• 전기학회논문지P
• /
• 제57권4호
• /
• pp.377-382
• /
• 2008

For stator winding protection of AC generator, KCL(Kirchhoff's Current Law) is widely applied. Actually a CRDR(Current Ratio Differential Relay) based on DFT(Discrete Fourier Transform) has been used for protecting generator. It has been pointed out that defects can occur during the process of transforming a time domain signal into a frequency domain one which can lead to loss of time domain information. Wavelets techniques are proposed for the analysis of power system transients. This paper introduces an algorithm to choose a suitable Mother Wave1et for generator stator fault detection. For optimal selection, we analyzed db(Daubechies), sym(Symlets), and coif(Coiflects) of Mother Wavelet. And we compared with performance of the choice algorithm using detail coefficients energy and RMS(root mean square) error. It can be improved the reliability of the conventional DFT based CRDR. The feasibility and effectiveness of the proposed scheme is proved with simulation using collected data obtained from ATP (Alternative Transient Program) package.

• Journal of Positioning, Navigation, and Timing
• /
• 제11권2호
• /
• pp.109-117
• /
• 2022

This paper proposes a method for detecting flight anomalies of drones through the difference between the command of flight controller (FC) and the navigation solution. If the drones make a flight normally, control errors generated by the difference between the desired control command of FC and the navigation solution should converge to zero. However, there is a risk of sudden change or divergence of control errors when the FC control feedback loop preset for the normal flight encounters interferences such as strong winds or navigation sensor abnormalities. In this paper, we propose the method with a deep neural network model that predicts the control error in the normal flight so that the abnormal flight state can be detected. The performance of proposed method was evaluated using the real-world flight data. The results showed that the method effectively detects anomalies in various situation.

• 지능정보연구
• /
• 제17권4호
• /
• pp.157-173
• /
• 2011

최근 인터넷 사용의 증가에 따라 네트워크에 연결된 시스템에 대한 악의적인 해킹과 침입이 빈번하게 발생하고 있으며, 각종 시스템을 운영하는 정부기관, 관공서, 기업 등에서는 이러한 해킹 및 침입에 의해 치명적인 타격을 입을 수 있는 상황에 놓여 있다. 이에 따라 인가되지 않았거나 비정상적인 활동들을 탐지, 식별하여 적절하게 대응하는 침입탐지 시스템에 대한 관심과 수요가 높아지고 있으며, 침입탐지 시스템의 예측성능을 개선하려는 연구 또한 활발하게 이루어지고 있다. 본 연구 역시 침입탐지 시스템의 예측성능을 개선하기 위한 새로운 지능형 침입탐지모형을 제안한다. 본 연구의 제안모형은 비교적 높은 예측력을 나타내면서 동시에 일반화 능력이 우수한 것으로 알려진 Support Vector Machine(SVM)을 기반으로, 비대칭 오류비용을 고려한 분류기준값 최적화를 함께 반영하여 침입을 효과적으로 차단할 수 있도록 설계되었다. 제안모형의 우수성을 확인하기 위해, 기존 기법인 로지스틱 회귀분석, 의사결정나무, 인공신경망과의 결과를 비교하였으며 그 결과 제안하는 SVM 모형이 다른 기법에 비해 상대적으로 우수한 성과를 보임을 확인할 수 있었다.

• 한국통신학회논문지
• /
• 제39A권7호
• /
• pp.401-403
• /
• 2014

본 논문에서는 다중안테나 single carrier frequency division multiple access (SC-FDMA) 시스템의 채널 이득 행렬 구조를 활용한 새로운 신호검출기법을 제안한다. 제안된 기법은 큰 채널이득 행렬을 여러 개의 작은 행렬로 근사화 할 수 있다는 점과 작은 행렬에 격자감소기술을 효과적으로 적용할 수 있다는 점을 활용한다. 모의실험을 통해 제안된 기법의 개선된 성능을 확인한다.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.789-799
• /
• 2018

이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.97-107
• /
• 2023

빅데이터/AI 기반 사회로의 변화에 따른 여러 혜택에서 소상공인은 상대적으로 소외될 가능성이 높다. 이를 지원하기 위해 유동인구를 기반으로 핫플레이스를 정의하여 소상공인의 창업 지역 의사 결정을 지원하고자 한다. 다양한 연구를 통해 해당 지역의 인구 규모가 소상공인의 매출에 중요한 영향을 미친다는 사실이 알려져 있다. 본 연구에서는 인천 유동인구 데이터 중 내륙 지방을 추출하여 연구를 진행하였다. 50m 간격의 격자 형태로 이루어진 데이터로 보간을 통해 일 단위로 이미지화 하였다. LOF와 GAM을 이용하여 공간적 이상치 제거 및 보간을 수행하였고, LOESS를 통해 시간적 이상치를 제거 및 보간하였다. 시간적, 공간적 특성을 모두 고려할 수 있는 ConvLSTM을 예측 모델로 사용하였으며, reconstruction error를 기반으로 이상치 탐지를 수행하는 AutoEncoder 구조를 통해 MAPE가 높은 격자가 밀집해 있는 지역을 핫플레이스로 정의하고자 한다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2000년도 하계학술대회 논문집 D
• /
• pp.2528-2530
• /
• 2000

In general, Diode makes a major role in electronic circuit. For example, switching of rectifier, cross current of switching rectifier, energy transfer of electronic element and reverse charge of capacitor, voltage insulation, energy feedback from load to power supply, and such as recovery of storaged energy. Generally, We regard power diode as ideal element, but it has a certain boundary actually, specially, We use diode for detecting circuit peak hold voltage signal. It has cut in voltage. It occurs error of measurement value namely. This error, below in region diode voltage drop (0.7v) measurement value is wholesome signal, Specially, We can not get precision data. Therefore, precision level is low between theoretical and measurement data because of error in actual circuit. Conclusionally, In this paper, We define the error concerning to the power diode characteristics which is used detecting of the minute signal, and recommend the method that minimize measurement error.

• 한국산업정보학회논문지
• /
• 제27권2호
• /
• pp.71-82
• /
• 2022

자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정에서 생산된 제품의 샘플링 인장검사를 대체하기 위해 현재 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 이러한 문제점들을 해결하기 위해 최근 딥러닝 기술을 적용하는 사례들이 발생하고 있다. 본 논문도 그런 사례 중 하나로 기존 제품 검사에 딥러닝 기술 중 하나인 Faster R-CNN을 적용하여 그 유용성을 파악하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하여 Faster R-CNN ResNet101 V1 1024x1024 모델을 사용하여 학습하였다. 검사 기준인 미검률 0%, 과검률 10%의 기준으로 기존 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 기존 비전검사에서 34.5%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 비전검사에서 100%, Faster R-CNN에서 6.9%였다. 결론적으로 자동차용 배터리 리드탭 암흔 오류 검출에 딥러닝 기술이 매우 유용함을 확인할 수 있었다.

• 지능정보연구
• /
• 제18권1호
• /
• pp.125-141
• /
• 2012

본 연구는 최근 그 중요성이 한층 높아지고 있는 침입탐지시스템(IDS, Intrusion Detection System)의 침입탐지모형을 개선하기 위한 방안으로 유전자 알고리즘에 기반한 새로운 통합모형을 제시한다. 본 연구의 제안모형은 서로 상호보완적 관계에 있는 이분류 모형인 로지스틱 회귀분석(LOGIT, Logistic Regression), 의사결정나무(DT, Decision Tree), 인공신경망 (ANN, Artificial Neural Network), 그리고 SVM(Support Vector Machine)의 예측결과에 적절한 가중치를 부여해 최종 예측결과를 산출하도록 하였는데, 이 때 최적 가중치의 탐색을 위한 방법으로는 유전자 알고리즘을 사용한다. 아울러, 본 연구에서는 1차적으로 오탐지율을 최소화하는 최적의 모형을 산출한 뒤, 이어 비대칭 오류비용 개념을 반영해 오탐지로 인해 발생할 수 있는 전체 비용을 최소화할 수 있는 최적 임계치를 탐색, 최종적으로 가장 비용 효율적인 침입탐지모형을 도출하고자 하였다. 본 연구에서는 제안모형의 우수성을 확인하기 위해, 국내 한 공공기관의 보안센서로부터 수집된 로그 데이터를 바탕으로 실증 분석을 수행하였다. 그 결과, 본 연구에서 제안한 유전자 알고리즘 기반 통합모형이 인공신경망이나 SVM만으로 구성된 단일모형에 비해 학습용과 검증용 데이터셋 모두에서 더 우수한 탐지율을 보임을 확인할 수 있었다. 비대칭 오류비용을 고려한 전체 비용의 관점에서도 단일모형으로 된 비교모형에 비해 본 연구의 제안모형이 더 낮은 비용을 나타냄을 확인할 수 있었다. 이렇게 실증적으로 그 효과가 검증된 본 연구의 제안 모형은 앞으로 보다 지능화된 침입탐지시스템을 개발하는데 유용하게 활용될 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제34권2_2호
• /
• pp.327-338
• /
• 2018

본 연구는 운영레벨에서의Kompsat-5 SAR (Synthetic Aperture Radar) 영상과AIS (Automatic Identification System) 자료를 이용한 선박탐지 모니터링 가능성을 검토하였다. 분석을 위해 신진항 서측연안과 제주항 북측연안에서 수집된 Kompsat-5 SLC 영상과 연안에서 수집된 AIS 자료를 사용하였다. Kompsat-5 영상의 선박탐지를 위해 HVAS (Human Visual Attention System) 알고리즘을 적용하였다. HVAS는 CFAR (Constant False Alarm Rate)에 비해 탐지속도와 탐지율 측면에서 뛰어나다는 장점을 가지고 있다. 통합 분석결과 소형선박을 제외하고 Kompsat-5 선박탐지 결과와 AIS는 전반적으로 일치하는 것으로 분석되었다. Kompsat-5 영상에서 탐지되었으나 AIS 자료에서 탐지되지 않은 선박은 육안 판독을 통해 AIS 자료의 부재로 인한 것으로 보인다. 한편 SAR 영상에서도 선박의 기포항적, 육지 masking을 위해 사용된 DEM 파일의 오차(또는 위성궤도 오차), 그리고 고스트 현상에 의한 오탐지가 발생하였다. 향후 SAR 영상 분석 알고리즘 개선과 신뢰성 있는 AIS 자료 확보를 통한 운영레벨에서의 선박탐지 모니터링 기술 개발은 국가해양영토 광역감시망 구축에 크기 기여할 것이다.