• Journal of Mechanical Science and Technology
• /
• 제19권8호
• /
• pp.1670-1681
• /
• 2005

In-situ diagnosis of chiller performance is an essential step for energy saving business. The main purpose of the in-situ diagnosis is to predict the performance of a target chiller. Many models based on thermodynamics have been proposed for the purpose. However, they have to be modified from chiller to chiller and require profound knowledge of thermodynamics and heat transfer. This study focuses on developing an easy-to-use diagnostic technique that is based on adaptive neuro-fuzzy inference system (ANFIS). The effect of sample data distribution on training the ANFIS is investigated. It is found that the data sampling over 10 days during summer results in a reliable ANFIS whose performance prediction error is within measurement errors. The reliable ANFIS makes it possible to prepare an energy audit and suggest an energy saving plan based on the diagnosed chilled water supply system.

• 한국항공우주학회지
• /
• 제43권4호
• /
• pp.304-310
• /
• 2015

핀틀추력기는 추력조절을 위해 노즐목면적을 조절하는 핀틀 스트로크 개념을 사용한다. 충남대학교에서 수행한 공압시험용 핀틀추력기에 대해 MATLAB을 사용하여 1-D 시뮬레이션 성능예측 기법을 연구하였고 전산수치해석과 1-D 시뮬레이션을 수행하여 결과를 비교하였다. 일차원 유동이론에 근거한 성능예측결과는 챔버압력에 대해 경향성 뿐만 아니라 계산값까지 유사한 것을 확인하였지만, 노즐벽면의 박리로 인해 추력에 대해서는 오차가 존재하였다. 수치해석 결과로 모든 핀틀 스트로크 구간에서 노즐의 확장부 부분의 설계 노즐목 부근에서 유동박리가 발생하는 것을 확인하였다. 엠피리컬(Empirical) 추력예측 법은 노즐벽면의 박리를 포함하며, 1-D 엠피리컬 시뮬레이션은 초기 핀틀 스트로크 구간에서 추력을 잘 예측하였다.

• 한국터널지하공간학회 논문집
• /
• 제16권1호
• /
• pp.13-24
• /
• 2014

본 논문에서는 TBM 터널의 세그먼트 라이닝 설계 자동화 기술 개발의 일환으로 인공신경망기법을 이용한 세그먼트 라이닝 부재력 산정기법 개발에 관한 내용을 다루었다. 부재력 평가가 가능한 인공신경망을 개발하기 위해 먼저 다양한 설계조건을 도출하고 이에 대해 2-Ring Beam 모델을 이용한 유한요소해석을 수행하여 인공신경망 학습에 필요한 설계조건별 부재력에 관한 DB를 구축하였다. 구축된 DB를 활용하여 인공신경망의 최적화 과정을 통해 최대 부재력 및 분포도를 예측할 수 있는 인공신경망을 구축하였다. 검토 결과 구축된 인공신경망은 유한요소해석과 동일한 정밀도의 부재력 산정 기능을 확보하는 것으로 검토되었으며 따라서 TBM 세그먼트 라이닝 설계시 필요한 부재력 평가를 위한 효율적인 수단으로 활용될 수 있는 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제21권5호
• /
• pp.641-656
• /
• 2019

본 연구에서는 쉴드 TBM (Tunnel Boring Machine) 터널 디스크 커터의 적절한 교체 시기를 예측하기 위한 방법으로 머신러닝 기법을 사용한 방법을 제안하였으며, 이를 위해 국내 기 시공된 쉴드 TBM 현장의 데이터를 이용하여 다양한 머신러닝 알고리즘 중 SVM (Support Vector Machine)을 이용하여 예측 모델을 구축하고 그 성능을 평가하였다. 지반 조건별 디스크 커터의 마모와 높은 상관성을 갖는 TBM 기계 데이터와 디스크 커터 교체 이력을 분류하고, 이들을 SVM의 변수로 사용하여 3종류의 분류 함수를 적용하여 각각 학습을 한 후 예측을 수행한 결과, 각 지반 조건에 대해서 3종류의 SVM 분류 함수 중 전체적으로 RBF (Radial Basis Function) SVM의 예측성능이 가장 우수하며(평균적으로 80%의 정확도, 10% 오분류율), 지반 조건별로 구분 시 디스크 커터 교체 데이터의 수가 많을수록 예측 결과가 좋은 것으로 나타났다. 향후 많은 데이터를 축적하고 이를 모두 활용하여 학습모델을 지속적으로 발전시켜 나간다면 이와 같은 디스크 커터 교환주기를 예측하기 위한 머신러닝 기법의 실무 적용성이 매우 클 것으로 기대한다.

• International Journal of Aeronautical and Space Sciences
• /
• 제11권4호
• /
• pp.326-337
• /
• 2010

This work addresses problems regarding trajectory planning for unmanned aerial vehicle sensors. Such sensors are used for taking measurements of large nonlinear systems. The sensor investigations presented here entails methods for improving estimations and predictions of large nonlinear systems. Thoroughly understanding the global system state typically requires probabilistic state estimation. Thus, in order to meet this requirement, the goal is to find trajectories such that the measurements along each trajectory minimize the expected error of the predicted state of the system. The considerable nonlinearity of the dynamics governing these systems necessitates the use of computationally costly Monte-Carlo estimation techniques, which are needed to update the state distribution over time. This computational burden renders planning to be infeasible since the search process must calculate the covariance of the posterior state estimate for each candidate path. To resolve this challenge, this work proposes to replace the computationally intensive numerical prediction process with an approximate covariance dynamics model learned using a nonlinear time-series regression. The use of autoregressive time-series featuring a regularized least squares algorithm facilitates the learning of accurate and efficient parametric models. The learned covariance dynamics are demonstrated to outperform other approximation strategies, such as linearization and partial ensemble propagation, when used for trajectory optimization, in terms of accuracy and speed, with examples of simplified weather forecasting.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1021-1023
• /
• 2003

Atmospheric water vapor is a key variable in numerical weather prediction (NWP) models, but it is a crucial factor to limit the accuracy of high-precision GPS positioning technique. For both issues, knowledge about the amount of water vapor is extremely important. In this study, we perform a simulation study to utilize GPS signals through a developed tomographic scheme to retrieve 3D structure of atmospheric wet refractivity, which may be assimilated into NWP models for advancing forecasting or position calculation for improving GPS positioning accuracy. For the purpose of knowing the absolute accuracy of the developed tomographic method, a well-defined temporal and spatial varying state of atmospheric profile is utilized. Under such circumstance, several factors that may influence the retrievals can be easily examined and their impacts may be clearly quantified. They include the values of the positional dilution of precision (PDOP) factors of the GPS signals, ... etc. Based upon the use of a variety spectrum of adjustable factors, many interesting findings are obtained. For example, the more is the number of the observed GPS signals the better becomes the retrievals as expected. Also, the smaller is the PDOP value the better becomes the retrievals.

• International Journal of Computer Science & Network Security
• /
• 제22권8호
• /
• pp.404-412
• /
• 2022

The development in the field of the internet of things (IoT) have improved the quality of the life and also strengthened different areas in the society. All cities across the world are seeking to become smarter. The creation of a smart parking system is the essential use case in smart cities. In recent couple of years, the number of vehicles has increased significantly. As a result, it is critical to make the use of technology that enables hassle-free parking in both public and private spaces. In conventional parking systems, drivers are not able to find free parking space. Conventional systems requires more human interference in a parking lots. To manage these circumstances there is an intense need of IoT enabled parking solution that includes the well defined architecture that will contain the following components such as smart sensors, communication agreement and software solution. For implementing such a smart parking system in this paper we proposed a design of smart parking system and also compare it with convetional system. The proposed design utilizes sensors based on IoT and Data Mining techniques to handle real time management of the parking system. IoT enabled smart parking solution minimizes the human interference and also saves energy, money and time.

• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.553-581
• /
• 2022

TBM (Tunnel Boring Machine)이 터널 산업에 도입된 이후로 안전성과 친환경의 이점으로 TBM의 사용이 전 세계적으로 증가하였다. 암반 및 토사 지반을 굴착하는 TBM 터널에서의 주요 비용 중 하나는 손상되거나 마모된 커터의 교체로 볼 수 있다. 커터의 교체는 시간과 비용에 큰 영향을 끼치는 작업이며 TBM 가동률과 굴진율을 크게 감소시킬 수 있다. 따라서 커터의 수명을 정확하게 평가하는 것은 공기와 비용의 측면에서 매우 중요하다. 그러나 복합 지반을 포함하여 토사 구간, 암반구간에서 커터 마모에 대한 예측은 매우 복잡하고 명확하지 않다. 이에 따라 커터 마모에 대한 다양한 예측 모델이 개발 및 도입되었지만 이러한 불확실성으로 인해 가변적인 결과를 나타낸다. 본 연구에서는 커터 마모 예측 모델을 제시하기 보다는 커터 교체의 설계 및 시공 사례 연구를 소개하고 분석했다. 커터는 지반 조건, TBM 장비 및 운전의 영향을 많이 받으므로 불확실성과 한계를 감안하면 신뢰성 있는 예측 모델을 제안하는 것은 매우 어렵기 때문에 오히려 실제 사례를 분석하고 이에 대한 자료 공유가 더 실용적이다. 커터 교체에 대한 예측과 결과 간의 차이를 확인하고 심도 있게 분석하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권10호
• /
• pp.983-991
• /
• 2003

인터넷 상의 웹기반교육은 시$.$공간을 초월하여 많은 학습자들에게 관련 정보와 지식을 제공하고 있다. 그러나 웹 기반교육에서는 학습자의 학습진행상태를 단지 시험을 통해서만 확인 할 수 있는 문제가 있다. 본 논문은 웹기반교육에서 학습자의 학습 과정에 문제가 있는지를 검사하고, 문제가 있는 학생들을 발견할 수 있는 웹 모니터링 기법을 소개한다. 그 기법에서 본 논문은 이전 학을 단위들에 대한 학습자의 학습시간과 형성평가점수들에 기초하여 다음에 진행할 학습 단위에 대한 학습 시간을 예측할 수 있는 학습 시간 예측 모델을 제안한다. 이 기법은 교수자에게 학습자의 학습진행상태를 제공한다. 이 방법은 만약 학습자가 예측학습시간을 초과하였을 경우에는 자동으로 경고 메시지를 보내어 학습자가 다시 학습 과정에 잘 임하도록 독려하는데 이용될 수 있다. 학습시간 예측모델을 이용한 웹 모니터링에 관한 사례 연구를 통해 측정한 결과, 학습진행상태가 원만하지 않는 학습자의 대부분은 형성평가 점수가 저조하였다. 또한, 그들은 학습진행상태가 원만하지 않는 자신의 학습 습관을 그대로 유지하고 있는 것으로 나타났다.

• 터널과지하공간
• /
• 제13권6호
• /
• pp.434-443
• /
• 2003

본 연구에서는 비서형 모델에 적용 가능한 역전파 알고리즘을 이용하여 도로터널에서 발생하는 오염물질을 예측하기 위한 인공신경망을 개발하였다. 도로 터널에서 중요시되는 오염인자는 CO농도와 가시도이므로, 인공신경망의 구성을 각각의 독립적인 네트워크로서 구성하였다. 사용한 입력데이터는 영동고속도로에 위치한 종류식 환기 방식을 채택한 일방향 2차선 도로 터널 2개소에서 실측한 데이터를 사용하였다. 예측치와 실측치를 비교할 때 인공신경망의 학습도는 약 95%의 정확성을 보이는 것으로 나타났다. 분석결과 개발된 인공신경망에 의한 결과는 PIARC 방식에 의한 계산치 보다 약 5배 정도의 정확성을 보였다. 특히 주행속도가 낮을 경우 더 높은 정확도를 나타낼 것으로 기대 되었다.