• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2002년도 추계종합학술대회
• /
• pp.779-783
• /
• 2002

변성기용 절연 재료로 사용되는 에폭시 수지를 시료로 선정, 5종의 배합비로 제작한 시편에 대해 절연 파괴 실험을 하며, 얻어진 데이터를 와이블 분포식을 이용, 경년 열화(經年劣和) 데이터의 통계 처리 방법을 제안하였다. 경화제 비율이 증가하면 에폭시 경화물의 에스터화로 인해 가교 밀도가 증가함으로써 저온에서의 파괴 강도가 높아졌으며, 유리 전이 온도(Tg) 영역인 11$0^{\circ}C$ 부근에서는 분자 운동이 활발해짐으로써 급격히 파괴 강도가 저하하였다. 또한, 충진제를 첨가한 경우 접합 계면에 전자가 가속되어 전반적인 파괴 강도는 무충진에 비해 낮게 나타났으며, 실란 처리를 한 경우에는 계면 접합 상태가 개선되어 충진제만을 첨가한 시료보다 좋은 절연성을 나타냈다. 와이블 분포의 분석으로부터 기기 절연의 허용 파괴 확률을 0.1% 이하로 낮추기 위해서는 허용인가 전계값이 21.5 MV/cm 이하가 되어야함을 알 수 있었다.

• 전자공학회논문지SC
• /
• 제38권5호
• /
• pp.70-78
• /
• 2001

본 연구에서는 전류제어 효과를 갖는 전압제어 펄스폭 변조 방식의 5' true color FED 구동시스템을 설계하였다. 제안한 구동방식은 전압제어 펄스폭 변조방식과 전류제어 방식의 장점을 가지고 있다. 또한, FED 구동회로의 시뮬레이션을 위하여 FED 서브 픽셀에 대한 새로운 회로 모델을 제안한다. 제안된 모델은 FED 서브 픽셀의 특성과 FED 패널의 기생 효과인 게이트 라인간 커플링 현상과 인접한 캐소드 라인을 통하여 흐르는 누설 전류 등을 고려하고 있다. FED 구동회로의 출력단은 제안된 모델을 사용하여 최적화되었다. R.G.B 입력데이터 신호 처리를 병렬처리 방식으로 하여 기존의 직렬처리 방식에 비해서 화면에 영상을 디스플레이하는 duty ratio를 최대로 하여 휘도를 높일 수 있도록 하였다. 이러한 연구 결과를 바탕으로 $300{\times}224$의 해상도를 가지는 5' true color FED를 성공적으로 디스플레이 하였다.

• 전기학회논문지
• /
• 제67권1호
• /
• pp.114-123
• /
• 2018

This paper concerns a design and learning method of softmax function neural networks based on K-means clustering. The partial discharge data Information is preliminarily processed through simulation using an Epoxy Mica Coupling sensor and an internal Phase Resolved Partial Discharge Analysis algorithm. The obtained information is processed according to the characteristics of the pattern using a Motor Insulation Monitoring System program. At this time, the processed data are total 4 types that void discharge, corona discharge, surface discharge and slot discharge. The partial discharge data with high dimensional input variables are secondarily processed by principal component analysis method and reduced with keeping the characteristics of pattern as low dimensional input variables. And therefore, the pattern classifier processing speed exhibits improved effects. In addition, in the process of extracting the partial discharge data through the MIMS program, the magnitude of amplitude is divided into the maximum value and the average value, and two pattern characteristics are set and compared and analyzed. In the first half of the proposed partial discharge pattern classifier, the input and hidden layers are classified by using the K-means clustering method and the output of the hidden layer is obtained. In the latter part, the cross entropy error function is used for parameter learning between the hidden layer and the output layer. The final output layer is output as a normalized probability value between 0 and 1 using the softmax function. The advantage of using the softmax function is that it allows access and application of multiple class problems and stochastic interpretation. First of all, there is an advantage that one output value affects the remaining output value and its accompanying learning is accelerated. Also, to solve the overfitting problem, L2-normalization is applied. To prove the superiority of the proposed pattern classifier, we compare and analyze the classification rate with conventional radial basis function neural networks.