• 대한기계학회논문집
• /
• 제17권1호
• /
• pp.101-111
• /
• 1993

본 연구에서는 제안된 뉴로-퍼지 제어기를 사용하여 유압 서보 시스템을 제어 하고 학습하기 위한 구조로써 유압 서보 시스템의 모델링을 위한 추가적인 노력이 필 요없는 feedback error learning 구조물 채택하였다. 학습 과정에서 필요한 유압 서 보 시스템의 입-출력 사이의 감도(sensitivity)의 효과는 학습 계수에 포함된다. 이 러한 형태의 제어기가 유압 서보 시스템 제어에 유용하게 적용될 수 있다는 것을 보이 기 위해서 불확실성과 높은 비선형성 뿐만아니라 외란의 영향을 받는 유압 서보 시스 템을 대상으로 시뮬레이션을 수행했다. 시뮬레이션 결과에 의하면 제안된 뉴로-퍼지 제어기는 수학적인 모델을 기초로한 기존의 제어 알고리즘에 비해 쉽게 구성할 수 있 고 높은 정밀도, 빠른 학습 속도를 얻을 수 있는 장점을 가지고 있음을 알 수 있다.

• 한국철도학회논문집
• /
• 제18권3호
• /
• pp.241-251
• /
• 2015

유도상 아스팔트 콘크리트 궤도(이하, 유도상 AC궤도)는 아스팔트 콘크리트 노반(이하, AC노반)의 존재에 의해 유도상 궤도에 비해 열차하중 분산효과에 의한 강화노반 두께 감소가 가능하며 누적 소성 변위도 작을 뿐만 아니라 유지관리 측면에서도 유리한 궤도 구조이기 때문에 국외에서 적용 사례가 증가하고 있다. 그러므로 유도상 AC궤도의 국내 도입을 검토하기 위해 선행 연구를 통해 수행한 AC노반 유무에 따른 거동 특성을 분석하여 현재 설계기준에 명시된 유도상 궤도의 단면과 유사한 성능을 보이는 유도상 AC궤도의 단면을 분석한 바 있으며, 실대형 정 동적 열차하중 재하 실험 결과와의 비교를 통해 해석 결과의 신뢰성을 검증하였다. 본 연구에서는 선행 연구를 바탕으로 AC노반의 두께를 일정하게 하고 강화노반 두께를 변화시켰을 때에 획득된 AC노반 하면에서의 변형률을 이용하여 설계 수명을 산정하였고 각각의 단면에 대한 확률론적 LCC분석을 통해 기대 설계 수명을 만족하면서 기존 유도상 궤도와 비교하여 동등 또는 동등이상의 성능을 갖는 유도상 AC궤도의 설계 단면을 제시하였다.

• 한국진공학회:학술대회논문집
• /
• 한국진공학회 2012년도 제42회 동계 정기 학술대회 초록집
• /
• pp.239-240
• /
• 2012

With advancements in semiconductor device technologies, manufacturing processes are getting more complex and it became more difficult to maintain tighter process control. As the number of processing step increased for fabricating complex chip structure, potential fault inducing factors are prevail and their allowable margins are continuously reduced. Therefore, one of the key to success in semiconductor manufacturing is highly accurate and fast fault detection and classification at each stage to reduce any undesired variation and identify the cause of the fault. Sensors in the equipment are used to monitor the state of the process. The idea is that whenever there is a fault in the process, it appears as some variation in the output from any of the sensors monitoring the process. These sensors may refer to information about pressure, RF power or gas flow and etc. in the equipment. By relating the data from these sensors to the process condition, any abnormality in the process can be identified, but it still holds some degree of certainty. Our hypothesis in this research is to capture the features of equipment condition data from healthy process library. We can use the health data as a reference for upcoming processes and this is made possible by mathematically modeling of the acquired data. In this work we demonstrate the use of recurrent neural network (RNN) has been used. RNN is a dynamic neural network that makes the output as a function of previous inputs. In our case we have etch equipment tool set data, consisting of 22 parameters and 9 runs. This data was first synchronized using the Dynamic Time Warping (DTW) algorithm. The synchronized data from the sensors in the form of time series is then provided to RNN which trains and restructures itself according to the input and then predicts a value, one step ahead in time, which depends on the past values of data. Eight runs of process data were used to train the network, while in order to check the performance of the network, one run was used as a test input. Next, a mean squared error based probability generating function was used to assign probability of fault in each parameter by comparing the predicted and actual values of the data. In the future we will make use of the Bayesian Networks to classify the detected faults. Bayesian Networks use directed acyclic graphs that relate different parameters through their conditional dependencies in order to find inference among them. The relationships between parameters from the data will be used to generate the structure of Bayesian Network and then posterior probability of different faults will be calculated using inference algorithms.

• 한국산학기술학회논문지
• /
• 제21권6호
• /
• pp.170-177
• /
• 2020

본 논문은 전기기계식제동장치(EMB : Electro Mechanical Brake, 이하 EMB)의 제동 압부력(clamping force) 제어방법과 제동시험장비(dynamo test equipment)를 활용한 제동성능 평가결과에 대하여 다룬다. EMB와 관련한 연구는 자동차 분야에서 대부분 수행되었으며, 다양한 제어방법에 대한 정적상태의 압부력 시험결과를 주로 다루고 있으나 본 논문은 동적상태에서의 성능평가를 수행하였다. EMB의 구동을 위해 3상 매입형 영구자석 동기전동기(IPMSM : Interior Permanent Magnet Synchronous Motor, 이하 IPMSM)가 적용되었으며 유한요소법(FEM : Finite Element Method, 이하 FEM) 해석 소프트웨어인 JMAG을 통하여 설계 및 해석을 수행하였다. EMB의 압부력제어를 위해 전류제어, 속도제어 및 위치제어가 수행되었으며, 전류제어기는 단위전류당 최대토크제어(MTPA : Maximum Torque Per Ampere, 이하 MTPA)가 적용되었다. 제동성능평가는 공압식 제동장치의 비상제동 성능시험 절차와 동일한 방법으로 수행되었으며 시험장비에 설치된 고속철도차량의 차륜을 110 km/h, 230 km/h 및 300 km/h로 회전하는 상태에서 각각의 속도 조건에 따른 EMB의 제동 압부력을 인가하여 감속성능을 확인하였다. 최고속도(300 km/h) 상태에서 비상제동 시험결과는 73초의 시간이 소요되었으며 차세대고속철도차량(HEMU-430X)에 적용된 공압식 제동장치의 성능시험 결과와 비교를 통하여 제동소요 시간 및 감속패턴의 유사함 확인하였다.

• 한국철도학회논문집
• /
• 제18권3호
• /
• pp.252-260
• /
• 2015

아스팔트 노반상 자갈궤도(이하, AC자갈궤도)는 아스팔트 콘크리트 노반(이하, AC노반)에 의한 열차하중의 분산으로 노반 두께 감소 효과, 빗물의 침투방지 효과로 인한 노반부의 강도저하와 연약화 방지 효과, 노반 분니 방지 및 동상방지에 의한 유지보수비 절감 효과를 얻을 수 있다. 이와 같은 장점들에 의해 AC자갈궤도는 유럽 및 일본 등에서 널리 사용되고 있으며 국내에서도 도입을 위한 연구가 진행 중이다. 본 논문에서는 유한요소해석 프로그램인 ABAQUS을 이용하여 현재 철도설계기준에 제시되어 있는 고속철도용 자갈궤도의 성능에 부합하는 AC자갈궤도 단면을 선정하고 선정된 2개의 단면을 대상으로 실물 대형 정 동적 열차하중 재하 시험을 수행하였다. 실대형 실험 결과, AC자갈궤도가 강화노반 상면에 작용하는 토압이 상대적으로 작게 측정되었으며 탄성 및 소성변위도 상대적으로 유사 또는 작은 것을 알 수 있었다. 따라서 AC자갈궤도가 자갈궤도에 비해 열차하중 분산효과에 의한 강화노반 두께 감소효과가 있고 소성변위도 작으므로 궤도의 장기 유지관리 측면에서도 유리한 궤도구조임을 확인하였다.

• Structural Monitoring and Maintenance
• /
• 제2권1호
• /
• pp.77-93
• /
• 2015

The idea of using measured dynamic characteristics for damage detection is attractive because it allows for a global evaluation of the structural health and condition. However, vibration-based damage detection for complex structures such as long-span cable-supported bridges still remains a challenge. As a suspension or cable-stayed bridge involves in general thousands of structural components, the conventional damage detection methods based on model updating and/or parameter identification might result in ill-conditioning and non-uniqueness in the solution of inverse problems. Alternatively, methods that utilize, to the utmost extent, information from forward problems and avoid direct solution to inverse problems would be more suitable for vibration-based damage detection of long-span cable-supported bridges. The auto-associative neural network (ANN) technique and the probabilistic neural network (PNN) technique, that both eschew inverse problems, have been proposed for identifying and locating damage in suspension and cable-stayed bridges. Without the help of a structural model, ANNs with appropriate configuration can be trained using only the measured modal frequencies from healthy structure under varying environmental conditions, and a new set of modal frequency data acquired from an unknown state of the structure is then fed into the trained ANNs for damage presence identification. With the help of a structural model, PNNs can be configured using the relative changes of modal frequencies before and after damage by assuming damage at different locations, and then the measured modal frequencies from the structure can be presented to locate the damage. However, such formulated ANNs and PNNs may still be incompetent to identify damage occurring at the deck members of a cable-supported bridge because of very low modal sensitivity to the damage. The present study endeavors to enhance the damage identification capability of ANNs and PNNs when being applied for identification of damage incurred at deck members. Effort is first made to construct combined modal parameters which are synthesized from measured modal frequencies and modal shape components to train ANNs for damage alarming. With the purpose of improving identification accuracy, effort is then made to configure PNNs for damage localization by adapting the smoothing parameter in the Bayesian classifier to different values for different pattern classes. The performance of the ANNs with their input being modal frequencies and the combined modal parameters respectively and the PNNs with constant and adaptive smoothing parameters respectively is evaluated through simulation studies of identifying damage inflicted on different deck members of the double-deck suspension Tsing Ma Bridge.