• Journal of Electrical Engineering and Technology
• /
• 제3권2호
• /
• pp.224-234
• /
• 2008

Multi-phase machines can be used in variable speed drives. Their applications include electric ship propulsion, 'more-electric aircraft' and traction applications, electric vehicles, and hybrid electric vehicles. Multi-phase machines enable independent control of a few numbers of machines that are connected in series in a particular manner with their supply being fed from a single voltage source inverter(VSI). The idea was first implemented for a five-phase series-connected two-motor drive system, but is now applicable to any number of phases more than or equal to five-phase. The number of series-connected machines is a function of the phase number of VSI. Theoretical and simulation studies have already been reported for number of multi-phase multi-motor drive configurations of series-connection type. Variable speed induction motor drives without mechanical speed sensors at the motor shaft have the attractions of low cost and high reliability. To replace the sensor, information concerning the rotor speed is extracted from measured stator currents and voltages at motor terminals. Open-loop estimators or closed-loop observers are used for this purpose. They differ with respect to accuracy, robustness, and sensitivity against model parameter variations. This paper analyses operation of an MRAS estimator based sensorless control of a vector controlled series-connected two-motor five-phase drive system with current control in the stationary reference frame. Results, obtained with fixed-voltage, fixed-frequency supply, and hysteresis current control are presented for various operating conditions on the basis of simulation results. The purpose of this paper is to report the first ever simulation results on a sensorless control of a five-phase two-motor series-connected drive system. The operating principle is given followed by a description of the sensorless technique.

• 대한수학교육학회지:학교수학
• /
• 제16권2호
• /
• pp.317-334
• /
• 2014

이 연구는 예비교사들을 대상으로 테일러급수와 그 수렴에 대한 이해 실태를 살펴보았고 그 결과로 얻어진 취약점을 보완하고자 GeoGebra를 이용하여 실험적 맥락에서 테일러급수의 수렴 개념에 대한 교수 방안을 모색하였다. 예비교사들은 형식적 측면에서 테일러급수를 구하고 수렴 반경을 계산하는 것에는 익숙했지만 개념적이고 과정적 요소엔 취약하였으며 테일러급수를 다루는 시각적이고 역동적 경험을 갖고 있지 못했다. 특히 부분합의 개념으로 테일러다항식들의 수렴과 원함수간의 관계가 잘 정립되어 있지 않았다. 이에 GeoGebra를 도구로 활용하여 시각적이고 직관적 측면에서 테일러다항식의 차수와 중심이 테일러급수의 수렴에 미치는 영향을 중심으로 교수실험을 하였다. 이 연구의 결과는 예비중등 수학교사들이 무한급수와 테일러급수에 대한 교수 내용적 지식을 높이고 유연한 지식을 가지는 데 공학을 활용한 교수법이 도움이 될 수 있음을 보여주었다.

• 한국수자원학회논문집
• /
• 제41권10호
• /
• pp.1067-1077
• /
• 2008

하천유량의 시간적 추세에 대한 이해는 자연환경이나 인간사회를 위한 하천관리 및 수자원계획에 도움을 줄 수 있다. 일반적으로 기온, 강수, 유량 그리고 농업, 홍수방지활동, 저수지 및 유역간의 물이동 등과 같은 하천의 이용은 결과적으로 하천의 흐름에 반영되게 된다. 수자원 시설물 설계에서 받아들여지는 시계열 상에서 수문기상학적 특성이 불변하다는 가정은 기후변화나 하천교란에 의해 더 이상 타당하지 않을 수 있다. 그러므로 수문시계열에서 변화 특성을 검증하고 기술하는 것은 하천관리에 있어 매우 중요한 과제이다. 본 연구에서는 섬진강에서 인위적 유량교란에 의한 유량 변동성 검정을 통계해석에 기반을 둔 단일변수와 집단변수, 그리고 시계열 분석방법으로 구분하여 수행하였다. 검정 결과, 현재 섬진강 수계의 연 유량계열은 동질성을 유지하고 있으나 갈수기 유량계열에서는 변동성이 나타났다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.9-17
• /
• 2021

최근 빅데이터 분석, 인공지능, 기계학습 등의 발전으로 인해서 데이터를 과학적으로 분석하는 기술이 발전하고 있으며 이는 의사결정 문제를 최적으로 해결해주고 있다. 그러나 특정 분야의 경우에는 데이터의 양이 부족해서 과학적 방식에 적용하는 것이 어렵다. 예컨대 부동산과 같은 데이터는 데이터 발표 시점이 최근이거나 비 유동성 자산이다 보니 발표 주기가 긴 경우가 많다. 따라서 본 연구에서는 이런 문제점을 극복하기 위해서 TimeGAN 모형을 통해 기존의 시계열의 확장 가능성에 대해서 연구하고자 한다. 이를 위해 부동산과 관련된 총 45개의 시계열을 데이터 셋에 맞게 2012년부터 2021년까지 주 단위로 데이터를 수집하고 시계열 간의 상관관계를 고려해서 총 15개의 최종 시계열을 선정한다. 15개의 시계열에 대해서 TimeGAN 모형을 통해 데이터 확장을한 결과, PCA 및 T-SNE 시각화 알고리즘을 통해 실제 데이터와 확장 데이터 간의 통계적 분포가 유사하다는 것을 확인할 수 있었다. 따라서 본 논문을 통해서 데이터의 과적합 또는 과소적합이라는 한계점을 극복할 수 있는 다양한 실험이 연구되기를 기대한다.

• 한국인터넷방송통신학회논문지
• /
• 제23권2호
• /
• pp.103-111
• /
• 2023

본 논문은 시계열 데이터에 존재하는 이상값을 정상값으로 변환하는 새로운 데이터 보정기법을 제안한다. 최근 IT기술의 발전으로 센서를 통해 방대한 시계열 데이터가 수집되고 있다. 하지만 센서의 고장, 비정상적 환경으로 인해, 대부분의 시계열 데이터는 다수의 이상값을 포함할 수 있다. 이상값이 포함된 원천 데이터를 그대로 사용하여 예측모델을 구축하는 경우, 고신뢰도의 예측 서비스가 실현되기 어렵다. 이에 본 논문은 LSTM-GAN 모델을 활용하여 원천 시계열 데이터에 존재하는 이상값을 탐지하고, DTW(Dynamic Time Warping) 및 GAN 기법을 결합하여 분할된 윈도우 단위로 이상값을 정상값으로 보정하는 기법을 제안한다. 기본 아이디어는 탐지된 이상값이 포함된 윈도우에 인접한 정상 분포 데이터의 통계정보를 DTW에 적용하여 연쇄적으로 GAN 모델을 구축하여 정상적 시계열 데이터를 생성하는 것이다. 오픈 NAB 데이터를 활용한 실험을 통해, 우리는 제안 기법이 기존 2개의 보정기법보다 성능이 우수함을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제28권8호
• /
• pp.67-75
• /
• 2023

주가 예측은 금융시장에서 중요하게 다뤄지고 있는 주제이지만 영향을 미칠 수 있는 다수의 요소들로 인해 어려운 주제로 고려되고 있다. 본 논문에서는 시계열 예측 모델 (LSTM, GRU)과 데이터의 시간적 의존성을 고려하지 않는 비 시계열 예측 모델 (RF, SVR, KNN, LGBM)을 주가 예측에 적용하여 성능을 비교하고 분석하였다. 또한 주가 데이터와 기술적 분석 보조지표, 재무제표 지표, 매수매도 지표, 공매도, 외국인 지표 등 다양한 데이터를 조합 및 활용하여 최적의 예측 요소를 찾아내고 업종별로 주가 예측에 영향을 미치는 주요 요소들을 분석했다. 하이퍼파라미터 최적화 과정을 통해 알고리즘별 예측 성능을 향상 시키는 과정도 진행하여 성능에 영향을 주는 요인을 분석하였다. 변수 선택과 하이퍼 파라미터 최적화 과정을 거친 결과, 시계열 예측 알고리즘인 GRU, 그리고 LSTM+GRU의 예측 정확도가 가장 높은 것으로 나타났다.

• 대한토목학회논문집
• /
• 제26권2B호
• /
• pp.131-137
• /
• 2006

본 연구에서는 기존 매개변수적 수문시계열 예측모형을 보완하고자 Singular Spectrum Analysis(SSA)와 Linear Recurrent Formula를 결합한 모형을 제안하였다. SSA는 주로 시계열에 내재해 있는 구성성분을 추출하기 위한 목적으로 많이 이용되고 있다. 이러한 관점에서 본 연구에서는 엘니뇨 및 라니냐 등의 기상현상과 수문사상의 상관성 분석에 주로 적용되고 있는 SSA와 시계열 예측을 위해서 Linear Recurrence Formula를 결합한 예측 모형을 월단위의 수위와 유입량 시계열 자료를 대상으로 적용성 및 타당성을 검토해 보았다. 모형을 통해 수문시계열을 모의한 결과 전체적인 통계적인 특성 및 시각적인 검토에서 실측자료와 매우 유사한 모의가 가능하였으며 실측 자료를 바탕으로 Blind Forecasting을 실시한 결과 2가지 예에서 모두 1년 정도의 예측구간에서 합리적인 결과를 제시하여 주었다. 따라서 단기예측을 수문모형으로서 적용이 가능할 것으로 사료된다.

• 산업경영시스템학회지
• /
• 제46권3호
• /
• pp.123-138
• /
• 2023

The Fourth Industrial Revolution and sensor technology have led to increased utilization of sensor data. In our modern society, data complexity is rising, and the extraction of valuable information has become crucial with the rapid changes in information technology (IT). Recurrent neural networks (RNN) and long short-term memory (LSTM) models have shown remarkable performance in natural language processing (NLP) and time series prediction. Consequently, there is a strong expectation that models excelling in NLP will also excel in time series prediction. However, current research on Transformer models for time series prediction remains limited. Traditional RNN and LSTM models have demonstrated superior performance compared to Transformers in big data analysis. Nevertheless, with continuous advancements in Transformer models, such as GPT-2 (Generative Pre-trained Transformer 2) and ProphetNet, they have gained attention in the field of time series prediction. This study aims to evaluate the classification performance and interval prediction of remaining useful life (RUL) using an advanced Transformer model. The performance of each model will be utilized to establish a health index (HI) for cutting blades, enabling real-time monitoring of machine health. The results are expected to provide valuable insights for machine monitoring, evaluation, and management, confirming the effectiveness of advanced Transformer models in time series analysis when applied in industrial settings.

• 대한수학회지
• /
• 제15권2호
• /
• pp.167-176
• /
• 1979

• Kyungpook Mathematical Journal
• /
• 제21권1호
• /
• pp.87-90
• /
• 1981