• Smart Structures and Systems
• /
• 제30권6호
• /
• pp.613-626
• /
• 2022

Guaranteeing the quality and integrity of structural health monitoring (SHM) data is very important for an effective assessment of structural condition. However, sensory system may malfunction due to sensor fault or harsh operational environment, resulting in multiple types of data anomaly existing in the measured data. Efficiently and automatically identifying anomalies from the vast amounts of measured data is significant for assessing the structural conditions and early warning for structural failure in SHM. The major challenges of current automated data anomaly detection methods are the imbalance of dataset categories. In terms of the feature of actual anomalous data, this paper proposes a data anomaly detection method based on data-level and deep learning technique for SHM of civil engineering structures. The proposed method consists of a data balancing phase to prepare a comprehensive training dataset based on data-level technique, and an anomaly detection phase based on a sophisticatedly designed network. The advanced densely connected convolutional network (DenseNet) and Transformer encoder are embedded in the specific network to facilitate extraction of both detail and global features of response data, and to establish the mapping between the highest level of abstractive features and data anomaly class. Numerical studies on a steel frame model are conducted to evaluate the performance and noise immunity of using the proposed network for data anomaly detection. The applicability of the proposed method for data anomaly classification is validated with the measured data of a practical supertall structure. The proposed method presents a remarkable performance on data anomaly detection, which reaches a 95.7% overall accuracy with practical engineering structural monitoring data, which demonstrates the effectiveness of data balancing and the robust classification capability of the proposed network.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.167-179
• /
• 2022

This article develops a long-term condition assessment method for stay cables in cable stayed bridges using the monitored cable tension forces under operational condition. Based on the concept of influence surface, the matched cable tension ratio of two cables located at the same side (either in the upstream side or downstream side) is theoretically proven to be related to the condition of stay cables and independent of the positions of vehicles on the bridge. A sensor grouping scheme is designed to ensure that reliable damage detection result can be obtained even when sensor fault occurs in the neighbor of the damaged cable. Cable forces measured from an in-service cable-stayed bridge in China are used to demonstrate the accuracy and effectiveness of the proposed method. Damage detection results show that the proposed approach is sensitive to the rupture of wire damage in a specific cable and is robust to environmental effects, measurement noise, sensor fault and different traffic patterns. Using the damage sensitive feature in the proposed approach, the metrics such as accuracy, precision, recall and F1 score, which are used to evaluate the performance of damage detection, are 97.97%, 95.08%, 100% and 97.48%, respectively. These results indicate that the proposed approach can reliably detect the damage in stay cables. In addition, the proposed approach is efficient and promising with applications to the field monitoring of cables in cable-stayed bridges.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.168-168
• /
• 2023

The frequent occurrence of cyanobacterial harmful algal blooms (CHABs) in inland waters under climate change seriously damages the ecosystem and human health and is becoming a big problem in South Korea. Satellite remote sensing is suggested for effective monitoring CHABs at a larger scale of water bodies since the traditional method based on sparse in-situ networks is limited in space. However, utilizing a standalone variable of satellite reflectances in common CHABs dual-models, which relies on both chlorophyll-a (Chl-a) and phycocyanin or cyanobacteria cells (Cyano-cell), is not fully beneficial because their seasonal variation is highly impacted by surrounding meteorological and bio-environmental factors. Along with the development of Artificial Intelligence (AI), monitoring CHABs from space with analyzing the effects of environmental factors is accessible. This study aimed to investigate the potential application of AI in the dual-model strategy (Chl-a and Cyano-cell are output parameters) for monitoring seasonal dynamics of CHABs from satellites over Korean inland waters. The Sentinel-3 satellite was selected in this study due to the variety of spectral bands and its unique band (620 nm), which is sensitive to cyanobacteria. Via the AI-based feature selection, we analyzed the relationships between two output parameters and major parameters (satellite water-leaving reflectances at different spectral bands), together with auxiliary (meteorological and bio-environmental) parameters, to select the most important ones. Several AI models were then employed for modelling Chl-a and Cyano-cell concentration from those selected important parameters. Performance evaluation of the AI models and their comparison to traditional semi-analytical models were conducted to demonstrate whether AI models (using water-leaving reflectances and environmental variables) outperform traditional models (using water-leaving reflectances only) and which AI models are superior for monitoring CHABs from Sentinel-3 satellite over a Korean inland water body.

• 전기학회논문지
• /
• 제66권9호
• /
• pp.1392-1401
• /
• 2017

In this study, the design methodology of pattern classification is introduced for avoiding faults through partial discharge occurring in the power facilities and local sites. In order to classify some partial discharge types according to the characteristics of each feature, the model is constructed by using the Radial Basis Function Neural Networks(RBFNNs) and Particle Swarm Optimization(PSO). In the input layer of the RBFNNs, the feature vector is searched and the dimension is reduced through Principal Component Analysis(PCA) and PSO. In the hidden layer, the fuzzy coefficients of the fuzzy clustering method(FCM) are tuned using PSO. Raw datasets for partial discharge are obtained through the Motor Insulation Monitoring System(MIMS) instrument using an Epoxy Mica Coupling(EMC) sensor. The preprocessed datasets for partial discharge are acquired through the Phase Resolved Partial Discharge Analysis(PRPDA) preprocessing algorithm to obtain partial discharge types such as void, corona, surface, and slot discharges. Also, when the amplitude size is considered as two types of both the maximum value and the average value in the process for extracting the preprocessed datasets, two different kinds of feature datasets are produced. In this study, the classification ratio between the proposed RBFNNs model and other classifiers is shown by using the two different kinds of feature datasets, and also we demonstrate the proposed model shows superiority from the viewpoint of classification performance.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권11호
• /
• pp.789-794
• /
• 2013

차량 추적 시스템(vehicle tracking system)은 교통 흐름 파악, 차량 감시, 사고 감지 등을 통하여 교통 정체에 따른 차량의 이동 경로를 유도할 수 있고, 교통사고를 사전에 방지할 수 있게 하는 시스템이다. 효과적인 차량 추적을 위해서는 먼저 연속된 영상 내의 각 객체의 특징 값을 추출하여 영상 내에 존재하는 차량 객체를 인지할 수 있어야 한다. 다음으로, 검출된 다중 객체에 대하여 영상 간 객체 매칭을 통해 연속된 프레임에 걸쳐 출현하는 동일한 차량을 인식함으로써 각 차량의 움직임을 추적할 수 있다. 본 논문에서는 차 영상의 이진화 및 레이블링(labeling)을 통하여 객체를 검출하고, 검출한 객체의 최소 외접 직사각형(minimum bounding rectangle: MBR)의 중심 좌표와 이 MBR의 가로, 세로 방향에 대한 라인(line)별 1D FFT(fast Fourier transform) 변환 결과의 평균 계수 값을 계산하여 객체의 특징 값을 구한다. 다음으로, 연속된 프레임에 걸쳐 출현하는 객체들 중 유사도가 가장 높은 객체 쌍을 동일한 객체로 인식하여 객체를 추적하는 방법을 제안한다. 실험 결과, 제안한 방법은 객체의 기하학적 특성에 기초한 기존 방법들에 비하여 정확한 추적이 가능함을 보여주었다.

• 전기전자학회논문지
• /
• 제5권2호
• /
• pp.190-200
• /
• 2001

본 논문은 용접이상을 검출하기 위한 특징벡터의 선택과 퍼지 기술을 사용한 용접이상 분류기의 설계 및 구현에 관한 것이다. 용접이상 특징 벡터로써 시간 영역에서 절대적분치, 영교차수를, 주파수 영역에서 파워 스펙트럼 계수를, 두 영역 모두를 고려하여 히스토그램을 비교하였다. 그래프 분석에 의하여 특징벡터로서 히스토그램을 선택하였고, 상대 히스토그램의 최대 빈도수와 대응 구간 값이 정상 용접과 용입불량을 구분하는 데 가장 유효하다는 것을 발견하였다. 이 특징 벡터를 사용하여 퍼지 용접이상 분류기를 구현하였고, 695개의 용접 데이터 프레임에 대하여 시험하여 정분류율이 92.96%을 보여, 그 유효성을 입증하였다. 실험실에서의 결과로써 실제적인 산업용 레이저 용접 검사기로써 상대적 히스토그램을 이용한 퍼지 용접이상 분류기가 효과적임을 알 수 있다.

• 한국산학기술학회논문지
• /
• 제20권8호
• /
• pp.216-223
• /
• 2019

생산 공정에서 발생되는 공정 이상을 적시에 감지하는 것은 생산 공정의 안전하고 일관된 조업 및 운영에 필수적인 요소 중 하나로서 반드시 필요하다. 예측되지 못하거나 적절하게 감지되지 못한 공정 이상은 전체 생산 공정과 공정에서 생산되는 최종 제품의 품질에 심각한 영향을 줄 수 있기 때문이다. 또한 이러한 상황은 공정 기능 불량과 고장으로 이어지게 된다. 이러한 공정 이상을 신뢰성 있게 적시에 검출하기 위해 본 연구에서는 새로운 단일 클래스 분류에 기반한 공정 이상 감지 기법을 제안한다. 본 연구의 제안된 방법은 잡음 필터링, 특징 선택, 비선형 표현 및 특이치 검출의 네단계로 구성된다. 본 연구에서는 시뮬레이션 공정의 측정치를 활용하여 제안된 방법의 성능을 평가하였다. 그 결과 제안된 공정 이상 탐지 기법이 신뢰할 수 있는 모니터링 결과를 산출하였으며 기존 비교 대상 방법들보다 평균 25.4% 향상된 성능을 보여 주었다. 또한 적합한 특징 선택을 통하여 보다 향상된 이상 감지 성능을 얻을 수 있었다.

• 한국정보통신학회논문지
• /
• 제25권4호
• /
• pp.515-522
• /
• 2021

본 논문에서는 관형 철탑의 용접부 결함을 상시적으로 감시하기 위하여 초음파 탐상 신호에 대한 기계학습 알고리즘의 적용 방법을 제시하고 분석하였다. 기계학습 방법으로는 유전자 알고리즘에 의한 특징 선택과 서포트 벡터머신을 이용한 탐상 신호 분류 방법을 사용하였다. 특징 선택에서는 30개의 후보 특징들 가운데 피크, 히스토그램 하한 경계, 정규 음로그우도가 선택되었으며, 이들은 결함의 깊이에 따른 신호의 차이를 명확하게 나타내었다. 또한, 선택된 특징들을 서포트 벡터 머신에 적용한 결과 정상 부위와 결함 부위를 완벽하게 분류할 수 있는 것으로 나타났다. 따라서 본 연구의 결과는 향후 초음파 신호 기반 결함 성장 조기 감지시스템의 개발과 이를 통한 에너지 송전 관련 산업에 유용하게 사용될 수 있을 것으로 기대된다.

• 대한조선학회논문집
• /
• 제60권2호
• /
• pp.95-109
• /
• 2023

In the 4th industrial revolution, changes in the technological paradigm have had a direct impact on the maintenance system of ships. The 2-stroke low speed engine system integrates with the core equipment required for propulsive power. The Condition Based Management (CBM) is defined as a technology that predictive maintenance methods in existing calender-based or running time based maintenance systems by monitoring the condition of machinery and diagnosis/prognosis failures. In this study, we have established a framework for CBM technology development on our own, and are engaged in engineering-based failure analysis, data development and management, data feature analysis and pre-processing, and verified the reliability of failure mode DB using LSTM algorithms. We developed various simulated failure mode scenarios for 2-stroke low speed engine and researched to produce data on onshore basis test_beds. The analysis and pre-processing of normal and abnormal status data acquired through failure mode simulation experiment used various Exploratory Data Analysis (EDA) techniques to feature extract not only data on the performance and efficiency of 2-stroke low speed engine but also key feature data using multivariate statistical analysis. In addition, by developing an LSTM classification algorithm, we tried to verify the reliability of various failure mode data with time-series characteristics.

• Journal of Biosystems Engineering
• /
• 제21권3호
• /
• pp.325-335
• /
• 1996

표고의 외관 특징들은 표고의 재배 시 생육상태의 정량적 측정을 위해서, 표고의 건조 시 건조 성능을 나타내는 정량적 지표로서, 그리고 건표고의 품질을 판정하는 요인으로서 중요한 역할을 한다. 본 논문에서는 컴퓨터 시각시스템 및 신경회로망 기술을 적용하여 표고의 갓 및 내피에 고루 분포되어 있는 외관특징을 정량적으로 추출하는 알고리즘을 개발하였다. 기존의 영상 처리 과정에서 유도되는 경험적 판정규칙 또는 명확한 수치적 판정조건에 의한 등급판정은 입력데이타의 결핍 또는 애매모호성에 따른 오차가 발생하기 쉽다. 신경회로망을 이용한 영상인식 기능을 도입함으로써 다양하고 애매모호한 표고의 외관 영상특징들을 효율적으로 처리하여 기존 영상처리 알고리즘에서 발생하는 오차를 개선하였다. 본 논문에서 제안하는 알고리즘은 표고의 갓과 내피면의 인식 및 특징 분할, 꼭지부의 검출, 제거 및 재생 등을 포함한다. 제안한 알고리즘에 의거하여 건표고의 등급판정에 주요한 품질인자들을 추출하고 정량화 하였다. 그리고 알고리즘의 개발은 흑백의 다치입력영상을 이용하여 수행하였다.