메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
양재완 (울산대학교 전기공학부) 이영두 (울산대학교 전기공학부) 구인수 (울산대학교 전기공학부)
저널정보
한국인터넷방송통신학회 한국인터넷방송통신학회 논문지 한국인터넷방송통신학회 논문지 제20권 제1호
발행연도
2020.1
수록면
163 - 169 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (3)

2020

딥 러닝 기반 실시간 센서 고장 검출 기법
양재완 ,  이영두 ,  구인수 한국인터넷방송통신학회 논문지 2020.01 학술저널

2019

딥 러닝 및 서포트 벡터 머신기반 실시간 센서 고장 검출 기법에 관한 연구
양재완 전기전자컴퓨터공학과 2019.01 학위논문

2018

딥 러닝 및 서포트 벡터 머신기반 센서 고장 검출 기법
양재완 ,  이영두 ,  구인수 한국인터넷방송통신학회 논문지 2018.01 학술저널

초록· 키워드

오류제보하기
최근 4차 산업혁명의 핵심기술인 인공지능, 빅데이터, 사물인터넷의 발전으로 산업 현장에서 가동되는 기계의 자동화 및 무인화에 대한 연구가 활발히 진행되고 있다. 이러한 공정 기계들은 부착된 다양한 센서들로부터 수집된 데이터를 기반으로 제어되고 이를 통해 공정이 관리된다. 만약 센서에 고장이 발생한다면 센서 데이터 이상으로 인해 자동화 기계들이 오작동함으로써 공정 손실 발생뿐만 아니라 인명피해로도 이어질 수 있다. 전문가가 센서의 이상 여부를 주기적으로 확인하여 관리하고 있으나 산업 현장의 여러 가지 환경요인 및 상황으로 인하여 고장점검 시기를 놓치거나 고장을 발견하지 못하여 센서 고장으로 인한 피해를 막지 못하는 경우가 발생하고 있다. 또한 고장이 발생하여도 즉각 감지하지 못함으로써 공정 손실을 더욱 악화시키고 있는 실정이다. 따라서 이러한 돌발적인 센서 고장으로 인한 피해를 막기 위해 자체적으로 임베디드 시스템에서 센서의 고장 유무를 실시간으로 파악하고 빠른 대응을 위해 고장 진단 및 유형을 판별하는 것이 필요하다. 본 논문에서는 대표적인 센서 고장 유형인 erratic fault, hard-over fault, spike fault, stuck fault를 분류하기 위해 딥 뉴럴 네트워크 기반의 고장 진단 시스템을 설계하고 라즈베리 파이를 활용하여 구현하였다. 센서 고장 진단을 위해 구글이 제안한 MobilieNetV2의 Inverted residual block 구조를 사용하여 네트워크를 구성하였다. 본 논문에서 제안하는 방식은 기존 CNN 기법을 사용한 경우보다 메모리 사용량이 줄고 성능이 향상되며, 입력 신호에 대해 구간별로 센서 고장을 분류하여 산업 현장에서 효과적으로 사용될 것으로 기대된다.
#Sensor fault diagnosis #Convolution neural network #Inverted residual block #Raspberry pi

목차

등록된 정보가 없습니다.

참고문헌 (16)

참고문헌 신청
이규형 / 2019 / RNN 기반 디지털 센서의 Rising time과 Falling time 고장 검출 기법 / 한국인터넷방송통신학회 논문지 19(1):29~35 dbpia 문병민 / 2019 / 웨이블릿 스펙트럼을 이용한스마트 팩토리 설비의 이상감지 및 진단 / 신뢰성 응용연구 19(1):22~30 dbpia 이협건 / 2018 / 스마트 팩토리 환경에서의GlusterFS 기반 빅데이터 분산 처리 시스템 설계 / 한국정보전자통신기술학회 논문지 11(1):70~75 dbpia 양재완 / 2018 / 딥 러닝 및 서포트 벡터 머신기반 센서 고장 검출 기법 / 한국인터넷방송통신학회 논문지 18(2):185~195 dbpia Sana Ullah Jan / 2017 / Sensor Fault Classification Based on Support Vector Machine and Statistical Time-Domain Features / IEEE Access 5:8682~8690 Crossref

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0