• 융합보안논문지
• /
• 제20권1호
• /
• pp.59-68
• /
• 2020

이 연구의 목적은 5년 동안 시행해 온 해군 부대진단 제도가 더욱 안정적으로 안착되기 위한 방안을 고찰하는 것이다. 해군의 부대진단의 역사적 과정, 이론적 배경을 확인하고 향후 방향을 조망함으로써 부대진단 연구의 성과를 확인해 보는 작업이다. 그러므로 부대진단 제도의 중요성을 확인해 보는 동시에 어떻게 적용하였는지를 살펴보고 발전방향에 대해 설명하였다. 특히 분석기법의 과학화, 분석프로그램 개발, 리더십 진단프로그램 개발, 부대진단 팀 인원강화, 전문성 및 신뢰성 확보 등을 발전방향으로 제시하였다. 앞으로 해군의 부대진단 제도가 발전하기 위해서는 내·외부적으로 지속적 연구가 필요하다고 판단된다.

• 한국해양공학회지
• /
• 제35권4호
• /
• pp.287-295
• /
• 2021

This paper describes a recurrent neural network (RNN) for the fault classification of a blade pitch system of a spar-type floating wind turbine. An artificial neural network (ANN) can effectively recognize multiple faults of a system and build a training model with training data for decision-making. The ANN comprises an encoder and a decoder. The encoder uses a gated recurrent unit, which is a recurrent neural network, for dimensionality reduction of the input data. The decoder uses a multilayer perceptron (MLP) for diagnosis decision-making. To create data, we use a wind turbine simulator that enables fully coupled nonlinear time-domain numerical simulations of offshore wind turbines considering six fault types including biases and fixed outputs in pitch sensors and excessive friction, slit lock, incorrect voltage, and short circuits in actuators. The input data are time-series data collected by two sensors and two control inputs under the condition that of one fault of the six types occurs. A gated recurrent unit (GRU) that is one of the RNNs classifies the suggested faults of the blade pitch system. The performance of fault classification based on the gate recurrent unit is evaluated by a test procedure, and the results indicate that the proposed scheme works effectively. The proposed ANN shows a 1.4% improvement in its performance compared to an MLP-based approach.