클래스의 데이터를 분류하기 위한 SVM 기반 이진트리 구조를 설계하는데 있어 DTW 결과를 이용한다. 각 클래스에 대한 데이터를 DTW의 입력으로 하여 얻어진 결과행렬의 열의 합을 이용하여 계산된 임계치를 기준으로 SVM 기반 이진트리 구조(SVM-BTA)를 설계한다. 제안된 알고리즘의 성능 비교를 위해 데이터베이스와 k-means 알고리즘을 이용한 이진트리 구조의 분류 결과를 비교한다. 분류에 사용된 데이터는 수중과도소음 데이터베이스의 18개 클래스 333개의 데이터이다. 제안된 분류기는 데이터베이스의 체계를 이용한 분류기에 비해 분류성능이 향상되었고, k-means 알고리즘을 이용한 분류기에 비해 비 생물소음의 검출 확률이 향상되었다. 제안된 SVM-BTA는 생물 소음(BO) 68.77%, 기계 소음인 체인(CHAN) 92.86%, 그 외의 기계 소음 및 음향학적 소음, 기타소음의 6종은 100%로 분류한다.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.27-36
• /
• 2019

본 연구에서는 공개된 뇌파 데이터인 DEAP(A Database for Emotion Analysis using Physiological Signals) 데이터 세트를 활용한 감정분류 분석 및 정확도 향상에 대한 실험을 진행하였다. 실험에는 32명에 대한 32개의 뇌파측정 채널 데이터가 모두 사용되었다. 전처리과정에서는 뇌파 데이터에 대한 256Hz 샘플링작업을 진행하였고, 유한 임펄스 응답 필터를 사용하여 주파수 대역별로 쎄타(4-8Hz), 슬로 알파(8-10Hz), 알파(8-12Hz), 베타(12-30Hz), 감마(31-45Hz) 파형에 대한 데이터를 추출하였다. 추출한 데이터는 시간-주파수 변형을 통하여 데이터의 상태를 구분한 후에, 독립성분분석방법을 통해 잡음(Artifact)을 제거하여 데이터를 정제했다. 도출된 데이터는 분류기 기계학습 알고리즘 실험을 시행할 수 있도록 CSV 파일로 변형 하였으며, 감정분류에는 Arousal-Valence 평면을 사용하였다. 감정은 "긍정적(Positive)", "부정적(Negative)" 이외에 평온한 상태로 존재하는 "중립적(Neutral)"의 3가지 상태로 분류하였다. 정확도를 개선하기 위해서 랜덤 포레스트(Random Forest) 알고리즘에 속성 선택적 분류기(Attribute Selected Classifier: ASC) 방식에 의해 선택된 속성을 적용하여 실험하였다. 정확도는 "각성(Arousal)" 부분에서 Koelstra의 결과보다 "32.48%" 높은 결과가 도출되었고, Liu의 실험의 "정서가(Valence)"와 비교해보면 ASC(Random Forest) 결과가 "8.13%" 더 높은 결과를 도출하였다. 정확도를 개선하기 위해 ASC 방식을 적용한 랜덤 포레스트 분류기 실험결과에서는 전체평균을 기준으로 기존 연구 결과와 대비하여 "2.68%" 높은 정확도가 도출되었다.

• 지능정보연구
• /
• 제20권1호
• /
• pp.133-148
• /
• 2014

최근 다양한 정보채널들의 등장으로 인해 빅데이터에 대한 관심이 높아지고 있다. 이와 같은 현상의 가장 큰 원인은, 스마트기기의 사용이 활성화 됨에 따라 사용자가 생성하는 텍스트, 사진, 동영상과 같은 비정형 데이터의 양이 크게 증가하고 있는 것에서 찾을 수 있다. 특히 비정형 데이터 중에서도 텍스트 데이터의 경우, 사용자들의 의견 및 다양한 정보를 명확하게 표현하고 있다는 특징이 있다. 따라서 이러한 텍스트에 대한 분석을 통해 새로운 가치를 창출하고자 하는 시도가 활발히 이루어지고 있다. 텍스트 분석을 위해 필요한 기술은 대표적으로 텍스트 마이닝과 오피니언 마이닝이 있다. 텍스트 마이닝과 오피니언 마이닝은 모두 텍스트 데이터를 입력 데이터로 사용할 뿐 아니라 파싱, 필터링 등 자연어 처리기술을 사용한다는 측면에서 많은 공통점을 갖고 있다. 특히 문서의 분류 및 예측에 있어서 목적 변수가 긍정 또는 부정의 감성을 나타내는 경우에는, 전통적 텍스트 마이닝, 또는 감성사전 기반의 오피니언 마이닝의 두 가지 방법론에 의해 오피니언 분류를 수행할 수 있다. 따라서 텍스트 마이닝과 오피니언 마이닝의 특징을 구분하는 가장 명확한 기준은 입력 데이터의 형태, 분석의 목적, 분석의 결과물이 아닌 감성사전의 사용 여부라고 할 수 있다. 따라서 본 연구에서는 오피니언 분류라는 동일한 목적에 대해 텍스트 마이닝과 오피니언 마이닝을 각각 사용하여 예측 모델을 수립하는 과정을 비교하고, 결과로 도출된 모델의 예측 정확도를 비교하였다. 오피니언 분류 실험을 위해 영화 리뷰 2,000건에 대한 실험을 수행하였으며, 실험 결과 오피니언 마이닝을 통해 수립된 모델이 텍스트 마이닝 모델에 비해 전체 구간의 예측 정확도 평균이 높게 나타나고, 예측의 확실성이 강한 문서일수록 예측 정확성이 높게 나타나는 일관적인 성향을 나타내는 등 더욱 바람직한 특성을 보였다.

• 수면정신생리
• /
• 제24권1호
• /
• pp.24-31
• /
• 2017

목 적 : 이 연구에서는 PLMS 지수의 변화에 따라 수면다원검사 상 나타나는 수면 변수들과 주간 졸림 증상의 변화가 있는지 살펴보고, PLMD의 바람직한 진단 기준으로서의 PLMS 지수에 대해 알아보고자 하였다. 방 법 : 총 4195명 환자들에 대해 수면다원검사를 시행한 기록을 조사하여, 17세 이상이고, 원발성 불면증, 수면무호흡증, 기면병, 렘수면 행동장애가 없는 666명의 대상 환자들을 선택하였다. 대상 환자들의 PLMS 지수에 따라 5 이하인 그룹(1 그룹)과, 5에서 15 사이인 그룹(2 그룹), 15를 초과하는 그룹(3그룹)의 세 그룹으로 나누어 비교하였다. 각 그룹별로 연령, 성별, Epworth 졸림 척도, 수면 효율, 입면 후 각성시간, 수면 잠복기, 1단계 수면분율, 2단계 수면분율, 3단계 수면분율, REM 수면분율 등의 변수를 비교하였다. 결 과 : 세 그룹은 연령과 성별에서 통계적으로 의미 있는 차이를 보였다. 수면 효율, WASO, 3단계 수면분율에서 1그룹과 2, 3그룹은 의미 있는 차이를 보였고, 2그룹과 3그룹 사이에는 차이가 없었다. 수면 잠복기와 Epworth 졸림척도에서 1그룹과 3그룹이 의미 있는 차이가 있었고, 2그룹과 3그룹 사이에는 차이가 없었다. 연령을 제어 변수로 설정하고 편상관분석을 실시한 결과 PLMS 지수는 수면 효율, WASO와 의미 있는 상관관계를 나타냈다. 결 론 : 이 연구 결과를 통해 PLMS 지수에 따라 수면다원검사 상 수면 변수의 변화가 있음을 알게 되었다. 또한 변화된 중요 수면 변수에서 2그룹과 3그룹이 차이가 없는 것으로 나타나서, PLMS 지수가 5 이상을 PLMD라고 진단했던 예전 진단 기준을 좀더 옹호하는 결과인 것으로 나타났다.

• 한국지리정보학회지
• /
• 제2권2호
• /
• pp.79-86
• /
• 1999

본 연구는 1995년 4월 5일 진주시 월아산지역에서 발생한 산화지를 1995년 5월에 관측된 Landsat TM화상 데이터로부터 산림내 피해지를 분류하고 그 입목손실량을 추정하기 위해서 실시되었다. 화상 데이터에서 11개의 GCP를 선정하여 Affine좌표변환식에 의해 TM지도좌표체계에 일치되도록 화상을 기하보정 처리한 후 공1차내삽법(bilinear interpolation)에 의해 재배열하였다. 재배열된 화상 데이타를 감독분류 중 최대우도법에 의해 토지이용구분을 실시하였다. 산화지로 분류된 지역과 비산화지로 분류된 인접지역 중 임상(Pinus thunbergii)과 지형이 동일한 지역을 GIS기법에 의해 추출하고 이 지역을 표준지로 선정하였다. 선정된 표준지를 중심으로 표준목의 재적과 수령을 Criterion laser estimator와 WinDENDRO$^{tm}$(v. 6.3b)시스템에 의해 분석하였다. 표준목의 흉고직경은 20.9cm, 수고는 9.7m, 재적은 $0.1396m^3$으로서 표준지의 임분재적은 $2.9316m^3$/0.04ha로 나타났으며, 산화지 218.4ha에서의 총 입목손실량은 $16,007m^3$로 평가되었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.535-542
• /
• 2013

사례기반추론(CBR)은 많은 장점으로 인해 지금까지 의료진단, 생산계획, 고객분류 등 다양한 분야의 의사결정 지원에 적용되어 왔다. 그러나, 효과적인 CBR 시스템을 설계, 구축하기 위해서는 연구자가 직관적으로 설정해야 할 많은 설계요소들이 존재한다. 본 연구에서는 이러한 CBR의 여러 설계요소들 중 사례 검색 단계에서 결합할 이웃 사례들을 보다 효과적으로 선정할 수 있는 새로운 모형을 제시한다. 기존 연구에서는 결합할 이웃 사례를 선정하는 방법으로 사전에 정해진 이웃사례의 수(k-NN의 k)를 적용하든가, 혹은 최대 유사도의 상대적 비율을 임계치로 사용하는 방식을 적용해 왔다. 하지만, 본 연구에서는 결합할 유사사례를 선택하는 새로운 기준으로 0에서 1사이의 값을 갖는 절대적 유사 임계치를 사용할 것을 제안한다. 이 경우, 임계치 값이 과도하게 작아지게 되면, 예측결과의 생성이 잘 이루어지지 않을 수 있는 문제가 발생할 수 있다. 이에, 전체 학습사례들 중에서 예측결과가 생성된 사례의 비중을 커버리지(coverage)로 정의하고, 이를 유사 임계치 최적화 시 제약조건으로 설정함으로서, 사용자가 원하는 수준의 커버리지는 유지한 상태에서 가장 효과적인 유사 사례를 찾아 추론할 수 있도록 모형을 설계하였다. 제안 모형의 유용성을 검증하기 위해, 본 연구에서는 이 모형을 실존하는 국내 한 온라인 쇼핑몰의 표적 마케팅 사례에 적용하였다. 그 결과, 제안 모형이 CBR의 예측 성과를 유의미하게 개선시킬 수 있음을 확인할 수 있었다.