지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최주호
- 발행연도
- 2020
- 저작권
- 한국항공대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
도어를 작동하는 모터 전류 신호를 사용하여 열차 도어 시스템의 고장 진단을 수행한다. 극한 조건을 적용하여 다양한 고장 모드를 검사하고, 중요 부품의 자연 및 인공 마모를 검사하는 시험 리그가 준비된다. 비교 목적을 위해 고장 분류를 위한 두 가지 접근법이 수행된다. 하나는 신호 분할, 시간 영역 기능의 추출, 피셔의 차별에 의한 선택 및 K-가장 가까운 이웃과 같은 처리 기능에 몇 가지 단계가 필요한 전통적인 기능 기반 방법이다. 다른 하나는 손으로 조작한 특징 추출 과정을 건너뛰기 위해 경골신경망(CNN)을 채용하여 심층 학습 접근법이다. 기존의 접근방식에서 양호한 정확도는 전류 신호를 세 가지 속도 제도로 분할한 후에만 확인되며, 이는 차별 능력을 강화한다. CNN에서는 원래 원시신호에서도 우월한 정확도를 얻는데, 구현 면에서는 더욱 편리하다. 그러나 실용적 용도에 비추어 볼 때, 기능 처리는 각 결함의 건강 상태를 평가하고 실제 작동에서 시간의 경과를 감시하기 위해 쉽게 적용할 수 있다는 점에서 전통적인 접근법이 더 유용하다.
목차
1. 연구 개요 42. Data acquistion 73. Feature extraction-based diagnosis 113.1. Feature extraction 143.2. Feature selection 153.3. Classification 224. Deep learning-based diagnosis 255. Practical application 286. Conclusion 32참 고 문 헌 33
최근 본 자료
댓글(0)
0