분류 알고리즘과 NCA를 활용한 기계학습 기반 구조건전성 모니터링 시스템

신창교; 권현석; 박유림; 김천곤

추천

검색

자료유형: 학술저널

저자정보: 신창교 (한국과학기술원 항공우주공학과) 권현석 (한국과학기술원 항공우주공학과) 박유림 (한국과학기술원 항공우주공학과) 김천곤 (한국과학기술원 항공우주공학과)

저널정보: 한국항행학회 한국항행학회논문지 한국항행학회논문지 제23권 제1호

발행연도: 2019.1

수록면: 84 - 89 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 복합재 항공기의 비행 데이터를 활용한 기계학습 기반 구조건전성 모니터링 시스템 연구의 예비 연구이다. 본 연구에서는 구조건전성 모니터링에 이용되기에 가장 적합한 기계학습 알고리즘을 선별하고, 실 기체 데이터에 대한 적용을 위해 차원 축소를 수행하였다. 이를 위해 외팔보를 통해 모사된 항공기 날개 구조와 부가 질량을 통해 손상 모사 실험을 진행하고, 분류 알고리즘을 통해 데이터를 손상의 위치와 정도에 따라 구분하였다. 이를 위해 FBG (fiber bragg grating) 센서를 부착한 외팔보의 진동 실험을 통해 정상상태와 12개의 손상상태에 대한 데이터를 취득하고, MATLAB 환경에서 tree, discriminant, SVM (support vector machine), kNN, ensemble 알고리즘의 비교와 파라미터 튜닝을 통해 가장 적합한 알고리즘을 도출하였다. 또한 NCA (neighborhood component analysis)를 이용한 특징 선택을 통해, 실 기체에서 나올 수 있는 고차원 데이터의 관리를 위해 필요한 차원 축소를 수행하였다. 그 결과, quadratic SVM이 NCA를 적용하지 않은 모델에서 98.7%, NCA를 적용한 모델에서 95.9%로 가장 높은 정답률을 보였다. 또한 NCA 적용 후 모델의 예측 속도, 학습 시간, 용량이 모두 향상되었다.

#Classification #Dimensionality reduction #FBG sensor #Machine learning #Structural health monitoring

참고문헌 (9)

참고문헌 신청

A. Panopoulou / 2012 / Health monitoring of aerospace structures using fibre Bragg gratings combined with advanced signal processing and pattern recognition techniques / Strain 48(3):267~277

K. Worden / 2006 / The application of machine learning to structural health monitoring / Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 365(1851):515~537

S. Roy / 2013 / A novel machine-learning approach for structural state identification using ultrasonic guided waves / Proceedings of the 11th International Conference of Structural Safety and Reliability :321~328

H. Azzam / 1995 / A practical approach for the indirect prediction of structural fatigue from measured flight parameters / Proceedings of the Aerotech 95

L. E. Mujica / 2008 / Impact damage detection in aircraft composites using knowledge -based reasoning / Structural Health Monitoring 7(3):215~230

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

신창교

소속기관 한국과학기술원 항공우주공학과

주요연구분야 공학 > 기계공학 > 항공우주공학

논문수 1 이용수 33

권현석

소속기관 한국과학기술원 항공우주공학과

주요연구분야 공학 > 기계공학 > 항공우주공학

논문수 1 이용수 33

박유림

소속기관 한국과학기술원 항공우주공학과

주요연구분야 공학 > 기계공학 > 항공우주공학

논문수 1 이용수 33

김천곤

소속기관 한국과학기술원 항공우주공학과

주요연구분야 공학 > 기계공학 > 항공우주공학

논문수 1 이용수 33

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (9)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)